由近期亚太地区地震看巨灾风险(图)

　　海外聚焦

　　高航

　　近年来，亚太地区大震不断。4年前的汶川大地震导致8万多同胞遇难，经济损失8000亿元人民币以上。2011年的新西兰基督城地震号称是新西兰历史上最黑暗的一天，300多人死亡，保险损失180亿美元以上。同年的日本仙台地震是日本二战后最惨重的一次自然灾害，将近2万人丧生，经济损失至少3000亿美元。

　　除了大震以外，仅仅在最近的一段时间，中小规模的地震也很频繁。6月11日阿富汗5.4级地震，大约70人遇难；15日中国台湾花莲在5个小时之内发生26次有感地震；15日菲律宾5.9级地震， 16日6.0级地震；18日中国天津4级地震；23日印尼苏门答腊岛亚齐省发生里氏6.6级地震。尤其令人印象深刻的地震事件是5月底发生在河北唐山的两次，第一次是5月28日4.8级，第二次5月29日的3.2级。虽然两次地震都没有造成经济损失和人员伤亡，但由于震中位置敏感且京津唐地区震感明显，所以还是在大家的心理上引起了一些波动。

　　那么，这一连串的地震是全球地震能量的正常释放，还是和本地区地壳活动进入了新的活跃期有关系呢？目前专家们莫衷一是，还没有定论。应该说亚太地区地质结构复杂，地震自古多发，没有什么理由特别担心。但是不担心不等于不关心，恰恰因为亚太地区地震频繁，保险业才更应该抱着未雨绸缪的决心加大在这方面的关注。在探讨应该如何认识巨灾风险的问题之前，让我们先说一点似乎无关的题外话。

　　今年是泰坦尼克号邮轮沉没100周年纪念。泰坦尼克号的传奇故事早已家喻户晓，但有关泰坦尼克号的保险情况却知者不多。1912年，英国白星公司仅仅用了3天就通过保险经纪Willis Faber (韦莱经纪的前身) 就为旗下的泰坦尼克号签妥了保险合同，为100万英镑（折合今天的9500万英镑，约10亿元人民币）的保额支付了微乎其微的7500英镑的保费。保单大，保费低，操作时间特短——原因很简单，因为没有人相信泰坦尼克号会出事。给泰坦尼克号上保险就好像给坦克上车险一样万无一失，所以一切从快从简。不过也有例外，英国水险公司British Dominion"s Marine Insurance认为泰坦尼克号吃水线太浅，因此拒绝为该船承保。结果不按常理出牌的公司后来一举成名，而想当然的公司赔得倾家荡产。

　　意想不到的事情却发生了，往往就会造成损失。越是想不到，造成的损失可能就越大。没人能想到“永不沉没”的泰坦尼克号在第一次航行时就会沉没，难道有人曾经想到日本仙台近海会发生破纪录的9级地震，或者美国纽约的世贸大厦会被飞机撞倒吗？巨灾风险带有极强的突发性和不可预测性，它就像是永远睡在我们身边的一只喜怒无常的老虎，如果有人因为老虎暂时打盹就视其若无物，甚至打保票它不会吃人，请先参考泰坦尼克号的教训。

　　我们呼吁关注巨灾风险，但绝不是希望大家变成忧天的杞人，因为，陷入不可知论而惶惶不可终日。事实上，意识到这只“老虎”的存在应该成为去认识和了解这只“老虎”秉性胃口、何时睡何时醒的动力，换句话说，就是要去了解风险的特征和性质。

　　巨灾风险既然带有极强的不可预测性，那么，怎样才能针对不可预测的灾害进行应对呢？最有效、最重要的手段之一就是通过巨灾模型分析，进行损失超越概率的计算。在巨灾模型分析结果之中，损失的大小和损失发生的可能性通过一条超越概率曲线挂上了钩。比如，最理想的情景是标的毫发无损，最糟糕的情景是标的彻底灭失，其他情况介于两者之间。这些不同的情景发生的可能性，在曲线上一目了然。有了这种科学定量化的工具，我们对于巨灾的发生就既不必讳言也不必惧怕，而是可以做到心中有数、坦然应付。巨灾模型开发人员的任务是保证模型尽量客观科学，模型用户的任务是尽量保证模型输入数据完整准确。两者结合，模型的结果才能可靠有用。在这方面，笔者曾经做过一些介绍，在此就不赘述了。以下结合国外的一些经验实例，介绍一下模型在业务中的应用。

　　对于保险业来说，巨灾模型在风险控制的头、中、尾各个环节都能发挥作用。在承保环节（也就是“头环节”），巨灾模型能够帮助承保人识别风险特征，鉴定风险大小，厘定合理费率，科学地根据自己的实际能力和风险偏好进行承保。现在巨灾模型开发地越来越细，高精度模型一般对于单个标的的风险都可以衡量。巨灾工业设备模型更可以进一步对于不同工业标的的易损性特征进行细化，可以模拟大中小型火力、水力发电厂、核电站（反应堆），风力或者太阳能发电站、化工厂、大坝等企财险主要涉及标的的特殊易损性。

　　在业务组合环节（也就是“中环节”），巨灾模型可以帮助用户找出众多风险中最可能造成重大损失的驱动因素，通过科学估算灾后损失，更加准确地评估资本的充分度，从而帮助用户合理分配资本。比如，英国布里斯托（Bristol）位于英国西南部，面朝大洋。这里曾经在1607年（我国明万历年）发生了一场在英国过去500年间最大规模的洪水。如果这场灾难在今天再次发生的话，会造成什么样的损失呢？通过使用RMS英国洪水模型，研究人员设计了5种不同的灾难情景，这些情景可能导致从70亿英镑到130亿英镑大小不同的损失。根据不同模拟精度的设定，研究人员还可以了解英国不同县，甚至不同邮编地区的损失分布是怎样的。这些信息帮助英国公司了解在最坏情况下会遭受多大损失，从而可以有针对性地检讨自己的准备金是否充分。这其实就是英国劳合社每年发布《现实灾害情景分析》（Realistic Disaster Scenarios 简称 RDS）的主要动机。

　　在风险转移环节（也就是“尾环节”），巨灾模型可以帮助用户确定再保险需求（这其实是业务组合环节的自然延续），设计定价再保险合约。同时，巨灾模型也为风险分出过程中谈判对手的交流提供了平台。从此，对于谈判的双方甚至多方，风险不再是一笔糊涂账或者一堆抽象的地址，而是一目了然的回归期，超越概率曲线和可以精细到邮编级甚至街道级的精细地图。

　　在笔者与业内人士接触的过程中，经常遇到的一个问题：巨灾模型有这么多的好处，究竟准不准呢？简单来说就是“不准”。主要有两方面的原因：第一是客观不确定性的存在，这体现为巨灾模型输出结果的标准方差。这种“不准”是风险永远具有的固有属性，也是保险业存在的基础。在一个人人料事如神、模型毫无误差的世界里，还有什么风险可言，谁还会买或者卖保险呢？第二个原因就是我们人类认识水平的局限。在这方面，通过电脑技术的不断提升，自然科学对于客观规律认识的不断加深，是有可能向更准确的结果趋近的。其实对于所有分析模型，不管是巨灾模型，其他金融模型，甚至其他领域的模型，以上两点都是类似的。

　　话说回来，尽管巨灾模型“不准”，但它凝聚了开发人员的智慧和知识，在很大程度上提供了非常重要的风险分析信息，多少打破了认识能力有限的人类与千变万化的大自然之间的巨大信息不对称性，仍然是一件能够辅助科学发展的利器。随着巨灾模型应用的普遍，中国保险业在应对巨灾方面一定会越来越有信心。

　　（作者简介：牛津大学博士，阿姆斯（RMS）风险管理公司亚太地区代表）