巨灾模型在风险分析中的不确定性

《巨灾模型在风险分析中的不确定性》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、巨灾模型在风险分析中的不确定性巨灾模型在风险分析中的不确定性巨灾模型在风险分析中的不确定性巨灾模型在风险分析中的不确定性　　随着中国保险市场的发展，巨灾模型作为一种特定的巨灾风险管理工具和精算评估工具，已经越来越被人们所熟悉。目前，在巨灾模型行业有影响力的主要有三大模型公司，即：AIR环球公司、RMS风险管理公司和EQECAT公司。中国人保财险于2006年开始使用AIR环球公司的中国地震模型，标志着巨灾模型开始直接进入中国保险行业；2010年，中国再保险集团引入RMS风险管理公司的中国地震模型，标志着巨灾模型领域在中国保险行业进入多元化时代。　

2、　其实在业内，并没有一个针对巨灾模型的标准定义，但巨灾模型的功能可以普遍理解成是借助计算机技术以及现有的人口、地理及建筑等方面信息，来评估某种自然灾害或其他人为巨灾对于给定区域可能造成的损失。有些行外人误以为巨灾模型可以用来预测下一次地震或飓风，其实，巨灾模型并不能用来预测具体巨灾事件的发生，而是对给定区域或风险标的集合遭受巨灾打击的概率及受损程度进行估计。简单来说，模型可以告诉你某一地区发生里氏八级地震的几率是百年一遇，地震一旦发生造成的平均损失是150亿，但却无法预知这个百年一遇的地震是在接下来的第一年还是第一百年发生。　　三大巨灾建模公司

3、的模型虽然在方法细节及参数假设方面不尽相同，但建模的基本原理和思路却已趋同。巨灾模型总体上分三个模块，分别是灾害模块（HazardModule）、易损性模块（VulnerabilityModule）和金融模块（FinancialModule）。灾害模块，也称自然科学模块（ScienceModule），是由地质、地理、水文、气象等方面的科学家对自然灾害本身的研究，此模块的成果为“事件集（EventSet）”，即在给定区域可能发生的所有巨灾事件的集合。易损性模块，也称工程模块（EngineeringModule），融合工程、建筑等方面专家的知识，研

4、究在给定区域某一灾害事件发生时对于特定风险标的（比如建筑物）的破坏情况。金融模块，由精算师等保险领域专家负责，将前两个模块的结果转化为保险损失，并应用于不同保险条款。可以说，前两个模块是个体巨灾事件对于个体标的造成损失的研究，再由金融模块转化为若干风险标的集合面对某种巨灾所产生损失的统计量。　　随着巨灾模型在中国保险和再保险市场应用的逐渐广泛，人们对巨灾模型的输出结果及其在保险和再保险定价中的应用越发关注。很多人对一些有趣的现象提出疑问：为什么不同的巨灾模型对同样的风险组合的评估结果存在差异？为什么不同的再保险人依靠相同的巨灾模型给出的风险评估

5、结果也会存在差异？这里我们就分析一下这些有趣的问题。　　首先，为什么不同的巨灾模型对同样的巨灾风险组合会产生不同的评估结果？针对巨灾模型构成的三大模块，即灾害模块、易损性模块和金融模块，不同的巨灾模型公司在建模方法和技术处理上均存在着差异，尤其是在灾害模块和易损性模块上，这是导致不同的巨灾模型产生不同的评估结果的重要原因之一。　　在这些方面的差异，反映了不同巨灾模型公司在自然科学和工程力学等方面的不同研究成果。自巨灾模型于上世纪80年代末被首次开发出来至今已有20余年的历史，其间随着自然科学理论的突破、计算机技术的进步、保险市场需求的刺激，巨灾

6、模型一直处于不断的发展过程中，不仅涉及的巨灾险种越来越丰富，涵盖的地区越来越全，模型本身也做得越来越精细，能够考虑进的细节也越来越多。然而，人类对大自然的认识毕竟是有限的，加上计算力瓶颈的限制，模型在很多方面都需要对实际情况进行假设和简化。公平地讲，巨灾模型的前两个模块是极大受制于基础科学的水平的，而自然灾害和工程力学方面的基础科学研究也在不断进步与自我超越，因此，巨灾模型由这方面引入不确定性几乎是不可避免的。　　另一方面，为什么不同的再保险人依靠相同的巨灾模型对同样的巨灾风险组合也会给出不同的评估结果呢？这个问题的产生主要在于对金融模块数据要

7、求的技术处理上。　　巨灾模型在实际应用中对数据的要求比较严格，输入数据越详细，分析结果也就越精确。各家巨灾模型公司在详细型损失模型（比如RMS公司的DLM，AIR公司的CLASIC/2）产品中均要求逐单数据的输入，并需要细化到每张保单下的逐个风险标的，信息可以详细到邮政编码、街牌号甚至是经纬度。　　这样详细的数据标准，在我国的再保险市场上尚未普及，目前，市场上绝大多数的数据信息是停留在省级层面上的，个别情况的数据信息可以实现到市县级层面上。这样，市场上的各个再保险人在利用巨灾模型进行风险评估时，实际上并没有真正使用详细型损失模型产品（DLM、C

8、LASIC/2），而是使用比DLM和CLASIC/2粗糙一些的聚合型损失模型（比如RMS公司的ALM，AIR公司的CATRADER）。聚合型损失模型是