AI与气候模型如何重塑金融风险版图｜从美国FAIR Plan看算法决策的隐性影响

当AI系统开始主导金融风险评估，其决策可能正在悄然重塑经济地理版图。最新数据显示，美国加州FAIR Plan（公平保险计划）保单数量从2022年的27万份飙升至2026年3月的68万份，这一现象折射出算法模型对风险定价的深层影响。

算法模型：从风险预测到风险制造

银行业与保险业正加速采用AI气候模型进行决策，这些系统通过卫星图像和大数据分析，将风险评估细化至邮政编码级别。美国自2018年以来已有超过190万份家庭保单因气候变化因素被取消，欧洲则开始出现「不可保区域」。

FAIR Plan作为美国各州的「最后保险人」机制，本是为1960年代城市骚乱受害者提供基本保障，如今却成为气候风险难民的收容所。值得注意的是：

• 该计划资金来自州内保险公司的强制分摊，形成风险回流的闭环系统
• 其保费较市场水平高出30-40%，保障范围却更为有限

「模型没有预测未来，它正在制造未来」——当算法判定某区域高风险，随之而来的保费上涨、信贷收缩会实际推高该地风险等级

自我实现预言的现代版本

社会学家Robert Merton提出的「自我实现预言」理论，在数字时代获得新诠释。传统银行挤兑需要群体恐慌情绪传导，而现代风险模型仅需一次算法更新就能触发资本撤离。更关键的是：决策过程完全黑箱化，受影响者甚至找不到申诉对象。

香港金管局虽已推出绿色金融分类目录等监管框架，但专家指出根本矛盾在于：模型精度提升可能加速资本撤离而非缓解风险。当大湾区台风数据库被用于精准计算区域风险时，其结果可能比欧美模型更具不可抗性。

无声的资本撤退

最令人警惕的是风险重构的过程特征：没有正式公告，没有政策转向，只有信用评分悄然下调、保单自动失效、贷款审批率持续走低。这种「无主体决策」模式，使得风险定价变化既难以追溯，又无法问责。

随着《香港可持续披露准则》即将实施，业界需要重新审视：在算法主导的金融体系中，信息披露是否真能影响资本流向，抑或只是为既定的风险重分配提供注脚。