3 Klimarisiko og økonomiske modeller

Katinka Holtsmark, sekretariatsmedlem, 19.11.18

3.1 Klimarisiko og økonomiske modeller

3.1.1 Ulike former for klimarisiko

Klimarisiko skyldes usikkerhet om fremtidig klima og klimapolitikk. Slik det gjøres i utvalgets rapport vil det også her skilles mellom fysisk risiko og overgangsrisiko. Begrepene er grundig diskutert i kapittel 4 i utvalgets rapport.

Fysisk risiko skyldes usikkerhet om omfanget av klimaendringer og hvilke konsekvenser de vil ha. Usikkerheten om omfanget av klimaendringer skyldes delvis at det er usikkerhet om fremtidige utslipp av klimagasser. I tillegg er klimaendringene i seg selv usikre, selv for en gitt utslippsbane. Det er usikkerhet både om betydningen av økt temperatur og om kostnadene ved å tilpasse seg endringene.

Overgangsrisiko skyldes usikkerhet om hvilke kostnader og gevinster fremtidig klimapolitikk vil ha, utover å motvirke klimaendringer. Det er usikkert i hvilken grad ulike land vil ønske å gjennomføre klimapolitikk, og er det usikkert om de vil klare å samarbeide. Videre er det usikkert hvilken type klimapolitikk som vil bli ført og ulike typer klimapolitikk kan innebære forskjellig fordeling av nytte og kostnader. I tillegg er det usikkerhet om teknologisk utvikling, og dermed om kostnadene ved klimapolitikk.

Usikkerhet innebærer at vi kan komme både bedre og dårligere ut enn forventet. For risikoaverse aktører har usikkerhet en kostnad. Er vi risikoaverse vil velferdstapet ved å komme dårligere ut enn forventet være større enn gevinsten ved å komme bedre ut, dersom størrelsen på avviket fra forventet resultat er det samme. Dette får konsekvenser for hvordan risiko bør håndteres.

I håndteringen av klimarisiko er det nyttig å skille mellom systematisk og usystematisk risiko. Disse begrepene forbindes gjerne med finansmarkedene, men er meningsfulle for å beskrive en rekke ulike aktørers tilpasning til risiko. En fisker kan stå overfor annen usikkerhet enn en bonde. Ved å inngå en avtale om å hjelpe hverandre hvis én skulle komme dårlig ut, kan de redusere hverandres risiko. Da har de redusert usystematisk risiko. Noen hendelser kan imidlertid ramme både fiskeren og bonden nokså likt, for eksempel en generell nedgang i etterspørselen etter mat. For fiskeren og bonden er dette en systematisk risiko, som de ikke kan redusere gjennom å inngå avtaler med hverandre.

Mer generelt er usystematisk risiko knyttet til hendelser som noen aktører kommer godt ut av samtidig som andre aktører kommer dårlig ut. En mulighet for at klimaet endrer seg slik at produktiviteten går ned noen steder samtidig som den blir tilsvarende høyere andre steder, er delvis en usystematisk risiko. Akkurat som for fiskeren og bonden vil det være mulig for ulike aktører å gjøre gjensidig fordelaktige avtaler for å redusere denne risikoen. Det vil derfor gjerne koste lite eller ingenting å redusere usystematisk risiko. For eksempel kan en investor redusere usystematisk risiko uten å redusere forventet avkastning, ved å diversifisere porteføljen sin.

Systematisk risiko er knyttet til hendelser som påvirker mange på samme måte, positivt eller negativt. Muligheten for at klimaet endrer seg slik at det overalt blir vanskeligere å dyrke mat, skaper en systematisk risiko. Fordi mange påvirkes på samme måte, er muligheten til å inngå gjensidig fordelaktige avtaler begrenset. Mange vil da være villige til å betale noe for å redusere sin systematiske risiko. Det innebærer at andre kan få betalt for å påta seg systematisk risiko. For eksempel kan en investor få høyere forventet avkastning ved å investere i prosjekter med mer systematisk risiko.

Tiltak for å redusere global oppvarming og tiltak for å gjøre økonomien mer tilpasningsdyktig vil redusere både usystematisk og systematisk klimarisiko.

3.1.2 Økonomiske modeller

For å kunne analysere og håndtere risiko – og mer generelt for å kunne utforme økonomisk politikk – må man anta noe om fremtiden. Fremtidige skatteinntekter, trygdeutgifter, behov for velferdstjenester og klimagassutslipp er eksempler på størrelser som har betydning for hvordan vi bør innrette den økonomiske politikken. Antagelsene om fremtiden bør bygge på våre beste anslag for utviklingen for disse og andre viktige størrelser.

Økonomiske modeller kan hjelpe oss til slike anslag. En modell er en forenklet representasjon av virkeligheten. En økonomisk modell består av likninger som beskriver sammenhenger i økonomien. Store makroøkonomiske modeller beskriver mange slike sammenhenger. I hver likning vil det inngå variabler, som representerer ulike størrelser i økonomien. Videre vil det være parametere som sier noe om hvordan sammenhengene mellom de ulike variablene ser ut. Ofte er disse parameterne fastsatt ut fra hvordan sammenhengene har sett ut i fortiden. I noen modeller beregnes alle parameterne samtidig, ved at hele modellen kalibreres til data. I andre modeller fastsettes mindre grupper av parametere eller enkeltparametere for seg, gjennom statistiske eller økonometriske modeller som er laget for å se spesifikt på en eller flere sammenhenger. Både hvordan ulike størrelser i økonomien ser ut og sammenhengene mellom dem kan endre seg over tid. Derfor vil ikke nødvendigvis modeller og parametere som er fastsatt ut fra historiske data, gi en god beskrivelse av hvordan ulike sammenhenger vil se ut i fremtiden.

Økonomiske modeller brukes blant annet til fremskrivinger. Gitt forutsetninger om hvordan noen størrelser vil utvikle seg, kan modellen si noe om forløpet for andre størrelser. Størrelsene man forutsetter noe om kalles eksogene variabler, mens størrelsene man finner gjennom modellen er endogene variabler. Dersom modellens parametere og eksogene variabler er forventningsverdier, vil heller ikke modellens anslag for eksogene variabler kunne si noe om uventede hendelser. Ved å gjøre andre antakelser om parametere og eksogene variabler, kan man imidlertid si noe om hvordan ulike størrelser i økonomien vil utvikle seg i andre scenarioer enn det forventede. På denne måten kan økonomiske modeller brukes i scenarioanalyser og stresstesting.

Det vil alltid være usikkerhet knyttet til slike modellanslag. Det er mange sammenhenger og størrelser i økonomien som ikke er inkludert i modellen. Det er umulig å vite nøyaktig hvor viktige utelatte sammenhenger og størrelser er for anslagene som lages. Det er altså usikkerhet knyttet til hvor godt modellen representerer det en ønsker. Videre er det usikkerhet knyttet til sammenhenger og størrelser som er inkludert i modellen. Det skyldes blant annet at sammenhenger som har vært gjeldende historisk ikke nødvendigvis vil gjelde i fremtiden. Når en analyserer store endringer slik klimaendringene representerer, kan også hele strukturen i økonomien og i samfunnet påvirkes slik at grunnleggende forutsetninger i modellen ikke lenger gjelder.

Økonomiske modeller kan også brukes i politikkanalyse. Ved å gjøre ulike forutsetninger om hvilken politikk som føres, vil man gjennom modellen kunne se på hvordan ulike størrelser påvirkes av forskjellig politikk. Hvis øvrige forutsetninger om eksogene variabler og parametere er forventningsverdier, vil modellen si noe om hvordan forskjellig politikk slår ut i det forventede scenarioet. En kan også gjøre andre forutsetninger for å si noe om hvordan annen politikk slår ut. For at en slik politikkanalyse skal være meningsfull må det være slik at de fastsatte sammenhengene i modellen ikke endres som konsekvens av den politikkendringen som analyseres.

Økonomiske modeller kan klassifiseres på mange måter, men noen viktige egenskaper fanges opp av følgende skiller:

• Modeller kan være statiske eller dynamiske

• Modeller kan baseres på generell eller partiell likevekt

• Modeller kan være stokastiske eller deterministiske

Både statiske og dynamiske modeller kan ha en tidsdimensjon, men det er stor forskjell på modellene. En statisk modell er en modell der endringer i eksogene variabler slår øyeblikkelig ut i anslagene modellen gir. En statisk modell kan være egnet til å analysere politikk og hendelser som slår raskt inn i økonomien, men kan også egne seg til å undersøke effekter på lang sikt.

I en dynamisk modell vil handlinger, sjokk og endringer i parametere eller eksogene variabler kunne få betydning for ulike størrelser på flere tidspunkter, slik at det blir mulig å studere forløp over tid. Det kan ta lang tid før den fulle konsekvensen av en hendelse er realisert. En hovedforskjell fra statiske modeller er at vi kan skille mellom beholdninger og strømmer, og dermed også se på sammenhengen mellom beholdninger og strømmer. Eksempler kan være sammenhengen mellom investering og realkapital og utslipp av klimagasser og beholdningen av slike gasser i atmosfæren. Vi kan også modellere hvordan endringer i disse beholdningene påvirkes av, eller påvirker, aktørers valg. Dynamiske modeller egner seg godt til å se på virkningen av handlinger og hendelser som slår gradvis inn i økonomien. Utviklingen i en rekke variabler og parametere som i en statisk modell må bestemmes eksogent, kan en forsøke å forklare endogent i en dynamisk modell.

En modell med generell likevekt er en modell der mange sektorer og markeder er inkludert og kan påvirke hverandre. I tillegg tenker en seg at prisene momentant eller over tid tilpasser seg slik at tilbud er lik etterspørsel i alle markeder. I en slik modell vil man få med hvordan en hendelse som har betydning for én eller flere aktører eller sektorer forplanter seg utover i økonomien. Generelle likevektsmodeller egner seg til å undersøke hvordan endringer påvirker økonomien som helhet. Slike modeller er spesielt relevante når man skal analysere utviklingstrekk, hendelser og handlinger som trolig påvirker mange markeder og sektorer, og samspillet mellom virkninger i ulike deler av økonomien ikke er åpenbare.

En modell med partiell likevekt er en modell av en del av økonomien. Det gjøres forutsetninger om forhold i økonomien for øvrig som har betydning for den delen av økonomien som analyseres i den partielle modellen. For eksempel kan verdien av spart reisetid være fastsatt eksogent i en transportmodell, i stedet for å utledes fra arbeidskraftens grenseproduktivitet, grensenytten av fritid osv. En slik modell vil ikke fange opp endringer i andre deler av økonomien som har betydning for den delen som modelleres, såfremt disse endringene ikke legges inn eksogent. Videre vil ikke modellen si noe om hvordan endringer i denne delen av økonomien påvirker økonomien for øvrig. En fordel med en partiell modell er at den kan være mer håndterbar slik at den delen av økonomien en ser på kan modelleres bedre. En fare ved å bruke et sett av partielle modeller i stedet for én større modell, er at anslagene fra de ulike modellene ikke er konsistente med hverandre, blant annet fordi generelle likevektseffekter ikke er fanget opp.

I en stokastisk modell vil noen typer usikkerhet i sammenhenger og/eller parametere i modellen være inkludert. En parameter kan for eksempel i stedet for å inngå som et gitt tall inngå som utfallet fra en gitt sannsynlighetsfordeling. I en stokastisk modell vil dermed også anslagene modellen gir være stokastiske – de vil variere selv om forutsetningene som ligger til grunn i modellen er gitt. I en deterministisk modell inngår ikke denne typen usikkerhet.

3.1.3 Økonomiske modeller og klimarisiko

En grunnleggende forutsetning i mange økonomiske modeller er at mennesker er risikoaverse. Hvis vi legger risikoaversjon til grunn kan vi ikke basere politikken kun på hva modellene sier om forventet utvikling i økonomien. Vi må også ta hensyn til scenarioer der vi kommer bedre eller dårligere ut enn forventet. Videre innebærer risikoaversjon at vi vil legge mest vekt på å komme bedre ut i dårlige scenarioer.

Det er kanskje mulig å se for seg stokastiske modeller som inkluderer usikkerheten i alle eksogene variabler og parametere. En slik modell ville kunne angi sannsynligheter for ulike utfall for ulike endogene variabler, og en kunne beregne sannsynligheten for alle mulige utfall. For å få til det måtte en imidlertid ha gode anslag for sannsynlighetsfordelingen for alle eksogene variabler og parametere, herunder samvariasjonen mellom disse. Dette er svært krevende. Også dersom slik tallfesting skulle være mulig, er det stor fare for å ende med en modell som ikke kan si oss så veldig mye ut over at det er stor usikkerhet om det aller meste.

En mer håndterbar metode for å bruke økonomiske modeller som hjelpemiddel i analyse og håndtering av klimarisiko, er derfor trolig å bruke slike modeller til ulike former for scenarioanalyse. Slike analyser innebærer at en utenfor modellen konstruerer scenarioer som består av sett med forutsetninger om eksogene variabler og parametere, og gjennom modeller undersøker hvordan økonomien vil håndtere slike scenarioer. Eventuelle vurderinger av sannsynligheten for å havne i ulike scenarioer skjer da utenfor modellen. Scenarioanalyse kan imidlertid være nyttig også uten å gjøre slike sannsynlighetsvurderinger. Det modellen bidrar med er å se hvordan de ulike forutsetningene virker inn på en rekke ulike størrelser i økonomien. Hvis en modell er konstruert for å kunne brukes til politikkanalyse vil en også kunne se hvordan eventuelle negative utfall kan håndteres av forskjellige typer politikk.

3.1.4 Klimarisiko og risikodeling

Klimarisiko kan håndteres gjennom tiltak for å redusere sannsynligheten for dårlige utfall og gjennom tiltak som sørger for at vi kommer bedre ut dersom dårlige utfall inntreffer. Hvilken klimarisiko en står overfor kan makroøkonomiske modeller blant annet bidra til forståelsen av gjennom scenarioanalyser.

Det er rimelig å anta at en del klimarisiko er usystematisk, ettersom både fysisk risiko og overgangsrisiko kan være knyttet til utvikling og hendelser som slår veldig forskjellig ut i ulike områder og for ulike land. For eksempel vil det være negativt for eksportører av fossil energi og positivt for importører, dersom internasjonal klimapolitikk i større grad enn forventet reduserer etterspørselen etter fossil energi. Land som har fossile brensler som en del av sin nasjonalformue vil i større grad enn andre land være eksponert mot usystematisk klimarisiko som kan reduseres gjennom diversifisiering. Motsatt vil en klimapolitikk som er basert på å holde igjen tilbudet av fossil energi være positivt for eksportører fordi prisen på fossil energi vil stige. Importører kommer dårligere ut. På samme måte vil ulike teknologiske gjennombrudd påvirke forskjellige land ulikt. Den fysiske klimarisikoen er også forskjellig mellom land. Selv om det i stort er slik at verden kommer veldig dårlig ut om klimaet endrer seg kraftig, vil noen endringer kunne gagne noen land eller grupper. Fysisk risiko har derfor trolig også elementer av usystematisk risiko ved seg. For noen land kan det være mulig å diversifisere bort usystematisk klimarisiko gjennom finansmarkedene. Da reduseres risiko, uten reduksjon i forventet resultat.

Systematisk klimarisiko kan på den annen side ikke reduseres kostnadsfritt gjennom diversifisering. Hvis en skal redusere slik systematisk risiko gjennom finansmarkedene, vil det ha en kostnad. Det må i så fall gjøres en avveiing mellom kostnaden ved å bære risiko, og kostnaden ved å redusere systematisk risiko gjennom finansmarkedene eller på andre måter. Særlig for fysisk risiko er den systematiske risikoen trolig stor, fordi verden som helhet vil komme dårlig ut dersom klimaet endrer seg mye, som diskutert i kapittel 3 i utvalgets rapport.

Fordi det koster noe å redusere systematisk risiko gjennom finansmarkedene, bør man gjennomføre alle andre tiltak en kan gjøre for å redusere slik risiko, såfremt kostnaden er lavere enn den i finansmarkedene. Det er heller ikke mulig å redusere risikoen for alle hendelser som skaper systematisk risiko gjennom finansmarkedene.

3.1.5 Makroøkonomiske modeller i Norge

Forvaltningen i Norge bruker flere ulike makroøkonomiske modeller til fremskrivinger og politikkanalyse. For analyser på kort sikt er KVARTS den viktigste modellen, mens SNoW og DEMEC brukes til mer langsiktige analyser.

Finansdepartementet beskriver KVARTS slik:

«KVARTS er en stor makroøkonometrisk modell som brukes til fremskrivinger og politikkanalyser på kort og mellomlang sikt. Modellen baserer seg på nasjonalregnskapets begrepsapparat og definisjonssammenhenger. Spesielt benytter KVARTS kryssløpsammenhenger som knytter tilgang og anvendelse av produkter til ulike aktiviteter i økonomien. Versjonen som brukes i dag, beskriver utviklingen i 15 fastlandsnæringer og 3 offentlige produksjonssektorer og består av 2259 ligninger. På lang sikt tar modellen utgangspunkt i at den økonomiske utviklingen er styrt av tilbudssideforhold. Adferdsrelasjonene som beskriver tilbudssiden i økonomien, er i stor grad konsistente med etablert økonomisk teori. Konjunktursvingninger på kort sikt er i hovedsak bestemt av utviklingen i samlet etterspørsel. Som i andre store makroøkonometriske modeller, er adferdsrelasjonene i KVARTS estimert hver for seg, og ikke som et system.»

Eksempler på tilbudssideforhold som bestemmer utviklingen i modellen på lang sikt er produktivitetsvekst og endringer i befolkningssammensetningen.

SNoW benyttes av Finansdepartementet til fremskrivinger av klimagassutslipp og av Statistisk sentralbyrå til analyser av klimapolitikk, og beskrives slik av Finansdepartementet:

«SNoW er en numerisk generell likevektsmodell (CGE-modell) som Finansdepartementet har brukt til å studere klimaspørsmål, blant annet i Perspektivmeldingen 2017. I den dynamisk rekursive versjon som foreligger i dag, er statiske (årlige) modeller knyttet sammen med kapitalutviklingen fra en periode til neste. […] For å kunne studere utslipp og klimapolitikk er modellen inndelt i 41 næringer med forskjellig faktorintensitet for kapital, arbeid, og energi som knyttes sammen gjennom en kryssløpstabell. Innsatsfaktorer flyter fritt mellom innenlandske sektorer inntil faktorprisene er like (unntatt for olje- og gassressurser). Til forskjell fra forgjengeren, MSG, kan SNoW knyttes opp mot Global Trade Analysis-prosjektet (GTAP), noe som gjør det mulig å studere effekten av multilaterale avtaler og internasjonal klimapolitikk for Norge.»

Også DEMEC brukes til langsiktige analyser, og beskrives av Finansdepartementet slik:

«DEMEC er en numerisk generell likevektsmodell (Computable General Equilibrium – CGE), utformet for å studere langsiktige sammenhenger mellom demografi, makroøkonomisk utvikling og offentlige finanser. Den er særlig egnet til å belyse finanspolitikkens langsiktige bærekraft og ble blant annet brukt i Perspektivmeldingen 2017. Som i andre CGE-modeller er adferdsrelasjonene som beskriver konsument- og produsentatferden, i tråd med tradisjonell mikroøkonomisk teori. Modellen relaterer eksogene forutsetninger om befolkningsvekst, migrasjon og produktivitet til arbeidstilbudet i forskjellige befolkningsgrupper, inndelt etter alder, kjønn, inntektsnivå, landbakgrunn og botid. Variasjon i yrkesdeltakelse og arbeidsinntekt blant forskjellige befolkningsgrupper kan ha store innvirkninger på offentlige inntekter og utgifter. Modellen beskriver utviklingen i to fastlandsnæringer (varer og tjenester), tre offshorenæringer og 11 offentlige sektorer. Produksjonen anvendes innenlands av bedriftene (produktinnsats og investeringer), av offentlig forvaltning (produktinnsats, investeringer og konsum), og av husholdningene (privat konsum). I tillegg blir det eksportert nok til å finansiere importen og en eksogen netto finansinvestering i utlandet (denne er i hovedsak knyttet til Statens pensjonsfond utland).»

I tillegg bruker Finansdepartementet flere mindre økonometriske modeller til å beregne sammenhenger og lage fremskrivinger basert på tidsseriedata.

NEMO er en makroøkonomisk modell som brukes i utformingen av pengepolitikken, og beskrives slik av Norges bank:

«NEMO bygger på at Norge med egen valuta kan bestemme sitt eget nivå på inflasjonen over tid. Et krav i modellen er derfor at pengepolitikken forankrer inflasjonsforventningene og bringer inflasjonen tilbake til målet. I modellen legges det til grunn at aktørene tar hensyn til pengepolitikken og ser framover når de fatter beslutninger om pengeplasseringer, forbruk og investeringer, lønn og priser. NEMO er en «ny-keynesiansk» DSGE-modell (dynamisk, stokastisk, generell likevektsmodell) og kjennetegnes ved at den har keynesianske egenskaper på kort og mellomlang sikt og klassiske egenskaper på lang sikt. Det vil si at fordi priser og lønninger tilpasses tregt, kan pengepolitikken påvirke etterspørselen, og dermed produksjonen og sysselsettingen på kort og mellomlang sikt. På lang sikt, derimot, er produksjonen bestemt av teknologi, preferanser og tilgang på innsatsfaktorer. NEMO er estimert på norske data som et system med utgangspunkt i en bayesiansk tilnærming.»

I Norges bank brukes også flere mindre og enklere modeller som i større grad kan tilpasses den enkelte problemstilling.

3.1.6 Makroøkonomiske modeller og klimarisiko i Norge

For norsk økonomi er det altså viktig å identifisere de utfallene knyttet til klimaendringer og internasjonal klimapolitikk som gir oss spesielt dårlige utfall. God håndtering av klimarisiko innebærer å redusere sannsynligheten for at disse utfallene skal inntreffe, og å sørge for at norsk økonomi kan håndtere dårlige utfall dersom de inntreffer.

Fordi klimaendringene vil skje relativt sakte og først og fremst påvirke oss et stykke frem i tid, er det mest relevant å bruke modellene som er laget for analyse og fremskrivinger på lang sikt for å analysere fysisk klimarisiko. Blant modellene beskrevet over er dette DEMEC og SNoW. Samtidig må modellene beskrive de relevante delene av økonomien. For de fleste typer klimarisiko er derfor sannsynligvis bare SNoW relevant. Også denne modellen må videreutvikles for at den på en god måte skal kunne si noe om hvilken klimarisiko den norske økonomien står overfor. Ved å benytte andre forutsetninger enn forventningsverdier, bør modellen kunne benyttes til scenarioanalyser.

Når det gjelder overgangsrisiko kan endringene skje raskere. For analyse og fremskrivinger knyttet til denne risikoen kan det dermed være aktuelt å bruke flere av modellene diskutert over.

Første steg vil være å avgjøre hvilke scenarioer det er viktig å analysere. Rapporten fra Klimarisikoutvalget gir en grundig gjennomgang av de viktigste risikofaktorene for norsk økonomi. Noen av disse risikofaktorene vil først og fremst måtte håndteres av enkeltindivider, bedrifter eller regionale eller kommunale myndigheter. Andre deler av klimarisikoen må håndteres på statlig nivå, men håndteringen kan likevel være rettet mot enkeltsektorer eller deler av økonomien. Den fysiske risikoen norsk økonomi står overfor er i stor grad av denne typen. Dette er beskrevet i kapittel 8 i utvalgsrapporten.

Noe klimarisiko er slik at den må håndteres gjennom den økonomiske politikken. Muligheten for at fysiske klimaendringer eller internasjonal klimapolitikk påvirker verdien av den norske nasjonalformuen betydelig er en slik risiko1. Rapporten fra utvalget kan være et utgangspunkt for å bygge økt kunnskap om hvordan de ulike delene av nasjonalformuen er eksponert for klimarisiko. I denne kunnskapsoppbyggingen er det sentralt å vurdere også hvordan de ulike delene av nasjonalformuen vil kunne samvariere. Dersom noen utfall gir store negative utslag i flere deler av nasjonalformuen samtidig representerer disse utfallene en større risiko enn utfall som påvirker de ulike delene forskjellig.

Gjennom scenarioanalyser kan konsekvensene av slike dårlige utfall analyseres. En må vurdere hvilke tiltak en skal gjøre for å komme bedre ut av de dårlige utfallene.

Den norske stat har en betydelig finansformue. Gjennom Statens pensjonsfond utland (SPU) er mye av denne formuen plassert i utlandet. Det innebærer at statens handlefrihet er større enn i mange andre land, herunder også muligheten til å tilpasse den risikoen økonomien står overfor. Klimarisikoen knyttet til endringer i nasjonalformuen består trolig av både usystematisk og systematisk risiko. Usystematisk risiko bør en diversifisere seg bort fra i den grad det er mulig. Når det gjelder den systematiske risikoen må politikerne til enhver tid vurdere hva som er et akseptabelt risikonivå opp mot de forventede kostnadene ved tiltak og tilpasning.