摘要：地震指数保险是我国巨灾保险制度的重要组成部分。然而,由于地震灾害发生频率低、造成的经济损失高且随机性强,地震指数保险的赔付结构设计往往会面临样本量不足、灾害损失预测不准确等问题,导致严重的基差风险。本文提出了一种新的指数保险设计方法,首先将传统广义可加模型的训练结果与决策树结构相结合,使连续型指数离散化,同步提高了地震损失预测、指数保险设计结果的稳健性和实际可行性。借鉴迁移学习思想,设计具有参数软共享结构的多任务改进决策树模型,最终实现不同区域地震损失数据的增强。基于1949-2019年我国历史地震灾害,基于三个目标区域,包括云南,新疆,以及西藏、青海、甘肃、宁夏,验证新方法对于降低地震指数保险样本外基差风险的优势,并应用“频率强度”模型框架计算保费,为完善我国巨灾保险制度提供理论参考和实践依据。

摘要：巨灾损失数据具有尖峰厚尾的特征,通常的损失分布模型很难对其进行有效地拟合。针对常见的各类分布(如Gamma,Lognormal,Weibull)和POT-GPD损失分布对巨灾风险损失数据拟合的不足,将截断形式的Mixed Erlang分布与Pareto分布进行组合,构建组合分布模型,充分应用了Mixed Erlang分布对阈值之前损失数据拟合分布形式的灵活性和精确性,以及Pareto分布对阈值之后尾部损失数据拟合的优良性,从而与以往方法相比,能够从整体上更精确地拟合巨灾风险损失数据。在此基础上,对中国1990—2018年4.5级以上地震所造成的直接经济损失数据进行组合分布建模,探讨该组合分布在VaR、TVaR和地震巨灾保险定价等方面的具体应用。研究发现:构建的Mixed Erlang-Pareto组合分布可以较好地拟合地震巨灾风险损失数据,且拟合优度高于Mixed Erlang-GDP组合分布;在忽略其他因素影响下,假定参保率为30%时,应用Mixed Erlang-Pareto分布计算的地震巨灾保险人均纯保费为40~43元左右,和四川省宜宾市城乡居民住宅地震巨灾保险保费相近,说明该地震巨灾保险保费的确定存在一定合理性。此外,对Mixed Erlang-Pareto组合分布拟合优度进一步检验,得出该组合分布也可以较好地拟合洪水损失数据,进一步表明该组合分布对巨灾损失数据拟合的优良性和适用性。本研究可以为巨灾损失风险评估提供一种新的备选模型,也可以作为评估巨灾保险定价机制合理与否的精算依据。