The lender, which recently crossed 100 lakh crore milestone in total business, has ruled out equity dilution in the next five years, and aims to be the first bank to earn 1 lakh crore in annual net profit.Speaking with ET, Setty said On PSU bank consolidation, he said SBI would prefer to grow organically as it is adding `10 lakh crore business each year.C S Setty, chairman of country’s largest lender, State Bank of India (SBI), expects a structural transformation in bank balance sheets over the next decade ...

According to First Street’s 2025 analysis Property Prices in Peril, climate change will cause populations to move and insurance costs to soar in riskier areas, changing property values.As NASA reports, the planet has been getting warmer at a significant pace for more than a century [4], driving climate-related risks that First Street estimates will lead to a potential $1.47 trillion reduction in real estate value over the next 30 years. [5]While Zillow says climate risk data “remains available elsewhere on ...

文章核心观点 - 房地产在线平台Zillow因行业投诉移除了其房源列表上的气候风险评分 但数据消失并不意味着风险消失 在极端天气频发的世界中 业主和买家需要了解房产的脆弱性[1] - 当前的气候风险模型（如Zillow曾使用的First Street模型）虽然比过时的政府地图有改进 但远非完美 不同模型对同一房产的风险评估结果差异巨大 这可能导致资产价值被不合理地低估并扭曲市场定价[2][4][5] - 气候风险评估是一个新兴且复杂的领域 模型在将全球气候预测缩小到具体地块并延长预测时间线时 不确定性会增加 且风险不仅包括自然灾害暴露度 还涉及建筑结构本身及其可能遭受的损害[8][9][10][12] - 行业需要更可靠和标准化的气候风险信息 但关于公开披露何种程度的模型输出是合适的 以及政府是否应介入提供公共模型或数据标准 仍存在广泛讨论[13][14] 气候风险模型现状与挑战 - **模型间一致性差**：不同气候风险公司对同一房产的评级结果大相径庭 一项研究显示13家公司对全球100处房产的评级结果“到处都是” 例如 对某些房产 一些模型认为洪水风险很高 而另一些则认为完全没有风险[3] - **模型准确性存疑**：模型在地址识别上可能出现严重错误 一项测试中 一个模型将“波士顿一家知名商店”定位在了亚特兰大一条名称相似的街道上[3] 此外 Bloomberg Green去年比较了两个洪水风险模型（First Street和加州大学欧文分校） 发现它们仅在21%的情况下结果一致[4] - **模型存在固有局限性**：First Street的风险评分仅评估房产在30年（传统抵押贷款期限）内遭受灾害的“暴露度” 而非“潜在损害” 例如 即使房屋暴露在高洪水位中 如果建筑的一楼海拔更高 实际损害可能为零[12] - **评估复杂度高**：完整的气候风险评估远超自然灾害本身 需要综合考虑建筑结构细节 如地基、地下室、一楼高度、土地坡度、建筑用途和层数等[9][10] 行业动态与公司行动 - **Zillow移除风险评分**：公司于11月14日全面移除了气候风险评分 以遵守一家主要房地产挂牌信息聚合商的“不同要求” 但公司仍提供指向First Street网站的链接[5] - **聚合商提出质疑**：加州地区多重上市服务公司在例行审计中发现 许多几十年未遭洪水的房屋被标记为高洪水概率 因而对此类数据产生怀疑[6] - **市场需求推动行业发展**：随着气候灾害损失增加 对房地产风险信息的需求也在增长 穆迪、标普全球、CoreLogic（运营名Cotality）和瑞士再保险等大型机构近年均已通过收购或自研进入该领域[7] - **First Street的定位**：该公司最初是非营利组织 后重组为一家非上市公司 是该领域备受瞩目的初创企业 其创始人承认物理气候风险模型复杂难懂 且存在不确定性[7][8] 标准化与未来方向讨论 - **对公共模型和标准的呼吁**：有观点认为政府应介入 规定必须披露的信息以及应使用的模型或数据 以提供评估私营模型的标尺[13] - **公共模型的成本考量**：仅制定新的全国性洪水风险地图 成本估计就在30亿至120亿美元之间 且无法一蹴而就[13] - **行业共识与分歧**：行业普遍认为提高气候风险透明度、让公众在购房时知晓风险是积极的 但对于在公共领域披露何种程度的模型输出是合适的 业内尚无明确一致的答案[14]

保险费率上涨预测 - 房地产分析公司Cotality预计，未来两年平均房主保险费率将累计上涨16%，其中2026年和2027年各上涨8%[1] - 过去几年保险费率已出现“急剧上升”，部分地区的涨幅达到两位数[2] 保险费上涨驱动因素 - 重建成本上升是推高保费的关键因素，这反映了整体通胀和住房供应链的特定趋势[3] - 更频繁的自然灾害导致更多损失和索赔增加，保险公司正试图应对这一趋势[4] 气候风险对房地产的影响 - Realtor.com研究显示，美国大量住房面临严重或极端气候风险，其中洪水风险超过6%，风风险为18%，野火风险为6%[4] - 价值数万亿美元的房地产面临重大风险，迈阿密-劳德代尔堡-西棕榈滩市场有3068亿美元总房屋价值面临风险，占该地区总住房价值的23.2%[5] 对住房市场的影响 - 保险费在典型美国房主月供中的占比已达到9%，这是有记录以来（包括本金、利息、房产税和保险费）的最高平均支出比例[3] - 保险费意外上涨可能使现有房主措手不及，并可能阻碍潜在买家，因为他们难以估算月度住房开支[7] - 成本上升可能进一步阻碍本已停滞的住房市场中的买家，许多买家因持续的可负担性危机而被边缘化[6]

项目概述 - 菲律宾政府通过渔业和水产资源局及菲律宾作物保险公司与全球保护组织Rare和威达信集团合作 推出该国首个针对小规模渔民的参数保险解决方案 [1] - 该项目旨在通过参数保险保护菲律宾24个沿海城市的14,200名小规模渔民的生计 以减轻因恶劣天气无法近海捕鱼造成的收入损失 [3] - 菲律宾渔业和水产资源局作为试点项目的保单持有人 将参数保险作为渔民注册和承诺可持续捕捞实践的福利 [4] 保险产品设计 - 保险覆盖范围在每个保单周期内最高提供100美元 以帮助抵消因危险天气造成的收入损失 [4] - 该解决方案使用基于风速、海况和降雨量的天气指数来确定赔付资格 确保在损失捕鱼天数时能及时直接地向渔民进行补偿 [4] - 参数指数以五天为周期进行计算 并与历史数据进行比较 以确定相对于预期条件的天气“严重程度” [4] 合作伙伴与资金来源 - 该项目通过海洋风险与韧性行动联盟获得支持 资金来自加拿大政府和英国政府的蓝色星球基金 [2] - 参数风险转移能力由自然灾害基金提供 该基金是英国和德国政府的公私合作伙伴关系 得到汉诺威再保险公司的支持 并由Global Parametrics Limited团队管理 [4] - 海洋风险与韧性行动联盟的目标是到2030年激活至少5亿美元的投资 为全球南方2.5亿气候脆弱沿海人口建立韧性 [10] 战略意义与未来展望 - 此次合作是构建市场就绪解决方案的关键一步 旨在提供参数保险等创新金融解决方案 以帮助保护收入并建设菲律宾气候脆弱沿海社区的韧性 [6] - 如果试点成功 菲律宾作物保险公司希望其能发展成为保护沿海生计的全国性可扩展工具 [6] - 该试点将经过验证的参数保险产品应用于新场景 为人而非资产提供保险 预计将减轻家庭财务压力 减少对生态系统的捕捞压力 并建设更具韧性的沿海社区 [5]