来源：搜狐理财
第二届亚洲巨灾风险保险国际会议于2009年12月8日、9日在北京召开。本次会议汇聚国内外风险研究领域著名学者、保险和再保险公司人员、相关政府部门官员等，针对亚洲巨灾风险、风险模型化、巨灾保险、中国自然灾害风险等主题，开展专题报告和讨论，提出风险解决方案。搜狐理财独家直播了此次会议。
韦莱集团控股有限公司 Karl JONES
Karl JONES：谢谢，昨天教授提到了三点，关于我们这个会议，就是管理、金融、科学。今天我至少要把这三点都要讲一讲，但是我是要在保险的背景之下来谈。下面是我今天发言的一些主题：
首先我要谈一下在中国巨灾的建模，以及销售的模型。
第二点我们来了解一下，在这个模型当中有什么内容？怎么去理解它们？
第三个就是模型它们的一些要求。
还有我会跟大家谈一下怎么应用这些模型？他们的产出，我会谈一些非模型的威胁。最后我讲一下我们Willis的研究网络。
昨天有人谈过了什么叫做巨灾的模型，所以这个我不详细说了，这里有一个非常重要的一点。就是说他是一个模型，他只是一个工具，而且他的产出也是有很多机构在使用。不管是保险公司，还是再保险公司，他们都会知道这是一个工具，你不能把这样一个东西当成是绝对性的。所以你用他这个数据的时候，一定要三思而后行。
另外我们谈这个保险的模型，包括什么内容呢？脆弱性等等。我们考虑保险的情况，我们还要考虑到他在巨灾中的损失，所以我们必须要考虑到自然灾害风险的频率等等的问题。那么这是他的最后一个产出。那么这是他的一个曲线，如果说你自然灾害越严重，那么你的损失就越严重，这里有不同的模型给我们带来不同的产出。
究竟我们怎么样来做这么一个建模呢？有三块需要说：
第一个就是承保，就是对原始的风险进行定价。
另外一点就是要做一些再保险的决策，以及购买。
最后一点就是政府和监管的环境。监管环境现在变得越来越重要，因为现在这个模型应用得更加广泛了。
我们在中国销售的模型呢，在中国还是很新鲜的，只有一点是例外的，这点就是销售模型已经有几年的历史，美国的AIR，他们在中国已经有几年的运作，这样一个模式有三个销售的模式，在地震方面。台风方面有两个模式，所以这里面有很多的内容还没有被建模，我们都需要考虑的。
所以我们看一下怎么理解这个模型对我们带来的产出？如果我们看一下不同的模型，他们所得出的产出也不完全一样，我们要理解为什么一个模型得出来的东西比后面的高一倍，我们一定要挖掘这个黑匣子的秘密。为了这样做，微利时有一个MSA的模型，这是一个非常巨大的数据库，不仅中国的模型，而且还考虑世界上各地所能得到的模型。我们所做的工作就是要了解这个模型的敏感性，它对于每个参数的敏感性。所以这里面我们会问一系列的问题说，为什么这个模型会给出不同的答案，为什么每年这个模型给出的答案也不一样，这个模型是不是在变化？随着科学的进展，它是不是也在变化？所以这里我们要考虑怎么做数据的捕获。
我们怎么做呢？我们先拿一个单一的风险在单一的位置，然后我们来看，比如说一个特定数量的保险，比如说10亿人民币，然后我们改变跟这个位置相关的一些条件。比如说我们可以改变它的建筑类型，然后我们看一下在这个模型当中曲线会发生什么变化？这个幻灯片里面有很多的信心，试图说明如果我们选择一个特定的位置，我们可以按照邮编来选择一个地区，然后包括，或者不包括这样一些信息的话，一些相关的参数信息的话，我们会得到完全不一样的结果。我们可以看一下，比如加一个参数或者减一个参数的话，会使得这个数值的结果发生很大的变化。说明在这些模型当中他们有很大的差别，即便是在同一个模型当中，比如第一个模型当中，能够造成区别的话，唯一的区别就是建筑类型。所以也就意味着在模型一当中就是建筑类型。
第二点就是在这个例子里面，我们可以看到加入了更多信息之后，我们可以降低这样一种危害的损失，因为我们有了更多的信息。所以这个我也没有时间来说细节，但是我们在地震，还有台风方面，都有这样的模型可以帮助大家很好地理解，它所带来的风险。
下面我们再来谈一下，就是我们通过这个模型可以对于风险，就是我们地震的模型，看看在不同的地区它有什么样的风险？所以这里我们可以看到A模型，它和其他的模型完全不一样，得出的结果。比如说云南，云南在A模型当中是第三名，而在B当中是第八名，在C当中也是第三名。所以他在A模型当中他是一个非常高风险的，但是在B当中又不是，所以在不同模型当中他们存在着极大的差别和区别，我们得搞清楚是怎么回事。
那么在台风中，我们看到A模型和B模型是关于台风的。下面我们看一下这个模型有什么样的差别？才能够达到最优化的运作？通常来说，在这个模型当中，我们可以获得一些关于暴露的数据。首先我们对于承灾体分布的信息有一个比较好的了解，这样才能够知道你整合性的组合数据是什么？不管你说在承保方面面临怎样的风险？你的具体情况是怎样？都必须有一个自身的组合数据，这是非常重要的。
还有重要的就是说，你具体的地理位置也是非常重要的，具体的地理位置带来你在输入方面不同的特点。所以说我们这个模型的输入具有非常重大的影响。那么比如说在这个地震当中，建筑的类型都有建模预测的损失，就有一个非常重要的作用，所以我们数据是非常重要的，我们在数据这块应该加大投入和投资。
同样你可以根据你所收集到的数据，比如政治上的数据，还有根据各个灾难爆发地点特定的数据来进行一个数据的整合，我们保险公司都非常地了解这一点，就是要把数据很好地整合，才会设计出一个可预计的损失的预估。这是一个不断改进、不断改善的过程，所以我们需要保险公司能够在这个过程当中，不断地进行努力，不仅仅是说一个经济做完了就算了，在这之后还要不断地进行改变，因为之后要把相关的因素都加进去，才能把这个损失做一个比较好的整合。
那么现在我跟大家谈一下这个模型的产出，有哪些应用？首先是对这个是承保的益处。如果说一个保险公司很好地理解他一项保险所带来他的影响的话，那么我们就知道要很好地进行承保和组合的管理。当然了对于不同承保的风险，你要做一个区别，不同的类别有不同的对待。同时还有风险的级别也应该做一个区别，对于一些高的致灾因子的话，可能要尤其注意。
我现在跟大家讲一下，在台风和地震方面的模型。当然在中国还有不同的地方，比如说洪水多发区和不太容易受到洪水的地区，都应该是不一样的。所以应该首先对地域应该有一个区分，然后才能知道你的组合的数据是什么？那么从这个再保险上的角度，巨灾模型应该是一个比较综合的组合过程，首先要看一下你损失的情景是什么？然后你看一下是风险规避型的、还是其他类型的？还要进行一项比较综合金融上的分析，你要知道，你投入和产出，然后还有一个风险的管理、风险的评估。同样在这个过程当中，监管的环境也是很重要的。比如说以（英语）为例的话，我们就应该知道，在这个模型当中，哪些监管环境是包括在里面的，是对我们这个模型有影响的，哪些是不会给我们带来影响的？所以只有这些给我们带来影响的数据，才是我们模型的投入。
那么对于那些未建模的自然灾害呢，它会面临怎样的危险呢？这个是大家看到图片上是洪灾。那么这个洪灾的建模，在目前我们中国销售模型当中，任何一个都没有设计。所以说我们这个建模也不是说包括所有种类的自然灾害，比如说洪灾就没有。那么1998年的洪灾，如果说按照美国的保险标准的话，肯定是巨大的赔付。当前我们还没有具备这样一个建模。
还有风暴，在过去几天我们听到风暴听了很多，非常有意思的一个数据就是，我们根据一个组织所做的数据，我们可以得到在四川2008年我们受保的损失大概在三亿美元左右。而2008年的冰雪灾害受保的损失可以看出，比之前3000万要多得多。当然了，我们现在还考虑到气候变化的影响，这也对我们的建模产生比较重大的影响。
我现在给大家谈一下我们Willis研究小组，我们有一个比较综合性的研究网络。这个研究网络包括保险公司和再保险公司。我们和一些建模的公司也有非常好的合作，我们希望我们的合作是透明的、高效的。我希望他们能理解我们Willis所持有的基本公司的文化或者是原则。大家可以看到，这些都是在我们研究网络上的一些合作伙伴。但是大家在这张图上可以看到，在2007年到2010年，我们也承担了很多的研究课题，这方面我没有太多时间给大家说了，主要是基于损失的建模，就是我们如何去评估风险？并且准确地应对不确定性。
当然了，之前我们的James也提到，根据气候变化给我们带来的挑战。所以我们在一些地区的话，他受到气候变暖程度比较大，所以我们在建模的时候会考虑地区的差异性，在这些地方可能会遇到一些阶段的天气事件，我们在气候变化大背景下，我们考虑一下这个地区的台风发生机率有多大？我们也有一个亚洲热带气旋的研究，我们可以看到受灾的风暴在哪里？然后针对不同的地带，我们做出一个建模。
大家肯定这是全球地震的建模，我们前面昨天有一个发言人谈到地震的建模，这边我就不多讲。好，我现在进行一下总结。就是说在中国的话，这个建模的话还不是用得非常的广泛，那么首先我们应该了解到，这个建模也是相对而言比较年轻的一项研究，所以我们要更好地理解销售建模，并且怎么应用好这些信息？而我们台风和地震不仅仅是为了建模，可能有比较大的风险，不仅仅是这两项，还有其他的一些。好，这就是我想要讲的，谢谢大家！
上网从搜狗开始
