巨灾模型在巨灾风险分析中的不确定性.doc

精品巨灾模型在巨灾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。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、CLASIC/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）。聚合型损失模型是巨灾模型公司专门为使用者在无法得到详细数据的情况下使用而开发的，具体的数据聚合水平可能是省级的，也可能是市县级的。再保险人还有一种更为常用的做法是基于聚合型数据，依靠一定的数据分类参数假设，将聚合型数据拆分为虚拟的逐单型数据，然后再使用详细型损失模型对巨灾风险进行分析。这些分类参数假设包括建筑用途、建筑结构、建筑高度、工程进展期间的分类假设，还有保单免赔额、限额的假设，以及未来灾害发生时风险组合的可能价值等。数据分类参数假设的来源可能是分出公司根据自身统计给出的大致估计，也可能是再保险人根据自己的经验数据做出的尽可能合理的假设，也可能是再保险人在分出公司给出的参数假设上再结合自己的经验数据调整后的结果。因此，即使使用相同的巨灾模型对同样的巨灾风险组合进行评估，由于大家不可能对风险有着完全相同的假设，这就导致不同再保险人的评估结果间也会存在差异。总之，无论是模型公司之间的建模方法，还是分出公司提供的数据质量，或者再保险人在使用巨灾模型采用的数据分类参数假设，都会给巨灾风险评估带来极大的不确定性。要使巨灾风险评估更加合理准确，一方面，需要模型公司加深对灾害模块及工程模块的研究；另一方面，需要保险行业不断努力提高巨灾数据的精度和准确性。只有当这些巨灾模型的“基石”打牢后，巨灾模型才可以在我国保险和再保险行业中发挥出更重要的作用。(李晓翾，中国精算师(FCAA)，英国精算师(FIA)，中国财产再保险股份有限公司精算部定价与建模精算师；隋涤非，北美精算师(FSA/CERA)，中国财产再保险股份有限公司精算部定价与建模精算师)国际上著名的巨灾模型公司主要有三个：RMS、AIR和EQECAT。前两者在中国大陆已经打开了产品市场，AIR的模型被本土最大的财险公司购买了，RMS的模型被本土最大的再保险公司购买了，而EQECAT在中国几乎还没有什么声音。巨灾模型产生的一个重要输出结果是事故损失表（Event Loss Table）简称ELT，里面告诉了一些重要的信息，一个简单的形式如下：Event IDAnnual RateGross LossStd.DevExpo Value00120%650.1310000230%660.18110这是一个被极端简化的ELT，只有两个事件，肯定与现实模型是不相符的。有的模型将标准差又分为独立标准差和相关标准差，后两者之和就是一个事件损失的总标准差。在做EP Curve（超越概率曲线）时，曾经是只使用Annual Rate和Gross Loss，而不涉及标准差。也就是说，EP Curve只考虑损失的均值，没有考虑即便事件发生，依然会有工程受损性的不确定性。换句话说，EP Curve只考虑了primary uncertainty（一级不确定性，也即是数理统计学上的参数风险parameter risk），而不考虑secondary uncertainty（二级不确定性，即数理统计学中的过程风险process risk）。一般的讲，事件损失的总方差中，一级不确定性（参数风险）是最主要的风险，二级不确定性（过程风险）的占比较小。在直保公司对巨灾风险的累积分析中不会有太大的问题。然而，在再保险公司看来，如果是做超赔（Excess of Loss）业务，二级不确定性可能会对估价有一定的影响。这主要是因为，如果一个事件的损失均值是990万元，超赔的起赔点是1000万元，此时不考虑过程风险的话，超赔的损失成本就是零。但由于过程风险的存在，实际上该损失事件还是有一定的概率对超赔造成损失的。这就是二级不确定性存在的价值。如果要量化二级不确定性的分析，需要对受损比率（Damage ratio，DR ）做随机化处理。当不考虑二级不确定性，实际上损失估计是基于受损比率的均值也就是常说的MDR的。考虑到二级不确定性后，DR是一个随机变量。DR的随机分布模型可以根据MDR（损失除以标的价值）和CoV（标准差除以均值）来确定，比如拟合为某个区间在01之间概率模型。超越概率曲线曲线又分为每次事故的EP Curve（OEP）和年度累积的EP Curve（AEP）。当我们需要分析年度累积的问题时，必须要使用AEP，此时还需要对每年中损失的发生次数进行随机化，比如拟合为一个二项分布概率模型或者泊松分布概率模型。巨灾模型是一个非常综合的产品，需要科学家、工程师、金融分析师/精算师共同去合作。前两个模块可能我们精算职业很难去lead了，但是，一般精算考试考的，不管是北美CAS、英国IFoA或者澳洲IAAust，主要考试的内容是金融模块，而不是工程模块或者科学模块，这也算是我们真正有资格去lead的领域了，呵呵。巨灾模型（Catastrophe Model）在我国去年发生地震灾害后逐渐成为风险管理与保险业的热点话题之一。近年来关于巨灾模型技术的专题研讨会也经常由AIR、RMS等国际著名建模公司所主办。在去年的中国精算师年会上也特别以巨灾模型为主题设立了分会场。从目前的现状来看，巨灾模型技术对多数风险管理与精算业内人员似乎都处于初级认知阶段。因此，就现阶段的实情来看，关于cat modeling的入门级别的资料可能要比所谓的高级技术研讨更切合行业的实际。这个领域就目前国际环境来看，算是比较热门的领域之一，因此也希望风险管理与精算行业迅速了解和掌握这个领域。这里，我们对cat modeling技术做一个ABC级别的陈述，希望更多的人了解cat models，并对其中可能存在的问题提出见解。巨灾风险（如自然灾害）与常规风险（比如火灾）有着差别巨大的风险特征。从风险精算的角度讲，这些差别主要可以从发生频率、损失大小以及地理位置三个方面进行区分。常规风险的发生频率很高，损失大小往往受单个风险标的的价值影响，地理位置的因素对常规风险的影响甚小；相对的，巨灾风险的发生频率极低，损失大小通常是某一地区的全体风险标的都会受到影响，地理位置的因素对巨灾风险有着重要的影响，累积风险巨大。从精算估价的角度来看，常规风险的频发性使得估计赔付成本的波动性较小，因此经验估价法（Experience Rating）和风险估价法（Exposure Rating）足以应付常规风险的估价；而对巨灾风险，由于其低频高危性，使得对其的估计赔付成本的波动性巨大，因此，一般认为巨灾模型（cat modeling）是对巨灾风险进行估价的最好方法。虽然巨灾模型一般被认为是估价巨灾风险的最好方法，但是，不得不承认，巨灾事故依然是不可以预测的，一些自然灾害可能仅仅在发生前很短的时间内才有可能被稍为可信地预测。巨灾模型本质上不是在预测巨灾事故的发生，而仅仅是在通过simulation来重现巨灾发生的统计规律，巨灾模型产生的结果是一种统计结果，它具有较高的统计稳定性，因此可以用来为巨灾风险进行估价，或者说，对巨灾风险在财务上进行对价储备。这里略微深入的介绍一下巨灾模型的原理。先谈谈巨灾模型的构成。巨灾模型由三部分构成：科学模块（aka 危害性模块）、工程模块（aka 易损性模块）和保险模块（aka 财务模块）。科学模块主要告诉使用者巨灾事故的发生频数是多少以及每次事故的物理强度有多大；工程模块主要告诉使用者当巨灾事故发生时对每个保险标的的损害程度有多大；保险模块则主要记录了每个保险标的的保险信息，比如保险金额有多大，免赔额是多少等。为了说明原理，通过一个举例，可能会解释得更有效一些。一个例子：巨灾模型对某地区的地震进行分析，选择的分析周期是100年（当然，这个周期是不合理的，一般需要选用几万年的时间，这里仅仅是举个例子而已）。保险公司在这个地区共有100张企财险保单，保额都是1000万元，免赔额都是10万元，这些信息录入保险模块。巨灾模型在通过概率模型和随机模拟后产生了6个地震事故。针对第一次地震事故：保单No.1距离震中最近，科学模块显示烈度为8级，工程模块显示在8级烈度下MDR（平均损害率）为20，因此保单1的保险损失为：保额1000万20免赔10万190万。保单No.2距离震中次近，科学模块显示烈度为7级，工程模块显示在7级烈度下MDR（平均损害率）为10，因此保单1的保险损失为：保额1000万10免赔10万90万。依次其它保单同理。最后一张保单No.100距离震中最远，科学模块显示烈度小于6级，工程模块显示在相应级烈度下的MDR（平均损害率）为0，因此保单100的保险损失为：max(0,保额1000万0免赔10万)0万，即没有损失。这100张保单的保险损失之和即为这次地震事故的总损失，比如这100张保单的保险损失加总后是1.5亿元。同样，其它5次地震事故是同样的分析思路。根据这些分析结果，我们可以画出该地区地震灾害保险损失的超越概率曲线（Exceedance Probability Curve），从而可以计算出有价值的指标，比如可能最大损失PML、年度平均损失AAL以及其它的指标。直接保险公司使用巨灾模型主要可以用来分析巨灾累积风险和测算巨灾保险费率，而再保险公司主要是利用巨灾模型来为巨灾超赔再保险进行估价。巨灾模型行业在2004年Katrina飓风后，收到美国保险业的质疑。因为巨灾模型对保险损失的估计值远低于实际损失，这对cat modeling行业带来了巨大的挑战和质疑。关于这些争论，有兴趣的可以到互联网上搜看相关资料。但最终，多数被接受的观点是，巨灾模型的严重低谷的根源在于美国保险行业在使用巨灾模型时数据输入的混乱和低质量的数据垃圾，当然，巨灾建模行业也不断调整模型参数、基础数据库等以不断完善巨灾模型的拟合效果。关于这个话题，还有很多可以去说，但是在ABC级别的介绍性资料中，不深入谈这个问题了。中再产险购买AIR巨灾模型2012年07月20日 08:57来源：中国保险报字号:T|T0人参与0条评论打印转发本报讯 中国财产再保险股份有限公司（以下简称“中再产险”）近日同美国巨灾模型公司AIR Worldwide (AIR)签订协议，购买使用AIR的中国台风、地震等灾害农作物保险模型。购买AIR巨灾模型标志着中再产险深化巨灾风险管理的决心。随着近年来世界范围内严重自然灾害频发，以及国内财产险市场巨灾风险暴露的快速累积，如何全面有效地管理巨灾风险已经成为整个保险行业高度关注的课题。巨灾保险和再保险产品的合理定价、公司巨灾风险累积的监控，以及科学管理巨灾风险累积以配合公司全面风险管理，都离不开对巨灾风险的深入量化分析。中再产险之前已于2010年和2011年分别购买了美国RMS巨灾模型公司的中国地震及台风模型，并将其广泛应用于承保定价、转分安排、信用评级及重大风险测试等多个关键业务领域。巨灾考验之下 人保率先启用AIR风险模型作者： 时间：2006-5-24 8:27:545月18日凌晨2时15分，今年第一号强台风“珍珠”在广东饶平到澄海之间沿海登陆，之后进入福建漳州境内，漳州所受经济损失将达33亿元。2004年的台风“海棠”使人保财险支付赔款6.68亿元，而2005年的4个较大危害台风使人保支付赔款16.5亿元。与此同时，多发的洪水和地震也时刻威胁着经济安全，中国地震局震灾应急救援司2005年中国大陆地震灾害损失述评数据显示，2005年中国大陆地区有11次地震成灾事件，总的直接经济损失约26.3亿元。人保财险5月19日宣布，将正式启用由美国AIR环球公司开发的专门针对中国的地震模型，这也是中国的保险公司第一次使用巨灾风险模型进行风险评估。人保财险再保部总经理张青表示，利用AIR开发的地震模型主要是按照模拟的方法，进行全国范围、特定地区和单一标的的风险评估，一方面可以在承保前确定某一标的的损失概率，另一方面还可以在承保后确定可能带来的最大损失，从中确定保险公司可以自担多少风险，另有多少需要考虑安排再保。作为全球三大巨灾风险模型公司之一，AIR环球公司第一个开发出专门针对中国的地震模型。据AIR环球公司CEOMs.KarenClark介绍，建立这一模型需要大量的数据基础，AIR采用了中国从公元前780年至公元2005年的地震数据，将发生地点、发生频率和震级作为基础数据，同时还考察了地质数据和GPS数据。张青介绍说，虽然在人保的企业和家庭财产保险标准条款中地震都属于除外责任，但客户也可选择扩展条款来获得地震灾害的保障，同时建筑工程险中地震都属保障范畴。“目前国内新建工程繁多，建/安工地震保单占我们总地震风险保额的40%-50%，AIR的模型可以帮助我们更好地了解其风险特点。”张青说。AIR公司模型开发经理申屠炳明介绍，“建筑是地震灾害中损失最大的一部分，因此在建立地震模型时我们还考虑了建筑物本身的特点，比如建筑材料、建筑结构、建筑年代、高度及地区等。”一大型财产保险公司再保部经理表示，利用数据进行量化分析能够给巨灾风险管理提供直接的帮助，但数据的准确性非常重要，数据来自每一张保单，例如一个全国统保的业务在录入时是统一录入单位注册地还是按标的所在地分别录入，得到的结果就不相同。中国人保首次利用AIR中国地震模型进行详细地震风险分析2005-07-25 13:22:24中国人民财产保险股份有限公司 (PICC) 首次利用AIR中国地震模型完成了对中国的详细地震风险分析评估。 除家财，企财险外， 该分析还重点对建工/安工险进行了评估。 随着中国经济的高速发展， 建工/安工险保费增长速度也在加快。人保再保部总经理张青在分析结果交流会上指出：“我们的业务在不断扩增， 有效管理巨灾带来的风险是非常关键的， 尤其是地震对建/安工程可能造成的经济损失。 目前建/安工地震保单占我们总地震风险保额的40-50%。 AIR 的模型采用了先进的工程学方法来模拟在建工程， 能帮助我们更好地了解其风险特点。”AIR 中国模型技术经理申屠炳明博士说：“模拟地震对在建工程所造成的损失及概率很具挑战性， 因为在建工程的易损性及重置价值随着施工进度而改变。 AIR 根据建/安工程从开工到竣工的施工周期和特点， 对其易损性进行了全面和深入的研究。”除了利用先进和独特的方法评估建/安工程风险外， AIR地震模型能对中国不同类型的建筑物进行损失评估， 包括砌体，钢筋混凝土和钢结构等。 该模型的损失评估系统综合近年来国内外学术界对各类建筑物易损性的研究成果， 中国建筑抗震设计规范， 结构地震分析及大量中国历史地震中建筑物破坏损失报告等相关数据。 同时， 该模型可以反应不同的结构类型， 建筑年代，建筑高度和不同地区抗震设计烈度，施工质量等因素对易损性的影响。“AIR地震模型对中国各地区的地震灾害和各类建筑群的分析研究既详细又有深度， 给我们深刻印象。 该模型 对人保的现有风险分布进行了全面的分析和评估。”Guy Carpenter 香港区总裁Lawrence Liao 评价道。除了建筑易损性模块，AIR中国地震模型还包括了详细的地震活动分析，地震动强度和地震危险性分析模块。AIR地震模型项目小组对中国地震学方面的最新研究成果进行了深入研究，并与中国地震局各研究所的多位地球物理学家，地质学家，地震学家交流和研讨，以确保该模型是建立于最新的科技成果和发现基础之上该模型应用了从公元前780年以来的历史地震记录和大量的古地震， 地质和全球定位系统 (GPS) 测量研究成果对将来可能发生地震的地点，大小，重复频率和带来的损失进行分析。AIR中国地震模型不仅能对中国各地区的地震灾害和损失进行分析， 它还能对单个风险标的在承保前进行损失和定价分析。 该模型可利用于再保计划安排，管理和定价， 并在新产品开发和业务发展战略决策方面发挥重要作用。相关链接：AIR 公司简介: AIR是一个业内领先的风险管理和自然灾害模型开发公司， 旨在帮助保险公司， 再保险公司及企事业单位管理由巨灾和天气所带来的风险和损失， 并提供全面可靠的风险管理模型软件和咨询服务。 AIR利用最新的科学技术， 为世界上40 多个国家和地区建立了各种自然灾害模型; 并为美国建立了潜在恐怖事件的风险模型。 AIR的其它业务涉及特定场地地震灾害分析， 为保险和再保险公司发行巨灾债券提供风险计算和评估以及为客户提供财产重置价值评估等。 AIR的产品和服务已被世界上主要的250多家保险，再保险公司和企事业和研究单位所应用。AIR， 成立于1987 年， 是 Insurance Services Office， Inc. (ISO) 美国保险服务公司的全资子公司。 ISO 是美国著名以盈利为目标的保险服务公司。 它在标准保单条款设计， 统计， 精算， 费厘分析特别以数据和数据库管理方面见长。 ISO 有约三千员工和二百名精算人员。 AIR总部设在波士顿并在北美，欧洲和亚洲有分支机构。EP曲线昆鲁斯认为，如果说有什么创新促使人们在更广泛的范围内对风险进行思考的话，那就是超越机率（exceedance probability，EP）曲线。风险管理人员使用该曲线对灾难风险进行量化处理。灾难模型一书详细阐述了EP曲线的发展沿革及其在风险管理方面的重要性。例如，在该书的第四部分，帕特丽夏格罗西和一些前沃顿学生使用灾难模型，对下一年度在靠近加州奥克兰市附近某一地震断层发生某一震级地震的概率进行分析。另外一个模型可以预估这样一次事件对该地区住户以及对某一虚拟的保险公司所持保险组合所造成的损失。这些数据构成EP曲线的基本组成单元。对其他可能发生的地震事件也进行同样的分析，所得到的结果加入该EP曲线中。该模型还对超出一定值的破坏损失或理赔额的发生概率进行分析。昆鲁斯说道，“一家保险公司可能会说，奥克兰的一些住户向我们投保。那么可能的破坏情况将会达到什么样的程度？理赔额超过X或Y百万美元的概率有多大？”“然后保险公司才能制定相应的保费标准。公司也才能确定其投保范围是否太广，有可能导致公司最终破产。”昆鲁斯指出，“对于本书而言，这一点是关键所在。如果一家保险公司声称它希望理赔额达到某一数值以上的概率不高于1%的话，那么这家公司有几种可供选择的办法降低损失。一是采用再保险的办法。二是灾难债券。三是采取能降低自然灾害事件损失的方法”。这些方法包括加固那些不稳固的建筑，以及制定新的建筑法规标准，对某些建筑修缮工程予以一定的税务减免等。昆鲁斯继续说道，“第四种办法是缩小承保范围。”“第五种办法是提高保费水平。这些办法使保险公司能胸有成竹地说，假定在某一特定区域我所管理的风险组合是这样的话，我可能会遇到什么样的情况，而我又能采取什么样的应对措施。”昆鲁斯补充道，该书的要点之一是邀请了一个由科学研究人士所组成的技术顾问委员会对由这三家公司所建立的模型进行评估，评估内容也包括三家公司对地震事件可能对S.C.查尔斯顿市住户财产所造成的损坏情况的分析。为了保护三家公司的估算细节不被披露出来，这些公司的分析采用不署名的方式，而且所有公司所分析的都是相同的风险组合。在写作该书时仍在沃顿攻读博士学位的格罗西然后在上述基础上对这些模型进行比较分析。格罗西说道，这种做法的意义在于“能找到三个模型所生成的结果之间的不同。”格罗西预计，由于查尔斯顿地区与加州相比，这是一个地震低发地带的EP曲线生成过程中所涉及到的不确定性程度，所生成的超越机率曲线非常可能是互不相同的。不过，格罗西也提到，“通过比较不同的曲线能发现理赔额最有可能出现下降的范围，这一点也是十分重要的。尽管每一条EP曲线都是有效的，不过将它们进行互相比较能使我们加深对灾难风险不确定性的理解，并且考虑预估理赔额的范围而不是单一的预估理赔额。”理赔的历史信息不足在灾难模型一书中，格罗西、昆鲁斯与他们的同事一致认为，政府、个人和公司尤其是在发达国家中常常对重大自然灾害事件（例如，飓风、龙卷风、地震和洪水等）准备不足。政策制定者一般都是在事后才采取亡羊补牢的措施。不过，自然灾害可没有准备销声匿迹的迹象：就在刚刚过去的八个月中，飓风查利、弗朗西斯、伊万和珍妮横扫了美国的佛罗里达州、新泽西州和宾夕法尼亚州；亚洲的海啸灾难造成了11个国家约30万人的死亡；而最近在南加州发生的洪水灾害冲毁了大量道路和房屋，并造成洛杉矶郡上千居民的供电中断。大规模灾害事件当然意味着大笔损失。在过去的十年中有九年，全球因自然灾害所造成的年度损失金额超过400亿美元。在2004年，因自然灾害所造成的经济损失高达1,200亿美元，其中140亿美元与12月26日发生的印度洋海啸灾难有关。作者认为，由于人们逐渐认识到灾害事件会造成巨大的破坏，因此灾难模型已经在公共部门和私营部门中获得了广泛的认同，人们在大量风险管理战略中使用该模型作为决策支持依据。这个模型所面临的一个特殊难题是“理赔的历史信息不足。交通事故与火灾事件频繁发生，因此精算师有足够的数据基础来对未来可能的理赔情况进行估算；与这些事故不同的是，”可供使用的与自然灾害相关的理赔历史数据少得可怜。正如该书所指出的，尽管这种灾难模型所采用的概率方法是最合适的，“但是这要求根据十分复杂的时间与空间物理现象进行建模，编制详尽的有关建筑清单的数据库，估算各种建筑结构可能的物理损坏情况，并将损坏情况转换成理赔金额”两位作者指出，从建模者的角度来看，“他们的任务就是以符合实际的和令人满意的方式模拟出这一非常复杂的系统中最为重要的方面。”该书在对风险评估流程进行描述之后，继而对如何将这种评估与保险关联起来进行了探讨特别是，保险公司如何利用这一先进的科学工具，对自然灾害风险进行评估，从而制定出能降低理赔额的相关策略。在某一层面上，这就转换成一个非常简单的有关保费率的问题：如果一家保险公司决定对某一种风险进行承保，那么它应当制定怎样的保费水平呢？当然，这也提出了风险组合管理与风险融资等战略问题。两位作者写道，灾难模型能对“一系列的风险管理战略组合”进行检验评估。“一名保险商能访问公司数据库”，从而确定新客户所适用的保费水平，以及这一风险是如何“与公司风险组合中的其它风险相联系起来的。风险组合管理人员可执行这些指导政策，依据新保单的地点和潜在风险从而决定所适用的保费水平。不同的风险转移项目能与现有的风险组合一起被通盘考虑，从而进行定价和评估。”公司从而能决定“是否缩小保险范围，或提高保费水平，或购买灾难债券和/或将一部分风险转移给一家再保险公司。”第二部分对自然灾害的风险评估进行探讨。该部分第一章介绍风险评估流程和灾难模型在自然灾害评估中的作用。另一章讨论灾难模型之不确定性的性质和影响，并附有佛罗里达州与南加州飓风与地震灾害的案例研究。第三部分的标题是“联系风险评估与保险”，这一部分包括由三家建模公司所分别撰写的章节。其内容包括灾难模型在保费率制定方面的应用，并对保险精算原则与监管角色等内容进行了探讨。第二章内容包括保险组合管理，其重点放在保险组合的构成、灾难模型以及与风险组合相关的问题上。本部分的最后一章对风险融资进行了探讨，并提出问题，“对什么风险应当进行融资？”这一章对风险融资机制、风险转移的成本以及风险融资方案进行了分析说明。地震风险模型清障中国巨灾险发展 2007年03月28日03:01第一财经日报陈天翔相比较每年都以较高速度增长的中国保险市场来说，巨灾保险在中国的发展却是非常缓慢。美国阿姆斯风险管理决策公司(RMS)共同创始人、总风险师董伟民日前接受第一财经日报专访时表示，中国在巨灾保险领域中发展速度慢，主要