25 октября 2023 г.
Требования к данным и управлению суверенными облигациями, связанными с устойчивым развитием
Облигации, привязанные к устойчивому развитию (ОУО), для суверенных государств являются мощным механизмом практической реализации обязательств в области устойчивого развития и повышения доверия к ним, однако масштабирование ОУО сопряжено с серьезными трудностями.
Как отмечается в нашем блоге "Трезвая оценка ценностного предложения суверенных SLB", , требования к отчетности по SLB, как правило, более жесткие, чем к раскрытию информации по обычным облигациям, которые в основном опираются на устоявшуюся макроэкономическую и финансовую статистику.
В отличие от этого, наборы данных, лежащих в основе КПЭ по климату и природе, как правило, имеют большой объем, неструктурированы, представлены в нестандартных форматах и рассредоточены по множеству источников в государственном секторе или среди третьих лиц. Кроме того, некоторые из этих наборов данных могут быть чувствительными и подпадать под действие законов о защите информации или локализации, что препятствует их передаче для обработки в оффшорные облачные центры обработки данных.
Извлечение, преобразование и загрузка данных в конвейерные системы, обеспечивающие стабильное и надежное достижение KPI на протяжении всего срока обращения облигаций, может потребовать сложных рабочих процессов и современных систем управления данными, что, в свою очередь, требует наличия подготовленного персонала, современной технологической инфраструктуры и надежных механизмов управления данными.
Например, КПЭ, измеряющие степень обезлесения с помощью спутниковых снимков и методов дистанционного зондирования, могут потребовать специализированных геоинформационных систем (ГИС) и привлечения сторонних поставщиков, что является дорогостоящим и сложным процессом.
В связи с этим в Уругвайскую БСЛ на 2034 г. был включен КПЭ по лесному покрову, основанный на геопространственных данных двух космических агентств (снимки со спутника Sentinel Европейского космического агентства, топографические рельефы со спутника Shuttle Radar Topography Mission НАСА). Алгоритм машинного обучения классифицировал изображения по типам леса с целью выделения кластеров местных деревьев. Анализ проводился группой из шести специалистов по обработке данных и инженеров, координируемых Главным управлением лесного хозяйства (ГУЛХ), с использованием облачной вычислительной платформы Google Earth Engine для выполнения расчетов и ГИС-программ (QGIS и ArcGIS) для обработки результатов.
Центральная роль данных в структуре SLB также обусловливает необходимость обеспечения прозрачности и целостности данных. Инвесторы должны быть уверены в том, что КПЭ действительно отражают базовые показатели деятельности и что возможности для манипуляций или человеческих ошибок сведены к нулю. Это означает, что каждая точка данных может быть проанализирована и отслежена до источника. Каждый шаг на пути данных должен быть четко отображен и максимально автоматизирован с помощью инструментов сквозной обработки, таких как интерфейсы прикладного программирования (API).
Часть этой работы может быть передана на аутсорсинг растущей индустрии поставщиков услуг по измерению, проверке и отчетности (MRV) в области климатических и природных данных. Однако поставщики должны быть должным образом проверены и заключены соглашения об уровне обслуживания, обеспечивающие гарантии качества в долгосрочной перспективе и предусматривающие планы действий на случай непредвиденных обстоятельств во избежание сбоев в потоке данных.
Поставщики услуг второй стороны (SPO) обеспечивают дополнительный уровень контроля качества; в случае Уругвая этот контроль осуществляется компанией Sustainalytics в отношении системы устойчивого развития и Программой развития ООН (ПРООН) в отношении внешней проверки КПЭ.
Однако это не снимает с государства ответственности за целостность данных.
Получение данных от других ведомств внутри правительства может вызвать серьезные проблемы с координацией. Обязательства по обмену данными должны быть закреплены в долгосрочных соглашениях. Они, в свою очередь, должны подкрепляться надежной структурой управления, способной пережить несколько политических циклов.
Координационные механизмы, такие как межведомственные комитеты, часто являются необходимым условием, поскольку они уточняют протоколы обмена данными, определяют роли и обязанности по обеспечению беспрепятственного потока данных, а также разрешают внутренние споры.
В случае Уругвая соглашения были закреплены в меморандумах о взаимопонимании (МОВ) и реализовывались специальной межведомственной рабочей группой ( SSLB Working Group), в состав которой входили представители министерств экономики и финансов, окружающей среды, промышленности, энергетики и горнодобывающей промышленности, животноводства, сельского хозяйства и рыболовства, а также министерства иностранных дел (см. рис. 1).
Рисунок 1. Архитектура управления в Уругвае
Источник: МЭФ Уругвая
Для того чтобы механизмы координации были эффективными, необходимо, чтобы стимулы участвующих в них ведомств были согласованы. Если обмен данными требует организационных изменений или дополнительных инвестиций в технологии и кадры, что отвлекает от других приоритетов политики, то вряд ли такая готовность возникнет сама собой.
Институциональная инерция и бюрократическая политика часто играют важную роль в таких ситуациях, особенно в условиях политической поляризации и слабого государственного потенциала, что затрудняет достижение консенсуса по целевым показателям или внедрение КПЭ. Простая директива исполнительной власти или другого высокопоставленного органа, например министра финансов, хотя и необходима, но может оказаться недостаточной для того, чтобы гарантировать быструю поддержку и устойчивое соблюдение требований со стороны участвующих ведомств.
На практике согласование стимулов часто означает понимание желаний и потребностей всех заинтересованных сторон и поиск путей их согласования. Это может потребовать некоторой "торговли лошадьми", когда поставщики данных получают взамен что-то ценное - бюджетные ресурсы, другие данные, контроль над использованием, участие в выборе КПЭ и базовых проектов и т.д. Объединение данных само по себе может быть стимулом, поскольку создает более богатый набор данных, на основе которого можно строить модели.
В качестве гипотетического примера такой торговли данными и информацией можно привести ситуацию, когда министерство охраны окружающей среды предоставляет геопространственные снимки лесного покрова, а министерство горнодобывающей промышленности - геологические исследования добывающих ресурсов, тогда их наложение поможет определить экологические зоны, подверженные риску незаконной эксплуатации. Добавление карт опасных явлений в стек также может помочь выявить природные активы, защищающие от климатических потрясений.
Совместное использование данных различными ведомствами может также обеспечить экономию средств, если при этом сокращается дублирование работ или систем (например, лицензирование программного обеспечения ГИС только одним ведомством, а не всеми остальными). Однако организация такого обмена может потребовать много времени и зависеть от благоприятной политической конъюнктуры. Затраты бюджета, времени и политического капитала весьма значительны, что повышает необходимость четкого понимания преимуществ СЛБ, о чем мы писали в наших блогах на темуНедооцененные преимущества суверенных SLB' и 'Ускорение сделок с суверенными SLB: создание экосистемы"..
Читать далее:
Недооцененные преимущества суверенных облигаций, привязанных к устойчивому развитию
Предыдущая серия блогов:
Подпишитесь на обновления
Присоединяйтесь к списку рассылки Центра, чтобы быть в курсе его работы.
