SAS는 금융권 ESG 경영을 지원한다. 기후 리스크 관리를 위한 스트레스 테스트 솔루션이 핵심 자산이다. 이 회사 솔루션은 기후변화에 따른 산업별 자산가치 하락 영향도를 분석하고, 기후변화에 따른 영향도가 높은 산업과 하위 세그먼트를 식별한다. 선제 대응 계획 수립은 물론 정책적 의사결정까지 지원한다.
기후 데이터 관리 및 리스크 모델링 단계에서부터 기후 리스크를 계량화하고 대내외 리포트 작성, 시나리오에 기반한 스트레스 테스트 등을 실시해 포트폴리오 전략과 함께 재무 및 심사 프로세스까지 연계할 수 있는 종합 솔루션이라는 게 회사 측 설명이다. 특히 SAS 기후 리스크 모델(Climate Risk Model)은 SAS 리스크 스트라텀(SAS Risk Stratum)을 기반으로 리스크 관리를 위한 모든 업무를 프로세스화했다. 이 덕분에 데이터 적재·검증부터 시나리오 구성, 리스크 계량화, 시각화된 리포트 작성에 이르기까지 현업 관점에서 쉽고 편리하게 수정·관리할 수 있다.
SAS는 딜로이트와 일본 G-SIB(Global systemically important bank, 글로벌 시스템적 중요 은행) 가운데 하나인 금융사에 ESG 관련 솔루션을 구축한 상태다. 은행의 경우 거래 상대방의 지정학 데이터 처리가 쉽지 않다. 리스크 평가를 위한 적절한 모델과 변수를 찾을 수 있는 충분한 경험적 데이터가 없기 때문에 물리적 리스크와 이행 리스크 측정이 어렵다.
이에 딜로이트는 거래 상대방에 대한 물리적 리스크와 이행 리스크의 재무적 영향을 측정하는 방법론을 제공한다. SAS는 복잡한 시나리오를 시뮬레이션할 수 있는 프레임워크를 제공했다.
이를 통해 사용자는 재무제표 및 지정학 정보를 포함한 담보 정보 등 거래 상대방의 정보 및 리스크 노출 정보를 업로드하고, 솔루션에서 포트폴리오 및 거래 데이터를 제외한 부분 정보를 제공할 수 있다. 지정학적 데이터는 지정학 데이터 제공 업체와 인터페이스를 통해 자동으로 솔루션에 업로드된다.
양측이 구축한 솔루션은 거래 상대방의 대차대조표(BS)와 손익계산서(PL) 전망, 신용평가, 포트폴리오 평가를 제공한다. BS·PL 전망의 경우 거래 상대방의 정보, 시나리오 및 프로젝션 모델 시뮬레이션을 입력하면 미래의 기후리스크량이 측정된다.
또 API를 통해 지리정보시스템(GIS), 부가정보, 리스크 데이터를 통합할 수 있다. 기업은 부동산 데이터, 재해 예측 데이터, 거래 상대방의 재무 데이터를 모델링해 재무적 영향도, 담보가치 영향을 전망할 수 있다.
SAS코리아는 딜로이트 안진회계법인과 ESG 솔루션 공급을 위한 전략적 업무협약을 맺었다. SAS 리스크 매니지먼트 솔루션과 딜로이트 글로벌 네트워크를 기반으로 ESG 리스크 분석과 평가 대응 서비스를 제공한다. 향후에는 금융권을 넘어 산업 전반을 아우르는 ESG 엔드투엔드 통합 솔루션을 제공할 계획이다.
이승우 SAS코리아 대표는 “SAS는 다양한 기후 리스크 시나리오를 기반으로 포트폴리오 및 재무제표 시뮬레이션을 통해 포트폴리오 건전성을 평가하고 위험의 집중도를 분석한다. 국내에서도 이를 통해 기업의 효과적인 기후 리스크 대응체계 마련과 비즈니스 의사결정을 지원할 계획”이라고 말했다.
한편 세계경제포럼은 '2021 글로벌 리스크 보고서'를 통해 기후변화 대응실패를 영향도 관점에서는 가장 파급효과가 큰 리스크로 정의했다.
발생 가능성 관점에서는 코로나19와 같은 전염병 다음으로 높은 리스크로 정의했다. 또 영국 경제 분석기관 이코노미스트 인텔리전스 유닛(EIU)은 기후 회복력 부족으로 2050년에는 세계 경제 규모가 3% 축소될 것으로 예측했다.
기후변화에 따른 비즈니스 리스크는 금융권에서도 발생할 가능성이 높다. 기후 재난 빈도가 늘어나면 재화 비용의 증가, 금융기관에 제공한 담보가치 하락으로 기업 재무에 영향을 주고, 탄소세 등 규제 준수 비용 증가로 기업 수익성이 악화될 수 있다. 이는 2차적으로 금융기관의 건전성에도 좋지 않은 영향을 미칠 전망이다.
기후변화의 재정적 리스크를 정확하게 평가하기 위해서는 지난 수십 년 간 다양한 기후변화 상황의 영향 판단을 포함한 여러 과정이 수반된다. 이 과정은 미래에 대한 불확실성과 더불어 분석에 필요한 과거 데이터 부족으로 상당히 복잡하다. 이로 인해 유의미한 시나리오를 구체화하고 좋은 모델을 개발하고 해석하는 작업이 어렵게 된다. 때문에 이에 대응하기 위한 새로운 데이터와 새로운 방법론의 필요성이 대두되는 상황이다.
임중권기자 lim9181@etnews.com
