WP 2026-08 Site Fidelidade - Institucional - Transição Ecológica

O ICCC é composto por uma equipa multidisciplinar empenhada em concentrar conhecimento altamente especializado no âmbito das alterações climáticas. Encabeçada pela Comissão Executiva, engloba um Conselho Consultivo multidisciplinar e grupos de competências internas de I&D, estatística e estudos técnicos de produtos/subscrição/sinistros, comunicação, ativação de soluções e coordenação com entidades externas.

Conselho Consultivo

O Conselho Consultivo é composto por um grupo multidisciplinar de seis especialistas de três nacionalidades distintas. Confere orientação estratégica e aconselhamento especializado ao ICCC em ação climática de impacto, sobre as tendências e melhores práticas nacionais e internacionais para a mitigação e adaptação às alterações climáticas, assegurando a qualidade e a atualidade do conhecimento produzido. Saiba quem são os nossos especialistas.

Academia & Investigação 

A investigação desenvolvida com a academia e com centros de investigação é o pilar da produção de conhecimento e conta com o acompanhamento global do Conselho Consultivo. As áreas em que a Fidelidade conduz atualmente a sua investigação estruturam-se dentro do ICCC em torno das seguintes, para o perímetro de Portugal Continental: incêndios florestais; inundações; classificação das vulnerabilidades dos edifícios habitacionais e das infraestruturas; impacto das alterações climáticas nos recursos hídricos; impacto das alterações climáticas na qualidade do ar; produtos de seguros promotores da proteção das florestas e/ou créditos de carbono; envolvimento e sensibilização da sociedade.

Investigação com o apoio da Fidelidade

Hauser, A., Rosa, C., Esteves, R., Bugalho, L., Moura, A., & Oliveira, C. (2024). The impact of hurricanes on a property portfolio: An empirical study based on loss data in Portugal. Managerial Finance, Vol. 50(3), 634-652. https://doi.org/10.1108/MF-03-2023-0163.

Abstract

Purpose – The simulated scenarios can be used to compute risk premiums per risk class in the portfolio. These can then be used to adjust the policy premiums by accounting for storm risk. Design/methodology/approach – A complete model to analyse and characterise future losses of the property portfolio of an insurance company due to hurricanes is proposed. The model is calibrated by using the loss data of the Fidelidade insurance company property portfolio resulting from Hurricane Leslie, which hit the centre of continental Portugal in October, 2018. Findings – Several scenarios are simulated and risk maps are constructed. The risk map of the company depends on its portfolio, especially its exposure, and provides a Hurricane risk management tool for the insurance company. Originality/Value – A statistical model is considered, in which weather data is not required. The authors reconstruct the behaviour of storms through the registered claims and respective losses.

Lopes, P. (2024). Modelling wildfires in mainland Portugal: An approach with machine learning. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão. https://repositorio.ulisboa.pt/handle/10400.5/96805.​

Abstract

Each year, wildfires cause billions of dollars of claims in the global insurance sector. Climate change scenarios suggest a potential increase in these losses, as rising temperatures and more frequent droughts intensify the underlying risk. Portugal, for its part, has one of the highest densities of wildfire ignitions among southern European countries, with this phenomenon posing the greatest threat to the sustainability of our forests. Given the spatial and temporal uncertainty associated with wildfire occurrences, quantifying the underlying risk can be a challenging task that requires the use of advanced analytical methods. In this study, we analyzed 89 839 ignitions that occurred in Mainland Portugal over a 22-year period. Generalized Linear Models and Random Forests (RF) were employed to estimate the expected burned area of a wildfire and the likelihood of an ignition developing into a severe event, using a set of potentially explanatory variables. The obtained results provided insights into the key determinants within each modelling strand. The estimated RF models were also used to predict the spatial patterns of ignitions at the national level under a climate scenario. Risk maps for the municipalities of Mainland Portugal were produced based on the resulting geographical predictions, indicating that the highest risk is predominantly concentrated in the inner central region of the country. The estimated impact of the climate scenario considered in each modelling strand was further assessed. Risk maps reflecting the predicted variations due to the scenario were created, with the Alentejo region expected to be the most affected one.