实施金融策略的理论可行性及应用效果

（1）灾害风险评估理论日趋丰富

灾害风险评估起源于近年来趋于严重的自然灾害。在20世纪90年代，在全球自然灾害频繁发生的背景下，联合国于1991年提出了以减少30%的灾害损失为目标的国际减灾十年（International Decade for Natural Disaster Reduction）计划，以减轻自然灾害对全球社会经济发展的影响。其中，由于灾害风险评估是制定防灾减灾计划的重要基础，其成了该计划中的重要一步，关于如何进行灾害风险的评估（特别是泥石流灾害风险）逐渐成为国内外学者的研究重点。总的来看，依据评估过程中所采用的方法，灾害风险评估主要分为定性评估和定量评估两种方式。就定性评估而言，Zejiang（2010）认为定性评估可利用有限的数据有效地表达灾害风险，适用于数据缺失或调研程度不高的灾害风险分析和评估[13]。在早期研究中，Cruden、Hungr（1997）等学者通过历史记载按重复的时间间隔推测泥石流灾害发生的可能[14]-[15]。Picarelli、Oboni、Evans（2005）等学者根据泥石流堆积物上的植物、生物、地貌等特征对泥石流灾害风险进行评估。由于定性评估方法存在一定主观因素，不同领域的学者得出的结论存在一定差异，故针对泥石流灾害的风险评估主要侧重于定量方法[16]。就定量评估而言，评估方法主要采用物理模型、数学模型和统计分析方法。就物理模型而言，其侧重于描述泥石流灾害的形成机理，Abella（2005）结合地质学和地貌学知识用物理模型评估了古巴滑坡泥石流灾害的易发性[17]。Gorsevaki（2006）采用物理力学结合岩土、水文数据和GIS评估泥石流灾害风险[18]。就数学模型和统计分析方法而言，灾害风险评估的研究成果更为丰富，常见的方法包括层次分析法、回归分析法、灰色关联度分析法、构造函数法、多元统计分析和机器学习。Guzzetti（1995）通过数学方法建立滑坡易发性分析模型实现灾害风险的定量分析[19]。在国内，汤家法（1999）结合GIS技术和层次分析法对岷江上游泥石流灾害进行了危险度区划[20]。梁明贵（1999）利用线性回归模型分析了泥石流沟严重程度[21]。李志斌等（2000）通过灰色模式识别理论对泥石流灾害进行危险度评判[22]。刘希林（2000）结合人口、财产统计指标通过转换函数对四川省的泥石流灾害风险进行了评估[23]。赵源等（2005）通过构造函数的方法计算泥石流灾害损失，并对四川省部分县区的泥石流灾害经济风险进行了评估[24]。骆银辉等（2010）通过选取典型地质灾害影响因子，采用多元线性回归作为评价模型，对云南三江并流区地质灾害危险性进行了评估[25]。王欢等（2011）基于ArcGIS平台建立泥石流危险性数据库，在取评价因子的基础上利用层次分析法对三江并流区泥石流灾害危险性进行评价并实现风险区划[26]。丁明涛等（2012）结合地理指标数据和K-means聚类法分析了三江并流区泥石流灾害的危险性[27]。徐波（2016）基于极值理论和分位数回归理论得出了云南省地质灾害损失分布函数，并根据结论提出了地质灾害风险管理策略[28]。近年来，随着计算机和算法模型的发展，机器学习由于其对数据量和变量种类上具有较大兼容性，其在泥石流灾害风险评估中得到了广泛应用。吉晓玲（2012）使用粗糙BP神经网络模型对我国泥石流灾害进行了危险性等级划分[29]。Wang（2015）基于随机森林算法对东江流域的泥石流灾害风险进行了评估，并得出随机森林模型较SVM模型较优的结论[30]。Tang（2017）利用贝叶斯网络模型对灾害测试数据集进行拟合发现该模型具有较高的准确率[31]。综合已有灾害风险评估方法，当前灾害风险评估已从以往单一学科的专业分析逐渐发展至多学科交叉的综合分析，特别是统计、概率和机器学习方法的不断发展，已为灾害风险评估提供了丰富的评估工具。

（2）保险风险证券化的风险分散转移模式逐步成熟

20世纪80年代中后期至90年代中期，全球范围内重大巨灾事件频发，导致许多国际著名再保险损失惨重、甚至破产或者濒临破产，巨灾保险业承保能力和赔付能力不足的问题日益凸显。再保险市场费率严重攀升，甚至高达期望损失的数十倍，再保险公司损失惨重、责任范围被追加诸多限制。此背景下，再保险市场的削弱催生了另一条巨灾风险分散转移路径——保险风险证券化，其具体载体是保险连接证券。早在1973年， Goshay和Sandor （1973）就提出“保险连接证券”的构想，但由于各种原因未能实现。直到1996年12月，美国圣保罗公司发行了第一只融资额度为6850万美元的与巨灾相关的债券，这标志着保险风险证券化的巨灾风险转移机制走向成熟。自它第一次被提出至今，不少学者对其展开研究。D’Arcy， France（1993）对于巨灾期货运行机制、价格波动情况的进行研究，并以再保险为参考对象进行比较[32]。Himick（1995）对PCS 巨灾期权的特征进行研究[33]。Smith，Canelo，Dio（1997）对多种保险衍生证券对再保险市场的影响进行分析[34]。Harrington， Niehaus（1999）对PCS巨灾保险证券合同的基差风险进行研究，并阐述了PSC证券在何种状态下将会比再保险更有效，可成为再保险的替代方法的观点[35]。Gummius和Weiss（2000）就资本市场与保险市场的信息对称、价格发现、价格周期等方面进行对比，指出在应对损失极其严重的灾害方面，风险证券化更有优势[36]。David，Cummins（2007）指出巨灾债券自从诞生以来就以较快的速度发展，随着资本市场和保险市场的深度融合，巨灾债券还会稳步快速增长[37]。Gibson， Habib， Ziegler（2014）对于巨灾保险风险再保险还是证券化的选择进行分析[38]。

在国内，何树红等（2010）对巨灾风险分散模式展开研究，详细分析比较了多种灾害风险分散、转移、补偿的方法[39]。庹国柱，朱俊生（2010）对农业风险的相关性和巨灾保险困境进行分析，同时对比了8种巨灾保险风险分散转移方法，并对其制度选择问题提出了自己的看法[40]。邓国取，刘建宁等（2014）基于共生合作的视角研究了农户对巨灾风险的分散行为[41]。通过对河南、陕西、湖北等省的655个农户数据的实证，结果表明：巨灾风险分散环境、风险主体、分散能力、互动程度和依赖程度对农户的风险分散行为选择具有显著影响。白玉培（2016）对农业巨灾保险风险分散转移机制建设意义、存在不足和优化策略等方面问题展开讨论，对农业灾害风险管理具有促进意义[42]。

（3）金融应对策略模型的多样化

①贝叶斯网络模型应用于灾害风险管理领域。

贝叶斯网络模型是一种有向无环图，在1986年由Pearl首次提出，是一种结合了贝叶斯理论和图论的不确定性知识表述模型，可系统描述多个随机变量之间的关系，其具有表达自然、灵活推理和方便决策的特点，主要用于解决复杂系统中的不确定性问题[43]。相比其他统计模型，贝叶斯网络模型可有效融合已知先验知识和客观事实，有效融合定性和定量分析，能进行研究问题的有效推理，并且整个模型能用图的方式进行表示。随着近年来计算机和算法模型的不断发展，贝叶斯网络模型在灾害风险评估中得到广泛应用。由于自然灾害的发生存在众多因素和不确定性，Blaser（2010）利用贝叶斯网络模型结合海啸预警中的定性和定量先验知识计算了海啸灾害的发生概率，通过网络训练、参数估计和模型检验，发现模型具有较高的精度和可行性，并基于该模型设计了一套苏门答腊地区的海啸预警系统[44]。Kristin（2012）通过使用贝叶斯网络模型，以数据驱动的方式结合多项影响指标对德国易蓓河和多瑙河2002年、2005年和2006年发生的洪水灾害数据进行建模，结果显示该种方法对相比已有洪水灾害评估方法具有更高的参考价值[45]。Vogel（2014）通过使用贝叶斯网络模型对地震、洪水和滑坡灾害的建模研究，发现该模型是一种既灵活又有效的灾害风险分析方法，能为灾害风险决策提供参考[46]。Johns（2017）利用改进的贝叶斯网络RRM模型（BN-RRM）对弗吉尼亚州南河和上谢南多厄河生态风险进行了分析，发现该模型具有较好应用价值[47]。在国内，梁万杰（2012）利用FAN型贝叶斯网络模型对我国滑坡地质灾害脆弱性进行了建模分析，证明了FAN型贝叶斯网络模型相比人工神经网络模型具有更高的鲁棒性和抗干扰性[48]。刘瑞（2016）使用多种不同结构的贝叶斯网络模型，结合5项洪水指标对我国洪水灾害进行了风险评估与建模研究，认为该种模型较好地解决了洪水灾害风险研究中的不确定性问题[49]。哈斯（2016）结合GIS空间分析技术和贝叶斯网络模型对内蒙古锡盟草原干旱雪灾灾害链进行了推理分析，依据推理结果绘制了锡盟草原干旱雪灾灾害链综合灾害等级区划图[50]。李明（2018）基于主客观定权，构建了加权贝叶斯网络评估模型对我国沿海地区海洋灾害开展评估研究。研究表明，该评估模型实现了海洋灾害的风险评估，具有一定的科学性和可行性[51]。与国外现有研究成果相比较，我国利用贝叶斯网络模型进行灾害风险评估的实际应用还相对稀少[52]，尤其是缺少利用该模型针对某一区域的泥石流灾害进行风险评估。

②巨灾债券定价评估逐步成熟。

巨灾债券是巨灾风险证券化最成功和最具代表性的产品之一。它定价合理与否直接决定着巨灾债券能否成功发行和交易流通。对于巨灾债券定价问题，很多学者就该问题进行探讨研究。Cummnis和Geman（1995）首先将套利定价模型运用到保险衍生品定价研究中。Litzenberge（1996）利用对数正态分布来拟合损失率，并对一年期巨灾债券展开定价研究。但是由于巨灾数据的稀缺性，该方法可行性空间较小。Zajdenweber（1998）改进了Litzenberge（1996）的方法，用Levy分布替代LogNorm分布进行定价研究。Briys（1997）认为巨灾债券具有期权的特征，因此采用期权定价的方式对巨灾债券进行定价研究[53]。他以几何布朗运动刻画巨灾风险指数，利用B—S公式导出零息巨灾债券的定价模型。Louberge（1999）在Briys（1997）的基础上，以数值模拟的方法对巨灾债券定价进行评估[54]。Poncet和Victor（2002）采用CIR随机利率模型，假定巨灾风险指数服从布朗运动扩散过程，导出巨灾债券的定价模型，并将定价结果归结为巨灾风险指数首次通过的时间分布。但是，该方法仅限于分析非巨灾事件及其聚合损失。Vaugirard（2003）采用套利方法以及使用Vasicek利率模型在无套利定价中进行巨灾债券定价分析[55]。Lane（2003）认为，巨灾债券的价格应该有期望损失EL（Expected loss，EL）和超额收益EER（Expect excess return，EER）两部分构成。Wang（1995，2000，2002）先后提出扭曲分布变换的方法对巨灾债券进行定价。他首先将市场交易中的巨灾债券的价格对巨灾风险进行转换调整，根据转化获得更加精确的巨灾风险损失分布，然后根据转换后的损失分布结合损失期望定价模型进行债券定价[56]-[58]。Christofides（2004）在Wang转换模型的基础上，假定巨灾债券支付无风险利率来补偿债券持有者持有的货币时间价值，同时附加风险溢价类来补偿巨灾保险风险[59]。Wang（2004）考虑了Wang（2002）转换模型的缺点，用t分布代替正态分布来调整定价模型以更好地拟合巨灾风险的厚尾特征，减少债券定价误差[60]。Reshetar（2008）沿袭了Cox和Pedersen（2000）的定价思想，但是他采用巨灾财产损失和人员伤亡共同决定支付函数进行债券定价[61]。Egamia和Young （2008）采用无差异定价法对结构化债券进行估值[62]。在Nowak和Romaniuk（2009，2010）假设巨灾债券具有简单形式的收益函数，在即期Vasicek和Hull，White利率模型下研究金融保险投资组合收益、定价问题[63]-[64]。在Nowak和Romaniuk（2010）假设支付函数为分段线性函数，即期利率由Merton和Vasicek随机方程模型刻画进行债券定价研究[65]。Nowak和Romaniuk（2013）将巨灾债券置于金融市场环境中，使用随机分析和模糊集理论来推导巨灾债券定价公式，同时对巨灾事件对经济金融产生的影响进行模拟[66]。Nowak和Romaniuk（2015）在Wang（2004）的基础上，将模糊集理论引入到Wang两因素转换定价模型中进而导出模糊两因素转换定价模型[67]。

国内方面，田玲、向飞（2006）基于风险定价框架下，对LFC模型、Wang两因素转换模型进行对比[68]。田玲、张岳（2008）从参数不确定性、损失描述、随机利率和汇率债券评级四个方面对现有的定价模型展开介绍、评析[69]。刘鹃、李永（2009）就我国地震风险损失展开研究，首次提出了一种BDT和损失分布相结合的定价模型，并将其运用到地震债券定价当中[70]。刘永、李鹃（2010）在BDT和损失分布相结合的定价模型的基础上进一步完善，提出了一种无套利利率模型，并将其用于台风巨灾债券定价中。邢天才，康晗彬（2014）将资产、负债和利率理论相结合来构建巨灾债券定价模型，同时以我国洪水灾害为例，分别研究了触发机制设定、利率期限结构以及资产负债比等参数对巨灾债券定价的影响规律[71]。杨帆，周明（2016）运用Copula联合分布函数刻画震级与地震损失间的影响，根据地震损失构建POT模型，引入随机利率模型，对多种期限混合触发型的地震巨灾债券进行定价[72]。

（4）巨灾保险证券化产品投资需求逐步扩大

投资者持有的资金是资本市场的选票，投资者是巨灾保险证券化产品需求的主体。因此，只有获得投资者的认可和接受，巨灾保险证券化产品才会形成真正的需求，进而才能实现金融市场救助的可能。

巨灾保险证券化产品能被投资者所接受，归根结底在于巨灾保险证券化产品必须具备优于其他金融产品或者衍生品的特征，这些特征或多或少能够增加收益或者降低投资风险。由于巨灾保险证券化产品属于“0贝塔”产品，与金融市场上的其他金融产品的关联性很小甚至不存在，因此，它的存在一方面拓宽投资渠道，另一方面优化了投资组合，降低投资组合风险。

Harry Markowitz于1952年提出“资产组合选择理论”，运用通过构造均值—方差模型来证明投资收益和投资风险的关系。此处，本文使用Markowitz的期望—方差模型来证明巨灾保险证券化产品能优化投资组合，降低组合风险^[1]。

假设投资人在投资期初用一笔闲置资金用于投资证券。在投资期初，投资者根据收益和投资风险来做出购买证券组合（证券种类和数量）的决定，并持有这些证券到期末。假设投资收益用预期收益率或者期望收益率来刻画，投资风险以预期收益的方差来度量。

假定投资者证券组合X由n种基本证券组成，并持有该组合到投资期末。初始本金，期末投资本金和收益累计为W1，其中Xit为投资组合中第i种证券在t时刻的所分配的资本金数量；记组合收益率为R，由此投资组合在期末的期望回报率如下所示：(www.xing528.com)

令为第i种证券的权重，令为第i种证券的到期收益率。由此，公式（8-1）可改写为公式（8-2），即投资证券组合的期望收益率等于基本证券预期收益率的加权平均值，即：

对于投资组合的风险（方差），

其中，cov(ri ,rj)为证券i ,j的收益率ri ,rj 的协方差。

假设具有同样风险偏好的投资者将选择相同的证券组合，投资权重并不会因为初始本金的差异而发生改变。因此，只要确定基本证券权重就可以确定证券投资组合。假设投资组合由n个基本证券产品组成，而约束条件只有一个，即（将设不能进行做多和做空交易），组合的自由度为-1n，这样的权重组合就存在无穷多，所有的组合构成了一个可行集。尽管存在无穷多组合，但是，我们不需要分析所有的组合，只要考察那些给定风险水平下期望收益率最高或者给定期望收益率风险水平最小的组合（又称为马科维兹有效集）。对于一个有效组合X0，剩余的所有组合中，不存在同时满足期望收益率不小于该有效组合期望收益率且风险水平低于该组合风险水平的投资组合X1。如果这样的组合X1存在，即表明相对于组合X0，X1完全占优，那么X0就不再是有效的。

根据马科维兹期望—风险模型理论，在给定预期收益率或者风险水平下，能够确定投资权重，即投资组合，即存在以下两种情况求解最优组合。

情况一：给定预期收益率水平r，使得投资风险Var (R)最小，即

情况二：给定投资组合风险水平Var (R)，使得投资组合预期收益率最高，即

根据Lagrange乘数法即可求解得最优组合，即最优权重集合。

现在假设对情况一进行求解，求得最优组合为，对应的权重为，最小方差为σX。现投资者希望在本金不变的条件下，再购买第1n+种巨灾保险证券化产品构成新的投资组合Y，权重记为wn+1，且。由于巨灾保险证券化产品具有高风险高回报的特征，假设下列关系成立：

为了保证新的组合中0

X与Y都不占优且保证巨灾保险证券化产品的特征，不妨设定组合Y的期望收益率Yr和风险为Var()

YR：

其中，新组合中，1

w为巨灾保险证券化产品的权重。假定，且cov(R ,Rn+1)=0^[2]，则有

综上所述，初始金额不变的情况下，引入巨灾保险证券化产品并没有增加投资组合的风险，但是却使得预期收益率变大。证明巨灾保险证券化产品拓宽投资渠道、优化投资组合以及市场需求存在是有理论基础的，也就奠定了巨灾保险证券化产品投资需求逐步扩大的基础。