政策研究工作文件10743关于气候不确定性的延迟学习如何影响脱碳投资策略Adam Michael Bauer Florent McIsaac St é phane Hallegatte宏观经济、贸易和投资全球实践与气候变化小组March 2024授权公开披露授权公开披露 政策研究工作文件系列传播了正在进行的工作结果，以鼓励就发展问题交换意见。该系列的目标是快速得出发现，即使演示文稿还不够完善。论文带有作者的姓名，应相应地引用。本文表达的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行 / 世界银行及其附属组织的观点，也不代表世界银行执行董事或它们所代表的政府的观点。Abstract《巴黎协定》规定 ， 全球变暖应限制在 “远低于 ” 2oC ， 并鼓励将变暖限制在 1.5 oC 的努力。实现这一目标是一项重大挑战 ， 特别是考虑到（ i ） 经济惯性和调整成本，这不利于从化石燃料迅速过渡，以及 （ ii ） 气候不确定性，例如，阻碍了预测给定温度目标之前可以排放的排放量的能力，这通常被称为剩余碳预算。本文提出了一个建模框架，探讨了当存在关于剩余碳预算和调整成本的延迟学习时的最佳脱碳投资策略。研究结果表明，推迟学习。剩余的碳预算从三个方面影响投资 ：(i)政策成本增加，尤其是在存在调整成本的情况下 ； （ ii ） 减排投资相对于确定性政策而言是超前的 ； （ iii ） 投资变化的部门分配有利于下降的投资途径，而不是钟形路径。后一种影响在重工业等难以减弱的行业尤其明显。每个影响都可以追溯到碳价分布，当剩余的碳预算在本世纪末学习时，它继承了一个 “沉重的尾巴 ” 。该文件强调了气候不确定性和调整成本相结合如何导致更积极的脱碳投资最低成本战略。本文是宏观经济学，贸易和投资全球实践和气候变化小组的产物。这是世界银行为开放其研究并为世界各地的发展政策讨论做出贡献的更大努力的一部分。政策研究工作文件也在 http: / / www 上发布。世界银行。org / prwp.作者可以通过 adammb4 @ illiois 联系。ed, fmcisaac @ worldba.org 和 shallegatte @ worldba 。由研究支持团队制作政策研究工作文件 10743 关于气候不确定性的延迟学习如何影响脱碳投资策略∗亚当 · 迈克尔 · 鲍尔†1, 2 ， Florent McIsaac2 和 St 'ephane Hallegatte21伊利诺伊大学香槟分校物理系 ， 1110 W Green St Loomis 实验室 ， Urbana ， IL 618012世界银行集团 ， 华盛顿特区JEL:E10 、 Q50 、 Q54 、 Q58关键字:绿色投资, 调整成本, 随机模型, 气候风险, 碳价∗作者感谢 Kevin Carey 、 Roy Dong 、 Sam Okullo 、 Cristian Proistosescu 、 Adrien Vogt - Schilb 和 Gernot瓦格纳与这项工作有关的有益讨论。本文表达的观点是作者的唯一责任。它们不一定反映世界银行、其执行董事或他们所代表的国家的观点。所有剩余的错误是作者的唯一责任。†通讯作者 ： adamm b4 @ illinois. edu 2Contents13242.142.1.142.1.262.262.2.162.2.282.382.3.182.3.2103113.1113.2143.31541719A.120A.220B21B.121C24C.124C.1.124C.1.226C.226C.2.126C.2.226D26 31Introduction《巴黎协定》的签署标志着国际社会对人类造成的气候变化的严重威胁的突破性承诺和共识 （ 《联合国气候变化框架公约》 ， 2015 年 ） 。与全球气候政策的这一分水岭相吻合 ， 出现了同样艰巨的挑战 ： 将行星变暖限制在《巴黎公约》所载的目标之内协议 ， 即 “低于 ” 2◦C 努力将升温限制在 1.5◦C. 这些目标是雄心勃勃 ， 并对国际社会提出了重大挑战。例如 ， 估计到 2050 年将美国的排放量减少 2005 年水平的 80 ％ 所需的投资努力介于$9910 亿 -$3.6 万亿1， 并且严重依赖电池等重要技术的价格 (Heal ， 2017) 。显然, 从基于 “肮脏 ” 资本 (例如燃煤发电厂) 的经济向“ 清洁 ” 资本 (例如可再生能源和电力动力车辆) 的转变将需要大量投资来减少排放。存在使这一过程复杂化的许多因素。首先，调整成本的存在 （ Lcas，1967 ； Mssa，1977 ） 大大提高了向清洁经济迅速过渡的代价，也许是令人望而却步。其次，人们可以选择多种选择来减少化石燃料的排放 ； 如何在减少能源部门的排放与重工业之间进行选择 ？ 最后，经济惯性已被证明有利于气候政策，并在减排方面进行了大量的近期投资 （ Vogt - Schilb 等人。， 2018 ； Campiglio 等人。， 2022)，这与文献中没有考虑这些影响的许多模型 (例如Procedre， Nordhas，1992 年，2017 年)，并建议采用一种最初较低的上升投资途径。这些经济因素对融资脱碳的挑战因物理气候系统中存在不确定性而变得更加复杂。尽管《巴黎协定》中的目标是确定性的，但从某种意义上说，目标本身并不确定，但由于不确定的气候反馈，其实现的地球物理时机尚不清楚 （ Sherwood 等人。， 2020 年 ； 政府间气候变化专门委员会，2021 年 ； 德沃夏克等人。， 2022 年 ） 。例如，剩余碳预算 （ RCB ） 的真实值是一个地球物理量，对应于几乎可以肯定达到给定的长期全球温度目标之前剩下的排放量，由于零排放承诺，未来的气溶胶排放以及瞬态气候对排放的响应 （ Matthews 等人。， 2009 、 2018 、 2021 ； 詹金斯等人。， 2022 年 ） 。气候不确定性的存在通常被证明会增加气候政策的严格性 （ 参见 Ha - Dog 等人。， 1997 ； Lemoie 和 Rdi，2017 ； Lemoie，2021 ； Baer 等人。， 2023，举几个例子 ） ； 如果考虑所谓的 “气候临界点 ”，情况尤其如此 （ Leto 等人。， 2008 ； Lemoie 和 Traeger，2016 ； Cai 和 Lotze，2019 ； Dietz 等人。， 2021 年 ） 。在本文中，我们修改了减排投资的经济模型，该模型包括凸调整成本，经济惯性和异质部门 （ Vogt - Schilb 等人。， 2018 ） 以气候不确定性为代表，探讨调整成本和气候不确定性对最优脱碳投资策略的共同影响。特别是，当 RCB 的真实价值达到最低成本时，我们要求社会计划者在突破某些温度目标之前对经济进行脱碳。1 在整个过程中 ， 除非另有说明 ， 否则所有货币价值均以 2020 美元给出。这些数字是净现值的贴现投资成本 ， 使用 2 ％ 的贴现率。 4是隐藏的，直到某个时间点 ； 一旦知道 RCB，计划者的政策可以根据真实值进行调整 （ 要么更严格，要么更宽松 ） 。结果是，社会计划者必须制定一项政策，该政策在许多潜在的未来风险状态下是稳健的，这些风险状态将在以后揭示 （ 类似于 e 的方法。Procedre， 阿克曼等人。， 2013 ； Crost 和 Traeger，2014 ； Ollo，2020) 。我们的方法使我们能够改变学习 RCB 的时间，并分析在 2030 年学习 RCB 的真正价值如何影响所产生的政策，与在 2080 年或以后学习 RCB 相比。我们将此实验的结果与 “稻草人 ” 模型进行比较，该模型忽略了经济惯性和调整成本的影响，以隔离气候不确定性如何与经济惯性和调整成本相互作用。我们发现 ， 关于 RCB 的延迟学习的影响对最优策略有三个主要影响 ：（ i ） 调整成本的存在放大了气候不确定性的影响，特别是对于严格的温度目标而言 ； （ ii ） 减排投资相对于没有不确定性的同等政策而言是前期负担 ； （ iii ） 减排投资的部门分配受到影响，以相对于确定性优先考虑难以减少的部门。这些发现加在一起，意味着不确定性和调整成本相互作用，加剧了不确定性的影响，并总体上主张采取更积极的最低成本脱碳投资策略。我们发现这些结果对于许多替代模型规范是稳健的，例如允许部署直接空气捕获技术 （ 附录 A ），不同的排放基线 （ 附录 B ） 和替代投资校准成本 （ 附录 C ） 。本文的其余部分结构如下。我们提供了我们的建模框架的概述§2. 我们提出了我们的主要发现§3 ， 并关闭§42模型说明在本节中 ， 我们概述了每个模型框架。在§2.1 ， 我们定义了基础模型 ； 一个使用减排投资并捕获经济惯性的模型 （ 创造了 INV 模型 ） ， 另一个没有 （ 创造了 MAC 模型 ） 。在§ 2.2, we add delayed learning about the RCB to the base models defined previously. Note the solutions to the models highed in§ 2.1 是延迟学习模型的 “确定性 ” 解§2.2. In§2.3 ， 我们描述了我们的校准例程。2.1基本模型2.1.1减排投资模式减排投资模型 (在本文中称为 INV 模型) 让政策制定者对一组经济部门进行脱碳 ，I， 在一段时间内以最小的成本 ，T： = [0 ， T] 这样碳预算 B∈R+， 未超过。每个部门都有减排潜力 (或每年排放率) ， a - i∈R+， 以及资本折旧率 ， 0 < δ i≤1. 没有任何部门有能力“负排放 ” 。 (我们在附录 A 中探讨了直接空气捕获对我们结果的影响 ，并发现所有结果都没有显著改变。)政策制定者控制每个部门 i 的减排投资金额 xi ， tε I在每个点 5 Σ!Σ在时间 tε T; abatement investment leads to the abatement of emissions, ai, t, via the accumulation of abatement capital stocks. Global cumulative emissions are given by volt. The cost of abatement investment in each sector iε I, ci:R+→R+， 被假定为一个递增的凸函数investment (i. e., its first and second derivatives with respect to investment are positive). The convexity对我们的成本函数的要求赋予系统调整成本 (卢卡斯 ， 1967 ； 穆萨 ， 1977) 。因此 ， 社会规划师面临的问题可以表述为 ，min"β tΣci (xi, t)#,(2.1)主题: ai, t+1= ai, t + Δ t (xi, t−δ iai, t),¥t+1= Φ t + Δ t(a ’ i−ai, t),iε I0≤ai ， t≤0≤¥t≤B,ai,0,0给定 ，其中 Δ t > 0 是时间步长 (假设为全年) ， β ： = (1 + r)−1是贴现因子 ， 0 < r≤ 1 是折现率。该模型在 Vogt - Schilb 等人 (2018) 中得到了广泛的研究, 我们参考本文对该模型进行了全面的分析处理。我们引用一个关键涉及该模型的理论结果与我们的讨论有关 ， 我们将其再现为以下引理。引理 2.1（ 来自 Vogt - Schilb 等人 （ 2018 年 ） 的命题 1 ）. 沿着方程的最优路径。(， 投资要么呈钟形 ， 要么随着时间的推移而减少。引理 2.1 的正式证明可以在 Vogt -