Wildfire & assicurazioni: il rischio si sposta, i modelli restano indietro

Cosa è successo?

Il paper “Wildfire Risk for Species under Climate Change” pubblicato su Nature Climate Change (Yang et al., 2026) evidenzia una riallocazione geografica significativa del rischio incendi a livello globale. Entro fine secolo, l’area bruciata aumenterà tra il +9,3% (scenario SSP2-4.5) e il +16,1% (SSP5-8.5), con picchi regionali molto più elevati: +32,7% in Sud America e +25,7% nell’Artico russo. Al contrario, circa il 30,7% dell’Africa vedrà una riduzione dell’esposizione. Il dato chiave è la distribuzione asimmetrica del rischio: le aree a maggiore biodiversità (Amazzonia, Sud Asia, Australia) diventano hotspot emergenti, mentre altre regioni storicamente esposte perdono centralità relativa.

Perché è importante?

Per il settore assicurativo, questo implica un superamento dei modelli attuariali basati su serie storiche. Il rischio wildfire non evolve in modo lineare né uniforme, ma si sposta geograficamente, rendendo le baseline climatiche pre-2000 non più rappresentative. Questo genera un rischio di mispricing nei portafogli property & casualty: aree oggi considerate secondarie possono diventare driver principali di sinistrosità futura. Inoltre, la concentrazione del rischio in regioni ad alta biodiversità aumenta la complessità del danno, con impatti su ecosistemi, comunità locali e attività economiche interconnesse. Anche i trigger delle polizze parametriche Nat Cat (spesso calibrati su soglie storiche di temperatura, umidità o area bruciata) rischiano di diventare obsoleti rispetto alla nuova distribuzione del rischio.

E adesso?

Per gli assicuratori, è necessaria una revisione strutturale dei modelli di rischio wildfire. Questo implica integrare scenari climatici forward-looking, aggiornare i modelli di accumulo geografico e ricalibrare i parametric trigger su nuove baseline climatiche. Sul piano operativo, sarà cruciale differenziare il pricing per regione e tipologia di ecosistema, incorporando la dinamica di spostamento del rischio. In prospettiva, chi aggiorna rapidamente i propri modelli potrà anticipare il repricing e gestire meglio l’esposizione; chi resta ancorato a serie storiche rischia di sottostimare un rischio che non solo cresce, ma cambia posizione nel sistema globale.

Fonte

https://www.nature.com/articles/s41558-026-02600-5?