浅析巨灾模型混合技术的国际经验

来源:澳门金莎官网发布时间: 2014年03月14日浏览次数:

  【作者:张利 丁元昊】

  随着2014年1月续转季的结束,全球再保险市场承保能力又达到了一个新的高度。在传统再保险领域,超过一半的合约与巨灾风险相关;在创新再保险领域,巨灾风险更是占据首要地位。作为巨灾风险管理的工具,巨灾模型也越来越显著地影响再保险市场的价格走向。

  一、巨灾模型混合的目的

  随着巨灾模型使用的推广,(再)保险公司开始利用巨灾模型测算的期望损失进行定价,对不同地区不同风险进行风险累积测算,向公司高层或监管机构报告巨灾风险。随着使用的深入,行业发现,不同巨灾模型对同样的风险暴露的测算会产生不同结果,另一方面,同一模型公司不同版本之间,也会产生结果上的显著变化。这时就会给使用者带来很大困惑:究竟应该购买一种还是多种巨灾模型;模型版本的变化对公司业务带来怎样的影响;模型校验结果是否可靠;怎样反应公司自身对风险的认知;如何利用承保人的观点。这些问题没有正确的答案,却共同指向了一个解决方案,即模型混合。

  二、巨灾模型混合的方法

  按照Guy Carpenter对巨灾模型技术的分类,巨灾模型混合可分为三个阶段,第一阶段叫模型混合(Blending),是将不同巨灾模型同一灾因的输出结果进行二次加工,以反映不同模型观点的融合;第二阶段叫做模型嵌套(Morphing),是将不同巨灾模型不同灾因进行加工,以实现跨平台多灾因测算;第三阶段叫做模型拼接(Fusion),是将不同巨灾模型不同模块结合到一起,以实现巨灾模型的优化。以该分类为标准,目前国际市场上的主流方法,还停留在第一阶段。

  模型混合主要包括以下两种基本方法:

  1.强度混合(Severity Blending)

  强度混合是最为普遍的方法,它将不同模型相同回归期的期望损失进行加权平均,得到的结果综合了不同 模型对该巨灾风险强度的一般看法。举个简单的例子,模型A公司认为某地区台风百年一遇损失为2000万,模型B公司认为该地区台风百年一遇损失为3000万,那么简单平均得到,该地区台风百年一遇损失的强度混合结果为2500万。

  这种方法可以简单直观地反映两个模型的期望损失,而且操作上比较便利,因此很多公司采用该方法对模型输出结果进行调整。

  2.频率混合(Frequency Blending)

  频率混合是相对高级的方法,它将不同模型相同期望损失对应的不同回归期进行加权平均,得到的结果综合了不同模型对该巨灾风险频率的一般看法。假设模型A公司认为某地区台风损失2000万的频率为百年一遇,即1%,模型B公司认为该地区台风损失2000万的频率为五十年一遇,即2%,那么简单平均得到,该地区台风2000万损失的频率混合结果为1.5%。

  这种方法虽操作复杂,但充分考虑了各模型对尾部风险的观点,因而得到广泛应用。在实务中,该方法可以将不同模型得到的事件集频率乘以权重生成新事件集,也可以通过以权重为随机数分别抽样各模型的事件集生成一个新的事件集。

  以上两种方法为基础,行业对其运用进行了扩展。首先是加权平均的权重选择,建模者需要考虑模型和版本的发布年代、模型更新的频率、模型公司的开放态度等多方面因素。其次是对风险累积的考虑,由于不同模型基本假设的差异,新混合的模型在进行巨灾累积时可能存在困难,解决的办法是采用生成“年度事件集(Year Event Table)”,利用随机模拟的办法进行计算。

  三、巨灾模型混合的方向

  随着行业对巨灾模型关注的提升,巨灾模型公司对技术黑箱(Black Box)也慢慢持开放的态度。例如,模型嵌套(Morphing/Bending)会要求使用者了解不同模型公司对频率、强度的分布假设,通过变换方程,将模型A结果嵌套至模型B中,从而实现在模型A中不具备的功能。更进一步,模型拼接(Fusion)的技术要求相当于建立自己的巨灾模型:巨灾模型通常由灾害模块、工程模块、易损性模块、金融模块组成,随着巨灾模型透明度的增加,不同模型的优势模块结合到一起,能得到反映行业最优观点的结果。

  综上所述,单一的巨灾模型结果可能会制约公司巨灾风险决策,多巨灾模型混合技术能降低各模型公司间结果的不确定性。这虽然并不能使结果更加精确,却能给决策带来更有价值的参考。

  (张利,理学博士,FCAS,MAAA,澳门金莎官网行业数据分析中心主任,电子邮箱:zhangli@cpcr.com.cn;

  丁元昊,保险学博士,ACAA,澳门金莎官网精算与产品开发部,电子邮箱:dingyh@chinare.com.cn)

关闭
XML 地图 | Sitemap 地图