Climate Financial Stranded Asset MCP Server

气候金融搁浅资产 MCP 服务

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "climate-financial-stranded-asset-mcp": {
      "url": "https://ryanclinton--climate-financial-stranded-asset-mcp.apify.actor/mcp"
    }
  }
}

---

为 AI Agent 提供气候金融搁浅资产分析——此 MCP 服务让任何大模型客户端都能直接使用八种定量气候风险工具，涵盖碳资产搁浅、投资组合气候 VaR、物理灾害暴露、生物多样性与金融风险关联、转型传染，以及完整的 TCFD 报告。它专为投资分析师、风险团队和可持续发展专业人士打造，帮助他们无需自行构建数据基础设施，即可获取机构级气候指标。

该服务整合了 14 个实时数据源——SEC EDGAR、FRED、World Bank、OECD、Eurostat、IMF、OpenAQ、IUCN Red List、GBIF、UN COMTRADE、OpenCorporates、GLEIF、Nominatim 和 SEC 内部人申报文件——并应用六种定量算法生成符合 TCFD 标准的输出。通过模型上下文协议连接一次，所有受支持的 AI 客户端即可调用全部八种工具，无需额外设置。

可以提取哪些数据？

数据点	来源	示例
📊 碳资产搁浅概率	马尔可夫状态转换蒙特卡洛	XOM：73% 搁浅概率，预期损失 $2.1B
📉 99% 置信度下的投资组合气候 VaR	蒙特卡洛（10,000 条路径）+ GPD 尾部	VaR99 为 $485M，预期损失为 $612M
🏭 按设施划分的物理灾害暴露	空间经纬度叠加 + OpenAQ	德克萨斯州米德兰炼油厂：综合风险评分 34%
🌿 生物多样性金融风险（TNFD）	IUCN Red List + GBIF 出现趋势	农业公司：“高” TNFD 类别，12 个易危物种
🔗 转型传染放大系数	气候调整后的 DebtRank 传播	在 8 节点暴露网络中放大 3.2 倍
📐 排放轨迹一致性评分	与 IEA/IPCC 路径进行动态时间规整	一致性评分 0.41，差距年份：2026、2027、2029
💨 范围 1/2/3 碳暴露分析	SEC EDGAR + 行业基准	850 tCO2e/$M，行业平均值为 720，高于基准 18%
📋 涵盖 4 大治理支柱的 TCFD 发现	汇总所有工具的结果	3 项关键发现，整体风险评级：“高”
🌐 SEC 企业气候申报文件	SEC EDGAR + SEC 内部人申报分析器	企业气候披露、排放数据
📡 实时空气质量监测（PM2.5、AQI）	OpenAQ	设施坐标（半径 200km）范围内的实时 AQI
🐾 生物多样性威胁评估	IUCN Red List	VU/EN/CR 物种状态及 GBIF 种群趋势
📈 碳定价政策数据	OECD、World Bank、Eurostat	EU ETS 价格序列、碳税时间表
🏢 企业注册和法人实体数据	OpenCorporates + GLEIF LEI	金融暴露网络的子公司映射
📉 宏观经济指标	FRED、IMF、World Bank	石油价格序列（WTI）、能源 CPI、GDP 数据

为什么使用气候金融搁浅资产 MCP 服务？

从头构建气候风险量化体系，需要从十几个 API 获取数据、实现精算模型，并在基础数据发生变化时维护数据管道。使用 Excel 和时点数据，对包含 10 只股票的投资组合进行一次搁浅资产分析，资深分析师通常需要花费两到三天。要达到符合 TCFD 标准的输出，通常需要采购昂贵的供应商服务——MSCI Climate、Sustainalytics 或 S&P Trucost——或者耗费数月进行内部模型开发，年成本超过 $50,000。

这个 MCP 服务将上述工作简化为一次工具调用。通过 MCP 连接的 AI Agent 可以在一次对话中生成完整的 TCFD 报告、运行蒙特卡洛气候 VaR 分析、识别搁浅概率并绘制物理灾害风险敞口图，所用算法与机构风险团队依赖的算法相同。

• 定时运行 — 每日、每季度或按自定义间隔运行气候风险评估，随着政策信号变化跟踪投资组合风险敞口
• API 访问 — 从 Python、JavaScript、Claude Desktop、Cursor 或任何兼容 MCP 的 HTTP 客户端触发工具调用
• 14 个实时数据源 — 所有底层 Actor 调用均使用最新的公共 API 数据，不使用过时缓存
• 监控 — 通过 Apify 平台集成，在运行失败或产生意外结果时接收 Slack 或电子邮件提醒
• 集成 — 将输出连接到 Zapier、Make、Google Sheets 或 Webhook，为下游风险工作流提供数据

功能

• 基于实物期权和马尔可夫机制转换的碳资产搁浅概率 — 使用马尔可夫转移矩阵，对两种碳价机制（当前政策：21 年内为 $30–$70/tCO2e；净零：$30–$600/tCO2e）下的资产价值进行建模（每年有 8% 的概率转入净零机制，3% 的概率转回），运行多达 5,000 条蒙特卡洛路径，得出按账面价值加权的搁浅概率，以及每项资产提前剥离的实物期权价值
• 使用广义帕累托分布尾部拟合的蒙特卡洛投资组合气候 VaR — 针对三个相关风险因子（碳价冲击波动率 0.4、能源成本冲击 0.25、监管冲击 0.15）运行多达 10,000 次模拟；使用矩估计法拟合 95 百分位阈值以上的 GPD 尾部，并报告置信水平为 95%、99% 和 99.5% 时的 VaR 和预期损失
• 覆盖 7 种灾害类型的空间物理风险叠加分析 — 将地震（环太平洋火山带和构造边界）、洪水（按纬度/经度区域计算沿海/河流邻近度）、野火（30–45° 和 10–25° 干旱纬度带）、飓风（热带暖洋盆地）、干旱、海平面上升和实时空气质量（通过 Haversine 距离计算 200 km 范围内的 OpenAQ PM2.5）与设施坐标叠加；综合风险 = Σ（灾害概率 × 资产价值 × 脆弱性系数）
• 针对 10 种生态系统服务的 TNFD 生物多样性—金融风险关联分析 — 使用行业依赖强度表、IUCN 红色名录威胁评分（LC=0.1 至 EX=1.0）和 GBIF 种群趋势数据，对授粉、水质净化、土壤形成、气候调节、防洪、碳封存、养分循环、害虫控制、原材料和遗传资源进行评分；为每个实体生成 TNFD 风险类别（negligible/low/moderate/high/very_high）
• 针对系统性转型传染的气候调整 DebtRank — 通过用户定义的金融敞口网络传导碳价冲击；初始冲击 = 碳强度 × 碳价涨幅 × 化石燃料收入占比；压力传导时进行气候相关性调整（碳强度较高的实体会相互放大彼此的困境）；返回放大因子、各节点的气候债务排名，以及收敛所需迭代次数
• 使用动态时间规整对齐排放轨迹 — 将公司排放轨迹归一化（首年设为 100），并与 IEA 净零排放（到 2050 年降至 0）或 IPCC 1.5C 参考路径进行比较；通过 D(i,j) = cost(i,j) + min(D(i-1,j), D(i,j-1), D(i-1,j-1)) 计算 DTW 距离；对齐得分 = 1/(1 + DTW_distance/path_length)；识别实体排放比参考值高出 20% 以上的差距年份
• 覆盖 14 个行业的行业碳强度基准 — 能源：850，oil_gas：950，公用事业：720，采矿：600，化工：380，运输：310，农业：290，材料：480，工业：220，房地产：95，必需消费品：120，医疗保健：45，技术：30，通信服务：20 tCO2e/$M 收入
• 按照 TCFD 结构进行的四大支柱报告 — 将所有分析维度汇总为治理、战略、风险管理和指标/目标方面的发现，并提供严重程度评级（低/中/高/严重）和定量建议
• 使用固定种子的蒙特卡洛模拟，确保结果可复现 — 使用线性同余生成器（默认种子：42）和 Box-Muller 正态采样，使相同输入下不同运行的模拟结果保持一致
• 通过 14 个数据源并行编排 Actor — 对 SEC EDGAR、World Bank、FRED、IUCN、GBIF、OpenAQ 和其他数据源的底层调用通过 Promise.all 并发执行，最大限度地缩短总延迟
• 待机模式（常驻 MCP 端点） — 在 Apify 待机模式下通过 /mcp 端点运行，消除交互式 Agent 会话的冷启动延迟

气候金融资产搁浅分析的用例

投资组合压力测试

资产管理者和风险负责人需要在监管压力测试或内部风险评审之前，量化转型情景对投资组合价值的影响。将此 MCP 服务接入分析工作流，传入包含股票持仓及其碳强度和化石燃料收入占比的列表，即可获得置信水平为 95%、99% 和 99.5% 的蒙特卡洛 VaR 数值，以及每项资产的搁浅概率；所有结果均根据 IEA 和 IPCC 碳价路径校准。完整的 10 项资产分析可在两分钟内完成。

TCFD 和 SFDR 气候披露

准备 TCFD 工作组披露或 SFDR 第 8/9 条基金报告的可持续发展团队，需要涵盖 TCFD 四大支柱的结构化气候风险发现。generate_tcfd_report 工具将搁浅概率、气候 VaR、物理风险、生物多样性敞口和排放一致性汇总为一份符合 TCFD 结构的报告，并附上严重程度评级和可执行建议，为可持续发展团队提供有据可查、量化的起点，供董事会层面审查。

物理资产和基础设施风险映射

评估物理气候风险敞口的基础设施投资者、保险公司和企业风险团队，可以对设施地址进行地理编码，或直接向 assess_physical_risk 传入坐标，获取叠加实时空气质量数据的多灾害综合风险评分。该工具可识别投资组合中的主要灾害类型，并按综合预期损失对设施排序，有助于确定适应性资本支出的优先顺序。

净零一致性和股东参与

追踪企业排放轨迹与基于科学的目标之间关系的 ESG 研究机构和股东参与团队，可以使用 score_transition_alignment，通过动态时间规整距离将历史排放序列与 IEA 净零或 IPCC 1.5C 参考路径进行比较。输出会指出实体轨迹偏离参考路径超过 20% 的具体年份，为股东参与函和代理投票决策提供有据可依的一致性评分。

系统性气候风险和金融传染建模

建模系统性转型风险的中央银行、金融稳定委员会和学术研究人员，可以使用 model_transition_contagion，通过经气候调整的 DebtRank 算法，在金融敞口网络中传导碳价冲击。输入实体金融敞口网络，指定碳价涨幅，即可获得放大系数、各节点压力水平和收敛数据；输出符合 FSB 和 BIS 气候压力测试方法。

用于 TNFD 报告的生物多样性和自然风险

准备自然相关财务披露工作组报告的企业，需要量化其对生态系统服务的依赖。compute_biodiversity_risk 工具会提取运营所在地理区域的 IUCN 红色名录受威胁状态和 GBIF 物种出现趋势，按行业为 10 项生态系统服务依赖关系评分，并划定 TNFD 风险类别，为可持续发展团队提供有据可依、有数据支撑的自然相关披露起点。

如何使用 climate financial stranded asset MCP 服务

1. 连接到 AI 客户端 — 使用下方的 JSON 配置，将 MCP 服务 URL https://climate-financial-stranded-asset-mcp.apify.actor/mcp 添加到 Claude Desktop、Cursor 或任何兼容 MCP 的客户端。无需编写代码。
2. 描述你的投资组合 — 告诉 AI Agent 要分析哪些公司、它们所属的行业，以及你掌握哪些碳强度数据。对于物理风险，请提供设施地址或坐标。Agent 会自动调用相应的工具。
3. 运行分析 — Agent 会按顺序或并行调用相关工具。针对包含 10 项资产的投资组合生成完整的 TCFD 报告，通常需要 60–120 秒。单次碳风险敞口分析可在 15 秒内返回结果。
4. 查看并导出结果 — 输出为结构化 JSON，并直接显示在对话中。你可以让 Agent 将分析结果整理成表格、提取具体指标，或通过 webhook 将结果推送到下游系统。

通过 Claude Desktop 连接

添加到你的 claude_desktop_config.json：

{
  "mcpServers": {
    "climate-stranded-asset": {
      "type": "http",
      "url": "https://climate-financial-stranded-asset-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

通过 Cursor 或任何 MCP 客户端连接

使用端点 https://climate-financial-stranded-asset-mcp.apify.actor/mcp，并在 Bearer 令牌标头中提供你的 Apify API 令牌。

输入参数

这是一个 MCP 服务，没有传统的 Actor 输入。所有参数都由 AI Agent 作为工具调用参数传入。该服务提供 8 个工具：

工具	关键参数	说明
compute_stranding_probability	assets[]、discountRate、numPaths	AssetPosition 对象数组。每个对象都需要 ticker、name、sector、bookValue、marketValue、carbonIntensity（tCO2e/$M 营收）、fossilRevenueShare（0–1）和 annualEmissions（tCO2e）。可选参数：lat、lng、jurisdiction。默认值：discountRate=0.05、numPaths=5000。
simulate_climate_var	assets[]、numSimulations、carbonPriceVolatility、energyCostVolatility、regulatoryVolatility	同样使用 AssetPosition 数组。numSimulations 默认值为 10,000。波动率默认值：碳价 0.4、能源成本 0.25、监管 0.15。
assess_physical_risk	facilities[]	设施对象数组，包含 name、lat、lng、assetValue（USD）和 facilityType。提供 address 而不是坐标，可触发 Nominatim 地理编码。
compute_biodiversity_risk	entities[]、species[]、region	每个实体都需要 name、sector、revenue 和 locations[]（经纬度数组）。species 和 region 为可选参数，默认查询传粉者、红树林、珊瑚和森林。
model_transition_contagion	entities[]、carbonPriceIncrease	每个实体都需要 name、carbonIntensity、fossilRevenueShare、economicValue 和 exposures[]（目标 + 金额）。carbonPriceIncrease 的单位为 USD/tCO2e，默认值为 100。
score_transition_alignment	entities[]、referencePathway	每个实体都需要 name 和 emissionsHistory[]（{year, scope1, scope2, scope3?} 数组）。referencePathway："IEA_NZ" 或 "IPCC_15C"。
analyze_carbon_exposure	assets[]、carbonPrice	同样使用 AssetPosition 数组。carbonPrice 的单位为 USD/tCO2e，用于计算成本，默认值为 50。
generate_tcfd_report	assets[]、facilities[]、emissionsHistory[]、carbonPrice、carbonPriceIncrease	完整的投资组合数据。会在内部运行全部六种算法，并汇总 TCFD 四大支柱的分析结果。

AssetPosition 架构（供 4 个工具使用）

字段	类型	必填	描述
ticker	string	是	股票代码（例如 "CVX"）
name	string	是	公司名称
sector	string	是	行业键——参见 Features 中的 14 行业基准表
bookValue	number	是	以 USD 计的账面价值
marketValue	number	是	以 USD 计的市值
carbonIntensity	number	是	每百万美元收入对应的 tCO2e
fossilRevenueShare	number	是	来自化石燃料的收入占比（0–1）
annualEmissions	number	是	年总排放量，单位为 tCO2e
lat	number	否	用于物理风险叠加的设施纬度
lng	number	否	设施经度
jurisdiction	string	否	监管管辖区（例如 "US"、"EU"）

输入示例

单项资产搁浅概率检查：

{
  "assets": [
    {
      "ticker": "CVX",
      "name": "Chevron Corporation",
      "sector": "oil_gas",
      "bookValue": 156000000000,
      "marketValue": 295000000000,
      "carbonIntensity": 920,
      "fossilRevenueShare": 0.95,
      "annualEmissions": 58000000,
      "lat": 37.8,
      "lng": -122.3,
      "jurisdiction": "US"
    }
  ],
  "discountRate": 0.05,
  "numPaths": 5000
}

包含两项资产并使用自定义波动率的投资组合气候 VaR：

{
  "assets": [
    {
      "ticker": "NEE",
      "name": "NextEra Energy",
      "sector": "utilities",
      "bookValue": 42000000000,
      "marketValue": 110000000000,
      "carbonIntensity": 280,
      "fossilRevenueShare": 0.35,
      "annualEmissions": 8200000
    },
    {
      "ticker": "RIO",
      "name": "Rio Tinto",
      "sector": "mining",
      "bookValue": 32000000000,
      "marketValue": 98000000000,
      "carbonIntensity": 580,
      "fossilRevenueShare": 0.4,
      "annualEmissions": 27000000
    }
  ],
  "numSimulations": 10000,
  "carbonPriceVolatility": 0.45,
  "energyCostVolatility": 0.30,
  "regulatoryVolatility": 0.20
}

针对不同地理区域的三处设施评估物理风险：

{
  "facilities": [
    {
      "name": "Permian Basin Refinery",
      "lat": 31.8,
      "lng": -102.4,
      "assetValue": 2400000000,
      "facilityType": "refinery"
    },
    {
      "name": "Gulf Coast LNG Terminal",
      "lat": 29.7,
      "lng": -93.8,
      "assetValue": 890000000,
      "facilityType": "lng_terminal"
    },
    {
      "name": "Rotterdam Petrochemical Plant",
      "lat": 51.9,
      "lng": 4.4,
      "assetValue": 1100000000,
      "facilityType": "petrochemical"
    }
  ]
}

输入提示

• 使用市值而非账面价值校准碳强度 — 模型假设市值对应 12% 的收入收益率；以每百万美元收入对应的 tCO2e 表示的碳强度应与该尺度相匹配
• 直接提供 lat/lng 以提高物理风险评估准确性 — 与依赖 Nominatim 根据文本地址进行地理编码相比，提供精确坐标时，空间灾害叠加层生成的综合风险评分更可靠
• 在一次调用中传入所有投资组合资产 — 在投资组合层面处理所有持仓并同时对整个投资组合建模相关冲击，可提高蒙特卡洛气候 VaR 的准确性
• 使用与基准表一致的行业名称 — 识别的行业包括 energy、utilities、materials、industrials、oil_gas、mining、chemicals、transportation、agriculture、financials、technology、healthcare、real_estate 和 communication_services；无法识别的行业将回退到默认基准（每百万美元收入 150 tCO2e）
• 生成 TCFD 报告时，使用 generate_tcfd_report 一次调用即可 — 它会在内部运行全部六种算法；无需先单独调用各个工具

输出示例

混合行业投资组合的完整 TCFD 报告输出：

{
  "tool": "generate_tcfd_report",
  "result": {
    "overallClimateRisk": "high",
    "climateRiskScore": 72,
    "strandingProbability": 0.61,
    "climateVaR99": 487200000,
    "physicalRisk": 143800000,
    "transitionRisk": 0.68,
    "alignmentScore": 0.38,
    "findings": [
      {
        "category": "strategy",
        "subcategory": "transition_risk",
        "finding": "Portfolio stranding probability of 61% exceeds the 50% high-risk threshold. CVX and XOM contribute 78% of total expected loss under net-zero transition.",
        "severity": "critical",
        "recommendation": "Reduce fossil revenue share exposure by 15–20% through divestment of highest-stranding-probability assets. Redeploy capital into positions with fossilRevenueShare < 0.2."
      },
      {
        "category": "metrics_targets",
        "subcategory": "carbon_exposure",
        "finding": "Portfolio weighted-average carbon intensity of 685 tCO2e/$M revenue is 2.9x the sector peer median of 238. Scope 3 emissions represent an estimated 67% of total footprint.",
        "severity": "high",
        "recommendation": "Set Scope 3 reduction targets aligned with SBTi FLAG methodology. Engage top 5 suppliers representing 43% of Scope 3 on emissions reduction roadmaps."
      },
      {
        "category": "risk_management",
        "subcategory": "physical_risk",
        "finding": "Gulf Coast LNG Terminal faces composite physical risk of 38.4% of asset value driven by hurricane (18.2%) and sea level rise (12.1%) hazards. OpenAQ AQI of 142 adds regulatory exposure.",
        "severity": "high",
        "recommendation": "Commission site-specific resilience assessment for Gulf Coast terminal. Model 1m and 2m sea level rise scenarios against current flood barrier specifications."
      },
      {
        "category": "governance",
        "subcategory": "disclosure",
        "finding": "Emissions trajectory alignment score of 0.38 indicates significant divergence from IEA Net Zero pathway. Gap years identified: 2026, 2027, 2029, 2031.",
        "severity": "medium",
        "recommendation": "Establish board-level climate risk committee with quarterly reporting cadence. Integrate DTW alignment score into executive compensation scorecard."
      }
    ],
    "recommendations": [
      "Divest assets with strandingProbability > 0.65 within 18 months to reduce transition risk",
      "Implement climate VaR limit of $400M at 99% confidence; current exposure $487M exceeds limit",
      "Begin TNFD nature-related disclosure for agriculture and mining portfolio companies in FY2026",
      "Set internal carbon price of $80/tCO2e for capital allocation decisions"
    ]
  }
}

输出字段

字段	类型	描述
overallClimateRisk	string	TCFD 综合风险评级：low、medium、high 或 critical
climateRiskScore	number	所有气候维度的综合评分，范围为 0–100
strandingProbability	number	按投资组合账面价值加权的搁浅概率（0–1）
climateVaR99	number	99% 置信度下的投资组合气候风险价值（美元）
physicalRisk	number	所有设施的物理风险预期损失总额（美元）
transitionRisk	number	归一化转型风险评分（0–1）
alignmentScore	number	基于 DTW 的排放一致性评分（0–1；1.0 = 与参考路径完全一致）
findings[].category	string	TCFD 支柱：governance、strategy、risk_management 或 metrics_targets
findings[].severity	string	发现事项的严重程度：low、medium、high 或 critical
findings[].finding	string	包含具体量化指标的叙述性发现
findings[].recommendation	string	包含量化目标的可执行建议
recommendations[]	string[]	投资组合层面的首要建议
assets[].ticker	string	资产标识符
assets[].strandingProbability	number	基于蒙特卡洛制度转换模型的单项资产搁浅概率（0–1）
assets[].expectedLoss	number	制度转换模型下的预期损失（美元）
assets[].optionValue	number	提前撤资的实物期权价值（美元）
assets[].currentPolicyValue	number	按当前政策碳价计算的 DCF 价值（美元）
assets[].netZeroValue	number	按净零碳价路径 $30–$600 计算的 DCF 价值（美元）
vaR.confidenceLevel	number	置信水平（0.95、0.99 或 0.995）
vaR.climateVaR	number	指定置信水平下的气候风险价值（美元）
vaR.expectedShortfall	number	指定置信水平下的预期损失（CVaR）（美元）
vaR.gpdShape	number	广义帕累托分布形状参数 xi
vaR.gpdScale	number	GPD 尺度参数 sigma
vaR.monteCarloPathCount	number	运行的蒙特卡洛模拟路径数
vaR.worstCaseLoss	number	模拟中单次投资组合损失的最大值（美元）
facilities[].compositeRisk	number	所有灾害类型的预期损失总和（美元）
facilities[].hazards[].hazardType	string	以下类型之一：earthquake、flood、wildfire、hurricane、drought、air_quality、sea_level_rise
facilities[].hazards[].probability	number	该灾害类型的年超越概率
facilities[].hazards[].vulnerabilityFactor	number	资产脆弱性乘数（因灾害类型而异，为 0.2–0.7）
facilities[].hazards[].expectedLoss	number	probability × assetValue × vulnerabilityFactor（美元）
biodiversity[].tnfdCategory	string	TNFD 风险等级：negligible、low、moderate、high 或 very_high
biodiversity[].dependencies[].service	string	生态系统服务（例如 pollination、water_purification、carbon_sequestration）
biodiversity[].dependencies[].dependencyIntensity	number	行业对该生态系统服务的依赖程度（0–1）
biodiversity[].dependencies[].financialRisk	number	该依赖关系带来的财务风险（美元）
biodiversity[].iucnThreatCount	number	分析中处于 VU/EN/CR/EW 状态的物种数量
biodiversity[].speciesAtRisk	number	GBIF 中种群趋势下降（< -0.2）的物种数量
contagion.systemicClimateRisk	number	气候 DebtRank = sum(stress_i × economic_value_weight_i)
contagion.amplificationFactor	number	系统性风险与初始冲击幅度的比值
contagion.maxDebtRank	number	网络中单个实体的最高气候 DebtRank
contagion.iterations	number	DebtRank 传播至收敛所需的迭代次数
alignment[].dtwDistance	number	实体轨迹与参考路径之间的原始 DTW 距离
alignment[].alignmentScore	number	归一化评分，范围为 0–1；1/(1 + DTW_distance/path_length)
alignment[].gapYears[]	number[]	实体排放量比参考值高出 20% 以上的年份
carbonExposure[].carbonCost	number	指定碳价下的年度碳成本（美元）
carbonExposure[].revenueAtRisk	number	碳成本导致的风险收入占总收入的比例
carbonExposure[].benchmarkIntensity	number	行业碳强度基准（tCO2e/$M revenue）
carbonExposure[].relativeIntensity	number	实体相对于行业基准的强度（比值）

气候搁浅资产分析的运行成本是多少？

此 MCP 服务采用按事件付费定价——每次调用工具付费。平台计算成本已包含在价格中。没有订阅费或月度最低消费。

工具	每次调用价格	每个会话的典型调用次数
compute_stranding_probability	$0.060	1–5（每批资产）
simulate_climate_var	$0.065	1–3
assess_physical_risk	$0.055	1–5（每批设施）
compute_biodiversity_risk	$0.050	1–3
model_transition_contagion	$0.060	1–2
score_transition_alignment	$0.050	1–3
analyze_carbon_exposure	$0.055	1–5
generate_tcfd_report	$0.065	1

场景成本估算：

场景	工具调用次数	估算成本
单项资产搁浅检查	1	$0.060
完整投资组合 VaR + 搁浅分析（10 项资产）	2	$0.125
物理风险映射（5 个设施）	1	$0.055
完整 TCFD 报告（所有工具）	1	$0.065
每日自动化风险监控	每天 8–12 次	$0.50–$0.75/天
每月机构风险审查	约 50 次调用	约 $2.75–$3.25

你可以在 Apify 中为每次运行设置最高支出限额来控制成本。达到支出限额后，服务会停止接受新的工具调用，并针对被阻止的调用返回 Spending limit reached 消息。

相比之下，MSCI Climate Risk、Sustainalytics 或 S&P Trucost 的年费为 $20,000–$100,000 以上；使用此 MCP 服务，大多数团队每月支出不到 $10，即可获得同等水平的定量分析，且无需与供应商签订合同。

通过 API 使用 Climate Financial Stranded Asset MCP 服务

Python

from apify_client import ApifyClient

client = ApifyClient("YOUR_API_TOKEN")

# The MCP server runs in Standby mode — call it via the MCP endpoint directly.
# For programmatic access via Apify API, trigger a run to obtain the standby URL.
actor_client = client.actor("ryanclinton/climate-financial-stranded-asset-mcp")
run = actor_client.start()

print(f"MCP server running at: https://climate-financial-stranded-asset-mcp.apify.actor/mcp")
print(f"Run ID: {run['id']}")
print(f"Connect your MCP client to the endpoint above with your Apify token as a Bearer header.")

JavaScript

import { ApifyClient } from "apify-client";

const client = new ApifyClient({ token: "YOUR_API_TOKEN" });

// The MCP server runs persistently in Standby mode.
// Connect your MCP client to the permanent standby endpoint.
const mcpEndpoint = "https://climate-financial-stranded-asset-mcp.apify.actor/mcp";

console.log(`MCP endpoint: ${mcpEndpoint}`);
console.log("Add this URL to your Claude Desktop, Cursor, or MCP client config.");
console.log("Pass your Apify API token as: Authorization: Bearer YOUR_API_TOKEN");

cURL — 直接调用工具

# Call compute_stranding_probability via raw MCP JSON-RPC
curl -X POST "https://climate-financial-stranded-asset-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "id": 1,
    "params": {
      "name": "compute_stranding_probability",
      "arguments": {
        "assets": [
          {
            "ticker": "CVX",
            "name": "Chevron Corporation",
            "sector": "oil_gas",
            "bookValue": 156000000000,
            "marketValue": 295000000000,
            "carbonIntensity": 920,
            "fossilRevenueShare": 0.95,
            "annualEmissions": 58000000
          }
        ],
        "discountRate": 0.05,
        "numPaths": 5000
      }
    }
  }'

# List all available tools
curl -X POST "https://climate-financial-stranded-asset-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc": "2.0", "method": "tools/list", "id": 1, "params": {}}'

Climate Financial Stranded Asset MCP 服务的工作原理

算法 1：采用 Markov 状态切换的实物期权（搁浅概率）

搁浅概率引擎会对两种碳价状态进行建模：当前政策状态（未来 21 年为 $30–$70/tCO2e）和净零转型状态（$30–$600/tCO2e）。Markov 链控制状态转换，进入净零状态的年度概率为 8%，回转概率为 3%——这意味着净零状态的稳态概率为 72.7%（cp_to_nz / (cp_to_nz + nz_to_cp)）。

对于每条 Monte Carlo 路径，引擎会在每个时间步使用 Markov 矩阵抽取状态转换，根据当前碳价计算净现金流（假设收入相当于市场价值的 12%），并使用提供的贴现率进行折现。如果路径的累计贴现现金流低于账面价值，则将资产归类为搁浅资产。提前剥离期权价值的计算方式为 max(0, marketValue − netZeroValue) × strandingProbability × 0.6，代表理性卖方在转型前退出愿意支付的溢价。引擎会从 SEC EDGAR 气候披露和 World Bank CO2 emissions (EN.ATM.CO2E.KT) 获取实时数据，为碳强度输入提供背景信息。

算法 2：采用 GPD 尾部拟合的蒙特卡洛气候 VaR

VaR 引擎通过同时冲击三个相关风险因子，生成最多 10,000 个投资组合损失情景：碳价冲击（波动率 0.4）、能源成本冲击（0.25）和监管冲击（单边，0.15）。碳价对每项资产的影响与 carbonIntensity × fossilRevenueShare 成正比；能源成本影响为市值的固定 5%；监管影响则会增加一项搁浅资产减记，金额等于 marketValue × fossilRevenueShare × regulatoryShock × 0.3。

引擎不单纯依赖经验分位数（这种方法会低估极端尾部风险），而是采用矩估计法，将广义帕累托分布拟合到超过第 95 百分位阈值的超额值上（形状参数 xi = (ratio − 1)/2；尺度参数 sigma = mean × (ratio + 1)/2）。99% 和 99.5% 的 GPD 分位数通过公式 VaR_p = threshold + sigma/xi × ((n/nu × (1−p))^(−xi) − 1) 进行解析计算。预期损失（ES）按 (VaR + scale − shape × threshold)/(1 − shape) 计算。校准数据来自 FRED（WTI 油价 DCOILWTICO、能源 CPI CPIENGSL）和 OECD 碳定价统计数据。

算法 3：空间物理危害叠加

物理风险通过将七种危害概率图与设施坐标进行空间叠加来计算。三个区域的地震风险较高：太平洋西部（120°E–180°E，纬度 <50°）、美洲西海岸，以及地中海—喜马拉雅地震带。主要海岸线附近的低纬度地区洪水风险较高。野火区域由纬度 30–45° 和 10–25° 的干旱带构成。飓风风险覆盖热带纬度的两个海盆：大西洋（100°W–30°W）和西太平洋（100°E–180°E）。

对于空气质量，引擎会从 OpenAQ 获取实时 PM2.5 读数，并使用 Haversine 距离，将每个设施与 200km 范围内最近的监测站匹配。AQI 会归一化至 [0,1]，再转换为危害概率。每个设施的综合风险公式为：对全部七种危害求和（hazard_probability × assetValue × vulnerabilityFactor），其中脆弱性因子介于 0.2（空气质量）至 0.7（野火）之间。缺少坐标的设施会通过 Nominatim actor 进行地理编码。

算法 4：TNFD 生物多样性—金融风险耦合

TNFD 引擎根据生态系统服务依赖度评估金融风险。行业级依赖强度表为农业、能源、采矿业和默认行业分别编码 10 种生态系统服务。例如，农业对授粉的依赖度为 0.9，对土壤形成的依赖度为 0.95；能源对水净化的依赖度为 0.6。IUCN 红色名录受威胁程度评分映射如下：LC=0.1、NT=0.3、VU=0.5、EN=0.7、CR=0.9、EW=0.95、EX=1.0。GBIF 种群趋势提供退化信号——负趋势表示生物多样性正在丧失。

每种生态系统服务的金融风险 = dependencyIntensity × (avgIUCNThreat + GBIFDegradationRate)/2 × revenueExposure。总风险会按收入归一化，得出风险比率，并映射到 TNFD 类别：<2% = 可忽略，2–5% = 低，5–15% = 中等，15–30% = 高，>30% = 很高。

算法 5：气候调整后的 DebtRank 传染传播

DebtRank 引擎会构建金融敞口矩阵 W[i][j] = min(1, exposure_amount / entityJ_economicValue)，表示实体 I 的困境会消除实体 J 股权的比例。初始气候冲击的计算公式为 min(1, carbonIntensity × carbonPriceIncrease × fossilRevenueShare / 1,000,000)。

压力通过标准 DebtRank 迭代传播：hNew[j] = min(1, h[j] + sum_i(W[i][j] × delta_h[i] × (1 + climateCorrelation_ij)))。气候相关性调整会放大高碳强度实体之间的传播——共同暴露于气候风险意味着困境相关。迭代会持续进行，直到最大变化 < 1e-6 或达到 100 次迭代。放大系数 = systemicClimateRisk / initialShockMagnitude，用于衡量金融网络将初始碳价冲击放大了多少。系统会获取 OpenCorporates 和 GLEIF LEI 数据，以丰富敞口网络。

算法 6：排放轨迹对齐的动态时间规整

排放历史记录会归一化为指数（首年 = 100），并使用动态时间规整与 IEA Net Zero（2020 年为 100，2050 年降至 0）或 IPCC 1.5C 参考路径进行比较。DTW 成本矩阵按 D(i,j) = |seq1[i] − seq2[j]| + min(D(i−1,j), D(i,j−1), D(i−1,j−1)) 计算，并通过回溯提取最优规整路径。对齐得分 = 1/(1 + DTW_distance/path_length)，其中 1.0 表示完美对齐，0.0 表示完全偏离。当实体归一化后的排放量超过参考值 20% 以上时，会标记为差距年份。系统会获取 Eurostat 温室气体排放数据，提供行业层面的基准对比背景。

获得最佳结果的提示

1. 为每项资产填写化石燃料收入占比——fossilRevenueShare 是搁浅风险和 VaR 模型中影响最大的单一参数。即使是小误差（例如 0.5 与 0.3 之间的差异），也可能使 VaR 变化 30–40%。请使用公司年报披露或分部收入数据，确保该值准确。

2. 在同一会话中运行搁浅风险和 VaR——这些工具共用 AssetPosition 架构；将同一资产数组传递给 compute_stranding_probability 和 simulate_climate_var，即可获得互补视角（概率与金额损失），无需重复输入数据。

3. 使用 generate_tcfd_report 制作董事会演示材料——该工具会在一次调用中运行全部六种算法，并按 TCFD 四大支柱组织输出。建议数组可直接用于高管风险报告。

4. 对高风险资产增加 numPaths——默认的 5,000 条 Monte Carlo 路径使搁浅概率的标准误约为 0.7%。对于账面价值超过 $1B 的单项资产，请增加到 10,000–20,000，以获得更稳定的估算结果。

5. 使用 IPCC_15C 路径进行最严格的对齐测试——IPCC 1.5C 路径比 IEA Net Zero 更陡；在 IEA_NZ 下得分达到 0.6+ 的公司，在 IPCC_15C 下通常会低于 0.4。请同时报告两者，以呈现完整范围。

6. 提供设施坐标以评估物理风险——Nominatim 地理编码器对具名地点的定位较准确，但对工业设施名称的定位存在不确定性。对于物理风险会显著影响估值的基础设施资产，请务必直接提供 lat/lng。

7. 对传染传播进行金融网络结构建模——DebtRank 结果的质量取决于所提供的敞口网络。如果有银行关系或公司间贷款数据，将其编码为 exposures[] 数组，可显著提高放大系数的准确性。

8. 与 Company Deep Research 结合使用——先用它收集公司的行业、收入和排放数据，再将这些数据传递给此 MCP 服务，从而减少手动准备数据的工作。

与其他 Apify actors 组合使用

Actor	组合方式
Company Deep Research	研究目标公司，提取行业、收入和碳强度数据，然后将数据输入搁浅资产或 VaR 工具
SEC EDGAR Filing Analyzer	运行一致性分析前，直接从 10-K 和委托书文件中提取范围 1/2/3 排放量及化石能源收入占比
ESG Risk Assessment	同时运行 ESG 风险评分和气候金融指标评估，全面了解可持续发展风险
B2B Lead Qualifier	深入分析搁浅资产前，按 ESG 和气候评分筛选投资目标
Website Content to Markdown	将企业可持续发展报告转换为 markdown，再输入大模型以提取一致性分析工具所需的排放数据
FRED Economic Data	独立获取 WTI 石油价格和能源 CPI，为气候 VaR 校准自定义波动率参数
IUCN Red List Search	运行生物多样性风险分析前，获取特定地理区域的物种威胁数据，并使用自定义物种列表

局限性

• 碳强度输入由用户提供——服务不会独立收集或验证公司层面的碳强度数据。结果的准确性取决于您提供的输入数据。请使用 SEC EDGAR 披露信息或经过验证的第三方数据源。
• 物理危害概率是基于区域的近似值——空间叠加采用纬度／经度区域规则（例如，火环边界），而不是 FEMA FIRMs 或 NATCAT 数据库等高分辨率危害地图。结果适用于筛查和确定优先级，不适用于保险承保。
• 蒙特卡洛模拟使用伪随机数（带种子）——线性同余生成器可重现，但不是密码学安全的随机数生成器。对于要求随机数经过认证的监管压力测试，请结合专用精算模型使用。
• 金融敞口网络依赖自我报告——DebtRank 传染模型取决于您提供的 exposures[] 数组。如果实体间敞口数据不完整或为估算值，放大系数将被低估。
• 排放轨迹一致性分析需要多年历史数据——DTW 一致性分析至少需要 2 个数据点；提供 5 年以上的范围 1/2 历史数据可得出更有意义的结果。仅有单年快照时，一致性评分为 0。
• IUCN 和 GBIF 数据的地理范围较广——生物多样性工具会获取指定物种或通用词语（传粉者、红树林、珊瑚）的物种数据，不会按具体设施坐标进行筛选。结果反映的是区域生物多样性风险，而非特定场址的生态调查结果。
• TCFD 结果由算法生成，未经审计——generate_tcfd_report 的输出结构旨在支持 TCFD 披露，但未经注册审计师或气候顾问审阅。纳入受监管的披露文件前，应进行审阅和验证。
• 待机模式需要有足够余额的 Apify 账户——服务会持续运行；请确保您的 Apify 账户有足够的余额或相应的计费方案，以支持长时间会话。

集成

• Zapier — CRM 或电子表格中添加新公司时触发气候 VaR 计算，然后将结果推送到风险仪表板
• Make — 通过安排 generate_tcfd_report 调用，并将输出转发给 PDF 生成器和邮件分发列表，实现季度 TCFD 报告生成自动化
• Google Sheets — 将搁浅概率和 VaR 结果直接导入投资组合监控电子表格，以便比较情景
• Apify API — 通过 Python 或 JavaScript 以编程方式调用 MCP 端点，将气候风险指标嵌入专有风险系统
• Webhooks — 当服务返回严重级别的 TCFD 发现时接收通知，以便自动发出警报
• LangChain / LlamaIndex — 将 MCP 服务注册为大模型 Agent 工作流中的工具，以便通过对话分析投资组合气候风险

故障排除

• 所有资产的搁浅概率都返回 0 — 确认化石燃料相关资产的 fossilRevenueShare 大于 0。如果 fossilRevenueShare 为 0，碳成本不会影响现金流，无论碳价路径如何，都不会发生搁浅。

• 高碳投资组合的气候 VaR 意外偏低 — 检查 carbonIntensity 的单位是否为每百万美元收入对应的 tCO2e，而非总吨数。油气行业的强度值 920 是正确的；强度值 920,000,000（总吨数）会导致溢出值被截断为 0。

• 不同地点的物理风险返回相同的危险评分 — 这通常意味着两个设施位于同一个经纬度区域。空间叠加采用基于区域的规则；同一大区域内的设施在空气质量叠加层进行区分之前，其基础概率会相近。

• TCFD 报告未显示任何一致性发现 — 一致性部分要求 emissionsHistory[] 数据中至少包含 2 年的范围 1 和范围 2 数据。如果 emissionsHistory 为空数组，报告会跳过一致性分析，并注明该分析不可用。

• 工具调用返回 Spending limit reached — 你的 Apify 账户已达到单次运行支出上限。请在 Actor 运行设置中提高上限，或将大型分析拆分为多个较小批次，分多次运行。

• DebtRank 放大系数恰好为 1.0 — 这表示没有为任何实体提供 exposures[]。如果实体之间没有金融关联，压力就无法传播，网络也不会产生放大效应。请添加实体间风险敞口数据以建模传染效应。

负责任地使用

• 此服务仅访问政府、学术和开放数据来源（SEC EDGAR、World Bank、IUCN、GBIF、FRED、OpenAQ、OpenCorporates、GLEIF、Eurostat、OECD、UN COMTRADE）中的公开数据。
• 气候风险估算是统计模型的定量输出，不构成经认证的财务建议或受监管的风险评估。
• 用于受监管披露（TCFD、SFDR、SEC 气候规则）的结果应在发布前由合格的气候风险专业人士验证。
• 请遵守通过编排后的 Actor 调用所访问的底层数据来源的服务条款。
• 关于网页抓取合法性的指南，请参阅 Apify 的指南。

常见问题

碳资产搁浅概率输出有多准确？

搁浅概率是模型输出，并非观测到的市场价格。准确性主要取决于碳强度和化石能源收入占比输入数据的质量。采用 5,000 条蒙特卡洛路径的马尔可夫状态转换框架，对单项资产的搁浅概率计算得出的标准误约为 ±0.7–1.5 个百分点。状态转换概率（每年转向净零的概率为 8%）相较于 IEA 政策情景设定得较为保守，也可以通过模型参数进行调整。

单次工具调用最多可以分析多少项资产？

单次调用的资产数量没有硬性限制。实际使用中，分析 5–20 项资产的调用通常可以在每个数据源 60 秒的工具内部执行器超时时限内稳定运行。对于超过 50 项资产的投资组合，建议分批多次调用，以避免获取 SEC EDGAR 和 World Bank 数据时出现超时问题。

气候 VaR 和搁浅概率有什么区别？

搁浅概率衡量在碳价情景下，单项资产的未来折现现金流低于其账面价值的可能性——这是一个二元阈值事件。气候 VaR 则衡量在碳价、能源成本和监管冲击连续分布下，整个投资组合在给定置信水平下的美元损失。资产层面的初筛可使用搁浅概率，投资组合层面的风险限额管理则可使用气候 VaR。

服务是否支持欧盟分类法的一致性评估，或 SFDR 第 8/9 条分类？

服务生成符合 TCFD 结构的输出和 IEA/IPCC 一致性评分，这些数据可作为欧盟分类法评估的输入，但不会直接输出欧盟分类法一致性百分比或 SFDR 第 8/9 条分类。可在分类法评估过程中，将 TCFD 报告结果和 DTW 一致性评分作为支持性证据。

这与 MSCI Climate 或 Sustainalytics 有何不同？

MSCI Climate、Sustainalytics 和 S&P Trucost 等商业供应商提供经过审计、认证并由分析师审核的气候数据。此 MCP 服务提供采用开放方法的量化工具，运行同类算法（蒙特卡洛 VaR、物理风险叠加、排放一致性分析），并具有代码透明、可检查、按需计费（每次调用起价 $0.050）以及可使用自有输入数据等优势。它不能替代受监管披露所需的认证气候数据，但非常适合内部风险筛查、研究和情景分析。

可以使用此服务运行自动化的每日气候监测吗？

可以。此服务以 Apify Standby 模式运行，因此始终在线，可随时接受工具调用，无需冷启动。你可以通过 Apify 调度器、Webhook 触发器，或直接调用 MCP 端点的 cron 作业来安排工具调用。使用全部 8 种工具进行每日监测的费用约为每天 $0.50–$0.75。

生成完整的 TCFD 报告需要多长时间？

generate_tcfd_report 工具会运行全部六种算法，并行从 FRED、OpenAQ、IUCN 和 GBIF 获取数据。对于包含 10 项资产和 3 处设施的投资组合，预计需要 60–120 秒。对于规模更大的投资组合或网络状况较慢的情况，可能需要最多 180 秒。单项资产的碳风险敞口分析通常会在 15 秒内返回结果。

使用 SEC EDGAR、IUCN 和 GBIF 数据进行商业分析合法吗？

合法。SEC EDGAR 是一个公开的美国政府数据库，商业用途不受限制。IUCN Red List 数据采用知识共享许可，可用于研究和教育目的。GBIF 物种出现记录数据依据 CC BY 4.0 发布。UN COMTRADE、FRED、World Bank 和 Eurostat 的数据均可免费用于商业用途。在将数据用于已发布的报告前，请务必核实各数据源的最新条款。

我可以将此服务与 Claude Desktop 或 Cursor 搭配使用吗？

可以。此服务与所有支持 Streamable HTTP 传输的 MCP 客户端完全兼容，包括 Claude Desktop、Cursor、Zed，以及使用 MCP SDK 构建的自定义客户端。添加端点 https://climate-financial-stranded-asset-mcp.apify.actor/mcp，并将 Apify 令牌作为 Bearer Authorization 标头。

如果上游数据源不可用，会发生什么？

runActor 客户端会使用 try/catch 封装每次底层 Actor 调用，并在失败时返回空数组。评分算法经过设计，可以平稳降级——例如，如果 IUCN 红色名录数据不可用，生物多样性风险会改用默认退化率。仍会返回结果，但校准精度可能较低。当前版本的工具响应不包含明确的数据质量警告。

如何获取分析中使用的行业基准碳强度？

14 个行业基准（能源：850，石油天然气：950，公用事业：720，采矿：600，化工：380，运输：310，农业：290，材料：480，工业：220，房地产：95，必需消费品：120，医疗保健：45，科技：30，通信服务：20 tCO2e/$M 收入）硬编码在评分引擎中，数据来源为 IEA 和 MSCI 行业碳强度参考数据。它们可在开源代码中查看，也可作为你自行估算碳强度的输入基准。

我可以同时运行 IPCC 1.5C 和 IEA Net Zero 路径对齐分析，以便进行比较吗？

可以。使用相同的实体列表调用两次 score_transition_alignment——一次设置 referencePathway: "IEA_NZ"，另一次设置 "IPCC_15C"——然后比较得出的对齐分数和差距年份。IPCC 1.5C 路径更为陡峭，因此大多数高碳实体的得分会更低，从而让你了解不同政策假设下的对齐结果范围。

帮助我们改进

如果遇到问题，你可以在 Apify 账户中启用运行共享，以帮助我们更快地排查问题：

1. 前往 账户设置 > 隐私
2. 启用 与公开 Actor 创建者共享运行记录

这样一来，出问题时我们就能查看你的运行详情，从而更快修复问题。你的数据仅对 Actor 开发者可见，不会公开。

支持

发现 Bug 或有功能需求？请在此 Actor 页面上的 问题选项卡中提交问题。如需定制解决方案、其他行业基准或企业集成支持，请通过 Apify 平台联系我们。