巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失研究方法綜述*

何樹紅，鄒麗華

(云南大學(xué) 經(jīng)濟(jì)學(xué)院，云南 昆明 650500)

巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失研究方法綜述*

何樹紅，鄒麗華

(云南大學(xué) 經(jīng)濟(jì)學(xué)院，云南 昆明 650500)

在前人災(zāi)害經(jīng)濟(jì)損失研究成果的基礎(chǔ)之上，對(duì)巨災(zāi)經(jīng)濟(jì)損失研究成果進(jìn)行了分類，并界定該文的研究范圍。從劃分“損失—損失”和“災(zāi)害—損失”兩條研究主線出發(fā)，將現(xiàn)有且被大量使用的巨災(zāi)風(fēng)險(xiǎn)損失研究方法歸納為兩大類，其包含四個(gè)角度的8種方法。同時(shí)對(duì)8種方法進(jìn)行簡(jiǎn)要介紹比較，指出其特點(diǎn)和存在問題。最后對(duì)巨災(zāi)經(jīng)濟(jì)損失研究發(fā)展趨勢(shì)進(jìn)行展望。

巨災(zāi)風(fēng)險(xiǎn)；災(zāi)害經(jīng)濟(jì)損失；發(fā)展趨勢(shì)；綜述

我國(guó)是一個(gè)自然災(zāi)害頻發(fā)的國(guó)家，其災(zāi)害種類之多，發(fā)生頻率之高，經(jīng)濟(jì)損失之大，已然成為全球受自然災(zāi)害威脅最嚴(yán)重的國(guó)家之一[1]。巨災(zāi)對(duì)個(gè)人生命健康、物質(zhì)財(cái)產(chǎn)以及社會(huì)物質(zhì)財(cái)富形成巨大的威脅、造成嚴(yán)重的損失。過去主要依靠財(cái)政撥款和社會(huì)捐贈(zèng)的救災(zāi)體制已漸漸不適應(yīng)巨災(zāi)損失補(bǔ)償?shù)默F(xiàn)狀，借助巨災(zāi)保險(xiǎn)、基金、債券等資本市場(chǎng)手段分散巨災(zāi)風(fēng)險(xiǎn)損失已是大勢(shì)所趨。巨災(zāi)風(fēng)險(xiǎn)，其本質(zhì)是經(jīng)濟(jì)風(fēng)險(xiǎn)[2]，巨災(zāi)風(fēng)險(xiǎn)損失則更側(cè)重于經(jīng)濟(jì)損失。欲以資本市場(chǎng)手段構(gòu)建有效的巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失分擔(dān)機(jī)制，巨災(zāi)經(jīng)濟(jì)損失特征的識(shí)別是亟待解決的難點(diǎn)之一[2]。此外，經(jīng)濟(jì)損失是災(zāi)情評(píng)估系統(tǒng)的核心之一，若不能對(duì)災(zāi)害經(jīng)濟(jì)損失進(jìn)行高效、精確地評(píng)估，則難以滿足與其他子系統(tǒng)相互協(xié)調(diào)，共同為政府提供救災(zāi)決策支持系統(tǒng)的各項(xiàng)要求[3]。經(jīng)濟(jì)損失測(cè)度研究是在掌握大量歷史和現(xiàn)實(shí)災(zāi)害數(shù)據(jù)資料的情境下，運(yùn)用科學(xué)方法對(duì)災(zāi)害導(dǎo)致的經(jīng)濟(jì)損失進(jìn)行定量評(píng)估。自1950-1960年代以來，大量學(xué)者從不同途徑對(duì)我國(guó)各種自然災(zāi)害進(jìn)行研究，取得了許多研究成果，在實(shí)踐中獲得了豐富的指導(dǎo)經(jīng)驗(yàn)，在防災(zāi)、減災(zāi)、救災(zāi)過程中取得了巨大的成就。綜合現(xiàn)有的學(xué)術(shù)研究，巨災(zāi)經(jīng)濟(jì)損失研究可以劃分為：經(jīng)濟(jì)損失范疇界定，基于“損失——損失”角度的損失預(yù)測(cè)和分布擬合研究，基于精算角度的風(fēng)險(xiǎn)損失估計(jì)和巨災(zāi)債券保險(xiǎn)研究，基于“災(zāi)害——損失”角度的災(zāi)后經(jīng)濟(jì)損失快速測(cè)算，災(zāi)害損失綜合評(píng)價(jià)與災(zāi)情評(píng)估等。其中，以災(zāi)害損失綜合評(píng)價(jià)與災(zāi)情評(píng)估的成果最多，以基于“災(zāi)害——損失”角度災(zāi)后經(jīng)濟(jì)損失快速測(cè)算的成果最為繁雜?；凇皳p失——損失”角度的損失分布研究、基于保險(xiǎn)精算角度的風(fēng)險(xiǎn)損失估計(jì)和巨災(zāi)債券保險(xiǎn)研究的研究方法單一，成果較少，但存在較大的研究空間，尤其是基于保險(xiǎn)精算角度的風(fēng)險(xiǎn)損失估計(jì)和巨災(zāi)債券保險(xiǎn)的研究。

巨災(zāi)經(jīng)濟(jì)損失是指巨災(zāi)發(fā)生后，由巨災(zāi)主體導(dǎo)致承災(zāi)體的財(cái)產(chǎn)、物質(zhì)財(cái)富的減少，包括直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失?，F(xiàn)有的研究方法表明，大多數(shù)研究方法是對(duì)于直接經(jīng)濟(jì)損失進(jìn)行的；而間接經(jīng)濟(jì)損失的測(cè)度方法則相對(duì)較少。本文從“損失——損失”和“災(zāi)害——損失”的兩條主線出發(fā)，側(cè)重于對(duì)災(zāi)害風(fēng)險(xiǎn)經(jīng)濟(jì)損失的定量研究方法進(jìn)行歸納比較，指出其特點(diǎn)和存在問題，并對(duì)巨災(zāi)經(jīng)濟(jì)損失研究發(fā)展趨勢(shì)進(jìn)行展望。

1 巨災(zāi)經(jīng)濟(jì)損失研究方法

1.1 “損失——損失”的經(jīng)濟(jì)損失研究

“損失——損失”角度的經(jīng)濟(jì)損失研究，即在不考慮災(zāi)害基礎(chǔ)指標(biāo)和承災(zāi)體的易損性特征，僅從經(jīng)濟(jì)損失的宏觀時(shí)間序列數(shù)據(jù)或者微觀樣本數(shù)據(jù)出發(fā)，達(dá)到識(shí)別經(jīng)濟(jì)損失性質(zhì)和分布特征，為資本市場(chǎng)分散巨災(zāi)風(fēng)險(xiǎn)提供精確的巨災(zāi)風(fēng)險(xiǎn)損失識(shí)別和管理決策依據(jù)。

(1)經(jīng)典時(shí)間序列分析方法

經(jīng)典時(shí)間序列方法主要針對(duì)于宏觀時(shí)間序列經(jīng)濟(jì)損失數(shù)據(jù)，其分析方法可分為隨機(jī)分析和趨勢(shì)性分析兩種，用于預(yù)測(cè)的主要是隨機(jī)分析法。隨機(jī)分析的ARIMA模型理論成熟，簡(jiǎn)單易行，但是存在以下問題：首先，時(shí)間序列分析是基于事物內(nèi)部系統(tǒng)本身出發(fā)，過分強(qiáng)調(diào)內(nèi)部特征隨時(shí)間地外延，忽略了外部因素對(duì)系統(tǒng)的影響。其次，隨機(jī)分析是建立在弱平穩(wěn)、序列相關(guān)的前提之下；若原序列不平穩(wěn)，有限次差分變換雖能將原序列變換為平穩(wěn)序列，但差分變換損失信息過多，導(dǎo)致模型精度降低；若序列本身為白噪聲序列，那么ARIMA模型則無能為力。最后，ARIMA模型參數(shù)估計(jì)同時(shí)受觀測(cè)值數(shù)量和數(shù)據(jù)質(zhì)量影響，若觀測(cè)量較小或者異常值存在，都會(huì)產(chǎn)生較大誤差，造成參數(shù)估計(jì)值與實(shí)際值偏差較大，估計(jì)區(qū)間過寬等問題。然而小樣本、極端值存在恰巧是巨災(zāi)經(jīng)濟(jì)損失數(shù)據(jù)序列的特征。

(2)灰色系統(tǒng)

灰色系統(tǒng)是我國(guó)著名學(xué)者鄧聚龍教授[4]于1982年提出的一種樣本量小、信息貧乏、存在不確定性問題時(shí)的時(shí)間序列數(shù)據(jù)信息挖掘方法。由于巨災(zāi)是發(fā)生概率小、樣本少、損失難以預(yù)測(cè)、部分信息已知、部分未知的“灰色系統(tǒng)”，因此灰色系統(tǒng)分析方法能有效進(jìn)行信息挖掘?；疑到y(tǒng)分析方法通過建立灰色模型(Gray Model)對(duì)損失進(jìn)行預(yù)測(cè)，在雷電[5]、旱災(zāi)[6]、暴雨[7]和海洋災(zāi)害[8]等方面都有應(yīng)用。盡管灰色系統(tǒng)有樣本需求量較小，不需要樣本數(shù)據(jù)具有特殊的分布特征[6]，定量分析能與定性分析保持一致性的優(yōu)點(diǎn)，但是也存在缺點(diǎn)：其一，在不同情況下，GM(1,1)表現(xiàn)出的結(jié)果不盡相同，有時(shí)預(yù)測(cè)結(jié)果令人滿意，有時(shí)存在較大誤差，有時(shí)完全不能使用[9]。其二，灰色模型建模過程繁雜，其科學(xué)性存在爭(zhēng)議[10]。

(3)損失分布擬合

損失分布擬合是從災(zāi)害導(dǎo)致的經(jīng)濟(jì)損失出發(fā)，在一系列合理假定下，對(duì)經(jīng)濟(jì)損失的概率分布進(jìn)行擬合。最初的擬合分布主要是正態(tài)分布、對(duì)數(shù)正態(tài)、Gama分布和Weibull分布等。隨著災(zāi)害觀測(cè)數(shù)據(jù)的收集、統(tǒng)計(jì)理論的不斷成熟、計(jì)算機(jī)計(jì)算能力的飛速發(fā)展、人工隨機(jī)模擬的可實(shí)現(xiàn)，學(xué)者逐漸發(fā)現(xiàn)災(zāi)害損失具有厚尾、右偏、發(fā)生概率小但損失極大的特征，正態(tài)分布等常規(guī)分布難以精確擬合損失尾部特征，因此極值理論[11-13]、GPD模型[14-15]和混合模型[16]的提出和運(yùn)用，使得經(jīng)濟(jì)損失分布擬合的方法越來越復(fù)雜，效果越來越優(yōu)。從頻率學(xué)派的主張到Bayes理論的運(yùn)用，從非參數(shù)統(tǒng)計(jì)到隨機(jī)模擬的實(shí)現(xiàn)，損失分布擬合的精度不斷提高，但是其不足也存在：首先，受數(shù)據(jù)量的限制，擬合分布可能同時(shí)與多個(gè)分布相吻合，最優(yōu)擬合分布的選取仍然存在較大爭(zhēng)議。其次，損失數(shù)據(jù)特征和數(shù)據(jù)量對(duì)參數(shù)、非參數(shù)檢驗(yàn)功效存在重要影響[17]。再次，隨機(jī)模擬運(yùn)算的收斂性和收斂穩(wěn)健性受計(jì)算目標(biāo)和優(yōu)化算法影響。最后，Bayes計(jì)算中，先驗(yàn)分布的選取是尤為重要的，但如何選擇先驗(yàn)分布依舊懸而未決。

1.2 “災(zāi)害——損失”的經(jīng)濟(jì)損失研究

從“災(zāi)害——損失”這一主線出發(fā)，其研究方法趨于多元化，復(fù)雜化；主要分析方法主要分為兩大類；基礎(chǔ)——易損性指標(biāo)評(píng)估法和統(tǒng)計(jì)物理模擬法?；A(chǔ)——易損性指標(biāo)評(píng)估主要是從結(jié)合巨災(zāi)基礎(chǔ)性指標(biāo)和宏觀范圍的社會(huì)易損性指標(biāo)的角度出發(fā)，對(duì)巨災(zāi)經(jīng)濟(jì)損失進(jìn)行測(cè)算。主要的方法有損失項(xiàng)目?jī)r(jià)值加總法，易損性清單法，宏觀經(jīng)濟(jì)易損性方法，多元統(tǒng)計(jì)方法，神經(jīng)網(wǎng)絡(luò)等。

(1)損失項(xiàng)目?jī)r(jià)值加總法

損失項(xiàng)目?jī)r(jià)值加總法，顧名思義，即巨災(zāi)發(fā)生后，快速盤點(diǎn)損失項(xiàng)目，由各損失項(xiàng)目數(shù)量與單位損失價(jià)值乘積之和測(cè)算得到經(jīng)濟(jì)損失總量。劉希林[18]等人曾用該方法對(duì)四川德昌縣虎皮彎溝泥石流災(zāi)害進(jìn)行損失評(píng)估；趙源[19]等人對(duì)四川甘孜州和阿壩州的四場(chǎng)較大泥石流災(zāi)害進(jìn)行損失測(cè)算，并分別闡述了四場(chǎng)泥石流的災(zāi)害特征。損失項(xiàng)目?jī)r(jià)值加總法總體上思路簡(jiǎn)單，對(duì)于不同地區(qū)不同災(zāi)害具有較強(qiáng)的適用性，但是也存在一些短處：首先，損失項(xiàng)目的分類是一個(gè)系統(tǒng)復(fù)雜的過程，損失項(xiàng)目劃分的粗糙，其計(jì)算結(jié)果誤差較大，容易低估或者高估損失；劃分太詳細(xì)，則在損失統(tǒng)計(jì)過程中耗費(fèi)大量人力、物力、財(cái)力，同時(shí)造成漏算，重算的問題。其次，對(duì)于生命或者人力資源損失的貨幣度量存在眾多爭(zhēng)議，該問題不僅涉及經(jīng)濟(jì)問題，還涉及到社會(huì)文明和倫理道德問題。最后，鑒于建筑物易損性問題，將建筑物損失換算為損失面積一方面解決了以數(shù)量來刻畫建筑物損失的弊端，但是也帶來了另外一些問題。比如，城里一套50 m2商品房的貨幣價(jià)值可能高于鄉(xiāng)下一幢兩層50 m2的居民住房，然而上述方法的測(cè)算結(jié)果可能剛好相反。

(2)易損性清單法

易損性清單法主要運(yùn)用于地震直接經(jīng)濟(jì)損失快速測(cè)算研究，其基本原理方法是從美國(guó)ATC[20]評(píng)估體系衍生而來[21]。其測(cè)算方式為：直接經(jīng)濟(jì)損失=災(zāi)害危險(xiǎn)性×災(zāi)害易損性×社會(huì)財(cái)富。其中易損性的核心為建筑物易損性，根據(jù)建筑物損失程度劃分，災(zāi)害烈度，易損性矩陣和損失概率矩陣來計(jì)算建筑物易損性。在城市巨災(zāi)的經(jīng)濟(jì)損失快速評(píng)估中，易損性清單法具有評(píng)估詳細(xì)、精準(zhǔn)的優(yōu)點(diǎn)，同時(shí)國(guó)內(nèi)有不少地震災(zāi)害損失評(píng)估平臺(tái)軟件是基于易損性清單法開發(fā)而成。但是，易損性清單法建立在一個(gè)全社會(huì)財(cái)富系統(tǒng)明確劃分的基礎(chǔ)之上，需要充足的社會(huì)易損性數(shù)據(jù)和歷史經(jīng)驗(yàn)數(shù)據(jù)的儲(chǔ)備，然而，對(duì)于我國(guó)大多數(shù)地區(qū)而言，這一點(diǎn)是最難得到滿足的。此外，災(zāi)害損失矩陣的確定多受專家的主觀經(jīng)驗(yàn)干擾，缺乏客觀性，對(duì)評(píng)估結(jié)果的精準(zhǔn)性直接產(chǎn)生影響。我國(guó)幅員遼闊，社會(huì)經(jīng)濟(jì)差異較大，地質(zhì)類型復(fù)雜，災(zāi)害種類多樣。因此，根據(jù)地區(qū)災(zāi)害類型和烈度系統(tǒng)全方位地設(shè)計(jì)災(zāi)損參數(shù)和損失矩陣是必要的。

(3)宏觀經(jīng)濟(jì)易損性方法

對(duì)于易損性清單法中社會(huì)財(cái)富系統(tǒng)劃分的繁雜和社會(huì)易損性數(shù)據(jù)、歷史經(jīng)驗(yàn)數(shù)據(jù)儲(chǔ)備不足的難題，宏觀經(jīng)濟(jì)易損性方法則側(cè)重于宏觀經(jīng)濟(jì)數(shù)據(jù)角度出發(fā)，利用宏觀經(jīng)濟(jì)指標(biāo)來代替建筑物等易損性清單，且宏觀數(shù)據(jù)具有易查找，更新快的優(yōu)點(diǎn)，在經(jīng)濟(jì)發(fā)展較迅速的地區(qū)也能以較高的精度接近真實(shí)直接經(jīng)濟(jì)損失[22]。宏觀經(jīng)濟(jì)易損性方法整體上把握了巨災(zāi)損失，這一點(diǎn)考慮較為全面。但是，將GDP按單位區(qū)域人口數(shù)量平均分配，會(huì)導(dǎo)致單位GDP出現(xiàn)“被平均”現(xiàn)象而被低估，而單位GDP越小，反應(yīng)出的傷亡人數(shù)越小，因此傷亡人數(shù)會(huì)被低估[21]。

(4)多元回歸方法

多元統(tǒng)計(jì)方法則是基于多元統(tǒng)計(jì)分析的角度出發(fā)，以災(zāi)害基礎(chǔ)指標(biāo)(降水,震級(jí),風(fēng)速等)和承災(zāi)體指標(biāo)(人口密度,人均GDP等)為解釋變量,以經(jīng)濟(jì)損失、房屋損失數(shù)量或者綜合損毀指數(shù)[23]等為被解釋變量建立多元回歸模型。具體的回歸方程形式選擇不盡相同，但總體上有三種較常用：聯(lián)立方程組模型[24]，多項(xiàng)式回歸模型[25]和冪函數(shù)擬合[26]。多元回歸分析，理論成熟，簡(jiǎn)單易行，但是其短板也較多。首先，對(duì)數(shù)據(jù)要求較高，基本假定多。其次，參數(shù)估計(jì)易受樣本量、異常值影響。最后，解釋變量經(jīng)過冪變換、指數(shù)變換后，雖然在統(tǒng)計(jì)意義上顯著，但是其現(xiàn)實(shí)意義卻難以解釋。回歸代表的不僅僅是數(shù)理背景下的顯著性，更體現(xiàn)了被解釋變量與解釋變量間的因果關(guān)系。若解釋變量缺乏現(xiàn)實(shí)經(jīng)濟(jì)意義，其背后的因果關(guān)系就難以解釋，回歸方程僅僅為數(shù)學(xué)等式而已。

(5)神經(jīng)網(wǎng)絡(luò)方法

神經(jīng)網(wǎng)絡(luò)是人工智能學(xué)科中的一個(gè)用于分類和回歸的非參數(shù)建模方法[27]。相比傳統(tǒng)的回歸和分類方法，該方法具有高強(qiáng)度的計(jì)算、學(xué)習(xí)、非線性擬合能力，處理復(fù)雜系統(tǒng)時(shí)更有優(yōu)勢(shì)。因此，該方法在對(duì)巨災(zāi)經(jīng)濟(jì)損失進(jìn)行測(cè)算時(shí)，某種程度上能有效解決災(zāi)害系統(tǒng)的復(fù)雜性。對(duì)于數(shù)據(jù)需求較少，具有較強(qiáng)的泛化能力的優(yōu)點(diǎn)相比多元回歸方法在損失測(cè)算上更有優(yōu)勢(shì)。此外，網(wǎng)絡(luò)設(shè)定只考慮輸入模式和輸出模式,連接權(quán)通過優(yōu)化訓(xùn)練完成,不需要考慮連接權(quán)的現(xiàn)實(shí)意義。常用的預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)有BP神經(jīng)網(wǎng)絡(luò)[28,25]和改進(jìn)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)[29-30]，SVM神經(jīng)網(wǎng)絡(luò)[31-32]和RBF神經(jīng)網(wǎng)絡(luò)[33]等。神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是建立在網(wǎng)絡(luò)構(gòu)建合理的基礎(chǔ)上；若網(wǎng)絡(luò)構(gòu)建不合理，則十分容易陷入局部最優(yōu)，收斂不穩(wěn)定，過度擬合，模擬誤差較大的問題。

(6)統(tǒng)計(jì)模擬法

與上述方法相比，統(tǒng)計(jì)模擬法更偏向于災(zāi)害過程模擬。通過模擬災(zāi)害基礎(chǔ)指標(biāo)大小、社會(huì)經(jīng)濟(jì)承災(zāi)因子和災(zāi)害發(fā)生過程來對(duì)經(jīng)濟(jì)損失進(jìn)行測(cè)算。該方法主要分為三大部分：災(zāi)害主體演化的動(dòng)力學(xué)動(dòng)態(tài)模擬、社會(huì)工程易損性模擬和災(zāi)害損失精算模塊。以臺(tái)風(fēng)為例，該方法被成功地用于佛羅里達(dá)州臺(tái)風(fēng)損失預(yù)測(cè)[34-35]，其具體操作由臺(tái)風(fēng)強(qiáng)度、頻率模擬，路徑模擬，臺(tái)風(fēng)風(fēng)場(chǎng)動(dòng)力系統(tǒng)，建筑物易損性模擬以及保險(xiǎn)精算損失模擬等部分組成。該類研究方法適用于小范圍、具體的災(zāi)害，評(píng)估流程精確明細(xì)，但是存在以下難題：首先，災(zāi)害形成機(jī)理及其過程具有復(fù)雜性和偶然性，模擬過程中環(huán)環(huán)相扣，參數(shù)選擇直接影響評(píng)價(jià)精度和結(jié)果。其次，在建筑物易損性模塊中，建筑物種類多，建造材料不一，抗災(zāi)強(qiáng)度存在典型差異。同時(shí)缺乏歷史數(shù)據(jù)支撐，易損性矩陣的構(gòu)建往往基于建筑物大致分類、模擬實(shí)驗(yàn)和專家主觀打分的基礎(chǔ)上建立的，其結(jié)果可能與災(zāi)害事實(shí)存在較大偏差；最后，統(tǒng)計(jì)模擬法只能測(cè)算由災(zāi)害直接導(dǎo)致的損失，而對(duì)于災(zāi)害誘發(fā)的二次災(zāi)害損失(如臺(tái)風(fēng)誘發(fā)暴雨、洪澇損失，地震誘發(fā)的滑坡?lián)p失)則無能為力，無法評(píng)估災(zāi)害造成的總損失。

2 巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失研究方法比較

以上內(nèi)容從兩條主線出發(fā)，簡(jiǎn)單介紹了多種經(jīng)濟(jì)損失研究方法，并對(duì)各自的優(yōu)缺點(diǎn)進(jìn)行簡(jiǎn)介。綜合而言，“損失——損失”的思路從時(shí)間縱向和空間橫向分析損失自身特征，而 “災(zāi)害——損失”則是從外界干擾沖擊來尋求經(jīng)濟(jì)損失關(guān)系的角度進(jìn)行的。時(shí)間縱向研究主要從經(jīng)濟(jì)損失系統(tǒng)本身出發(fā)，忽略外部因素干擾沖擊，操作簡(jiǎn)單。但是，由于忽略了災(zāi)害主體因子社會(huì)經(jīng)濟(jì)發(fā)展因素，不考慮經(jīng)濟(jì)損失構(gòu)成，這樣的結(jié)果在實(shí)際綜合災(zāi)情評(píng)估、救災(zāi)策略和巨災(zāi)保險(xiǎn)機(jī)制制定中作用有限?？臻g橫向分析則是將某災(zāi)害損失歷史數(shù)據(jù)視為獨(dú)立同分布的，基于大數(shù)定理和中心極限定理，對(duì)經(jīng)濟(jì)損失概率分布進(jìn)行擬合，根據(jù)擬合分布計(jì)算風(fēng)險(xiǎn)損失VaR和ES值等。該思路某種程度上有利于巨災(zāi)風(fēng)險(xiǎn)識(shí)別、管理以及保險(xiǎn)定價(jià)，但是這對(duì)損失數(shù)據(jù)要求嚴(yán)格，同時(shí)忽略了社會(huì)經(jīng)濟(jì)發(fā)展程度與巨災(zāi)經(jīng)濟(jì)損失呈正相關(guān)關(guān)系。此外，近年來，人們對(duì)于防災(zāi)減災(zāi)的重視以及大量資金的投入，歷史災(zāi)害損失數(shù)據(jù)之間的獨(dú)立同分布性值得探討。

對(duì)于“災(zāi)害——損失”的角度而言，基礎(chǔ)——易損性指標(biāo)評(píng)估法在國(guó)內(nèi)的經(jīng)濟(jì)損失研究中比較常見，也是國(guó)內(nèi)災(zāi)害損失研究和風(fēng)險(xiǎn)評(píng)估的主要方法。災(zāi)害經(jīng)濟(jì)損失是刻畫災(zāi)情的一個(gè)直觀性的指標(biāo)，上述方法對(duì)巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失預(yù)測(cè)能夠?yàn)闇p災(zāi)防災(zāi)提供科學(xué)合理的依據(jù)。但是，由于巨災(zāi)經(jīng)濟(jì)損失測(cè)算模型成果較少，關(guān)注度低，沒有形成成熟、公認(rèn)的方法，上述幾種基礎(chǔ)——易損性指標(biāo)評(píng)估方法雖然能夠快速測(cè)算出災(zāi)害損失，但是每個(gè)測(cè)算模型都存在不同的缺點(diǎn)。如損失項(xiàng)目劃分、社會(huì)財(cái)富分類、單位GDP“被平均”、神經(jīng)網(wǎng)絡(luò)不穩(wěn)定和陷入局部最優(yōu)等諸多難題有待進(jìn)一步解決、完善。而統(tǒng)計(jì)模擬法建立在一個(gè)復(fù)雜、環(huán)環(huán)相扣的系統(tǒng)之上，參數(shù)選取、易損性矩陣建立的客觀性從始至終都難以解決。

3 巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失研究的展望與啟示

巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失方法已經(jīng)多種多樣，其涉及領(lǐng)域不再限于傳統(tǒng)數(shù)理統(tǒng)計(jì)學(xué)，還有運(yùn)籌學(xué)、機(jī)器學(xué)習(xí)、人工智能、地理信息等，但仍然難以走出諸多困境。本文在已有方法基礎(chǔ)上，對(duì)常用的巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失研究方法進(jìn)行簡(jiǎn)要總結(jié)、評(píng)價(jià)，以供其他使用者參考。同時(shí)，就目前研究現(xiàn)狀而言，筆者認(rèn)為巨災(zāi)損失研究方法的完善發(fā)展應(yīng)當(dāng)側(cè)重以下6個(gè)方面。

(1)統(tǒng)計(jì)計(jì)算、優(yōu)化方法的完善發(fā)展

基于時(shí)間序列分析損失預(yù)測(cè)和損失分布擬合的參數(shù)估計(jì)過程中，傳統(tǒng)頻率學(xué)派方法對(duì)數(shù)據(jù)質(zhì)量和數(shù)據(jù)量要求較高。由于我國(guó)災(zāi)害研究起步晚，理論技術(shù)發(fā)展遲緩，災(zāi)害歷史數(shù)據(jù)庫不齊全，因此頻率學(xué)派方法對(duì)于小樣本且極端值存在的觀測(cè)數(shù)據(jù)能否高效、準(zhǔn)確進(jìn)行分析估計(jì)。相比較，Bayes計(jì)算方法對(duì)于大樣本的要求則寬松的多，將人的主觀認(rèn)知和客觀損失數(shù)據(jù)相結(jié)合，能夠有效提高精度，且隨著計(jì)算機(jī)及其算法的發(fā)展和普及，Bayes計(jì)算量大的難題逐漸被克服。此外，從正態(tài)分布到極限值理論的EVT模型、POT模型，再到混合模型，擬合程序越來越復(fù)雜，計(jì)算量愈加龐大，如何在保證擬合精度和計(jì)算效率間平衡為現(xiàn)有的統(tǒng)計(jì)計(jì)算和優(yōu)化算法提出了新的挑戰(zhàn)。

(2)多種研究方法復(fù)合進(jìn)行

國(guó)內(nèi)主要的巨災(zāi)經(jīng)濟(jì)損失測(cè)算方法——基礎(chǔ)—易損性指標(biāo)評(píng)估方法，適用范圍廣，但是易損性清單分類、宏觀易損性測(cè)算法存在的諸多問題，多元回歸、神經(jīng)網(wǎng)絡(luò)法精度差的短板一直未得到彌補(bǔ)；而國(guó)外運(yùn)用比較廣泛的統(tǒng)計(jì)模擬法理論上精度高，但系統(tǒng)復(fù)雜、適用范圍狹小(甚至只能研究某次災(zāi)害)。因此，考慮借鑒國(guó)外的研究、實(shí)踐經(jīng)驗(yàn)，將兩種方法相結(jié)合，相互彌補(bǔ)，才能在經(jīng)濟(jì)損失研究中、防災(zāi)減災(zāi)過程中發(fā)揮更大的作用。同時(shí)，對(duì)于災(zāi)害形成機(jī)理和物理動(dòng)態(tài)模擬機(jī)制的深入和研究也將是一個(gè)災(zāi)害研究新的熱點(diǎn)和突破口。例如，王浪[36]等人運(yùn)用SCS水文模型研究泥石流的匯流過程，探索山區(qū)小流域泥石流的沖出規(guī)模預(yù)測(cè)問題。

(3)巨災(zāi)經(jīng)濟(jì)損失測(cè)算分行業(yè)進(jìn)行

相同行業(yè)承災(zāi)體對(duì)不同災(zāi)害的承災(zāi)能力不同，不同行業(yè)承災(zāi)體對(duì)同一災(zāi)害承災(zāi)能力也不盡相同。如冰雹，洪水對(duì)種植業(yè)造成損失比較大，而對(duì)林業(yè)災(zāi)害損失較?。坏卣饘?duì)建筑業(yè)損失巨大，而對(duì)農(nóng)業(yè)損失較小。因此分行業(yè)測(cè)算既有利于提高精度，也有利于識(shí)別損失構(gòu)成。

(4)衛(wèi)星遙感和GIS技術(shù)的運(yùn)用

由于航天技術(shù)和通信衛(wèi)星技術(shù)的飛速發(fā)展，衛(wèi)星遙感技術(shù)和GIS技術(shù)也廣泛運(yùn)用到地震、洪水、泥石流、臺(tái)風(fēng)等災(zāi)害評(píng)估中。利用衛(wèi)星遙感和GIS技術(shù)能夠獲取小尺度的高分辨率災(zāi)害基礎(chǔ)或者災(zāi)情數(shù)據(jù)，結(jié)合多種網(wǎng)絡(luò)集成數(shù)據(jù)，能夠進(jìn)行災(zāi)害預(yù)測(cè)和災(zāi)情全天候的監(jiān)測(cè)[27]，同時(shí)能夠較準(zhǔn)確的對(duì)損失項(xiàng)目進(jìn)行測(cè)算，提高速度和效率，同時(shí)有效改善災(zāi)后統(tǒng)計(jì)區(qū)域劃分粗糙、精準(zhǔn)度差的缺點(diǎn)。例如，胡娟[37]等人將區(qū)域加密自動(dòng)氣象數(shù)據(jù)、主成分分析方法和GIS結(jié)合，建立精細(xì)化的氣象預(yù)警模型，有效改善了氣象因素誘發(fā)的地質(zhì)災(zāi)害預(yù)警系統(tǒng)。

(5)災(zāi)害損失研究基礎(chǔ)支撐的開發(fā)與完善

災(zāi)害經(jīng)濟(jì)損失研究是一個(gè)系統(tǒng)且極其復(fù)雜的過程，所涉及學(xué)科、行業(yè)、領(lǐng)域繁多。因此，想要形成準(zhǔn)確、成熟、公認(rèn)的評(píng)估系統(tǒng)方法，在現(xiàn)有理論技術(shù)完善發(fā)展和運(yùn)用的同時(shí)，還要注重新型方法的開發(fā)，以及各類災(zāi)害數(shù)據(jù)庫的完善?，F(xiàn)有的災(zāi)害評(píng)估系統(tǒng)大多數(shù)是基于災(zāi)害數(shù)據(jù)庫進(jìn)行，評(píng)估平臺(tái)基于GIS平臺(tái)結(jié)合專業(yè)模型開發(fā)而成。因此，統(tǒng)計(jì)學(xué)和其他學(xué)科基礎(chǔ)方法的開發(fā)、結(jié)合，GIS評(píng)估平臺(tái)進(jìn)一步完善，災(zāi)害數(shù)據(jù)庫的建立、完善顯得至關(guān)重要。陳壕，張望昌[38]通過對(duì)地震數(shù)據(jù)的收集，結(jié)合災(zāi)區(qū)地理特征，利用GIS平臺(tái)對(duì)地震空間減災(zāi)信息化平臺(tái)建設(shè)進(jìn)行研究，一定意義上完善了我國(guó)防震減災(zāi)系統(tǒng)，同時(shí)對(duì)平臺(tái)發(fā)展方向提出了更多的構(gòu)想。

(6)深化巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失導(dǎo)致的社會(huì)影響研究

目前，大多數(shù)關(guān)于巨災(zāi)風(fēng)險(xiǎn)及風(fēng)險(xiǎn)損失研究視角集中于災(zāi)害及損失本身，而忽略了巨災(zāi)風(fēng)險(xiǎn)損失引發(fā)的心理效應(yīng)和社會(huì)效應(yīng)。這些心理效應(yīng)和社會(huì)效應(yīng)是一把雙刃劍，處理得當(dāng)，則可以極大提升防災(zāi)減災(zāi)意識(shí)，增強(qiáng)國(guó)民凝聚力；處理不當(dāng)，可能造成社會(huì)經(jīng)濟(jì)動(dòng)蕩，社會(huì)秩序不穩(wěn)定等愈加嚴(yán)重的后果。孫佰清[39]等人分析了魯?shù)榈卣鸾?jīng)濟(jì)損失對(duì)災(zāi)民心理損失產(chǎn)生的影響；孟永昌[40]等人從全球貿(mào)易的視角出發(fā)，深入分析災(zāi)害對(duì)于經(jīng)濟(jì)進(jìn)出口活動(dòng)的影響。結(jié)果表明：巨災(zāi)顯著影響進(jìn)出口，對(duì)出口的抑制作用超過對(duì)進(jìn)口的促進(jìn)作用。深入巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失導(dǎo)致的社會(huì)影響研究,有利于理清巨災(zāi)導(dǎo)致的附加社會(huì)效應(yīng)傳播脈絡(luò)，充分發(fā)揮其積極作用，預(yù)防其消極影響，為社會(huì)和諧穩(wěn)定、經(jīng)濟(jì)穩(wěn)定快速增長(zhǎng)保駕護(hù)航。

[1] 崔清新.我國(guó)自然災(zāi)害損失世界第三[J].科學(xué)咨詢，2005(21):64.

[2] 榮幸，王麗珍，駱澎濤，等.我國(guó)巨災(zāi)風(fēng)險(xiǎn)損失分擔(dān)研究--基于政府和市場(chǎng)的可行性最優(yōu)分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2013(1):38-48.

[3] 趙珂，崔晉川.洪澇災(zāi)害損失相對(duì)評(píng)估和預(yù)測(cè)方法研究及示例[J].系統(tǒng)工程學(xué)報(bào)，2003，18(4): 337- 342.

[4] 劉思峰，鄧聚龍.GM(1,1)模型的適用范圍[J].系統(tǒng)工程理論與實(shí)踐，2000，20(5):121-124.

[5] 劉佼，肖穩(wěn)安，陳紅兵，等.全國(guó)雷電災(zāi)害分析及雷災(zāi)經(jīng)濟(jì)損失預(yù)測(cè)[J].氣象與環(huán)境科學(xué)，2010， 33(4): 21-26.

[6] 呂學(xué)梅，張磊，李炳文，等.灰色GM(1,1)及其殘差修正模型在不同程度春旱發(fā)生年份預(yù)測(cè)中的應(yīng)用[J].中國(guó)農(nóng)業(yè)氣象，2010，31(3):479-483.

[7] 姚俊英，朱紅蕊，南極月，等.基于灰色理論的黑龍江省暴雨洪澇特征分析及災(zāi)變預(yù)測(cè)[J].災(zāi)害學(xué)，2012， 27(1): 59-63.

[8] 趙昕,宋維玲,何廣順.海洋災(zāi)害直接經(jīng)濟(jì)損失預(yù)測(cè)--基于灰色-周期外延組合模型[J].海洋開發(fā)與管理, 2007, 24(6):100-106.

[9] 吉培榮，黃巍松，胡翔勇，等.灰色預(yù)測(cè)模型特性的研究[J].系統(tǒng)工程理論與實(shí)踐，2001，21(9): 105- 108.

[10]朱寶璋.關(guān)于灰色系統(tǒng)基本方法的研究與評(píng)論[J].系統(tǒng)工程理論與實(shí)踐，1994，14(4):52-55.

[11]Dde Haan L, Jansen D W Koedijk, De Vries. Safety First Portfolio Selection,Extreme Value Theory and Long Run Asset Risks[M]. Kluwer Academic Publishers, 1994.

[12]P Embrechts, C kluppelberg, T Mikosch. Modelling Extremal Events for Insurance and Finance[M]. Springer-verlag ,1997.

[13]何樹紅，吳迪，王珊，等.基于極值理論的洪水災(zāi)害損失模型研究[J].云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014， 23(1):62-65.

[14]Cebrian A C, Denuit M, Lambert P. Generalized pareto fit to the society of actuarie’s large claims database [J] . North American Actuarial Journal, 2003, 7(3):18-36

[15]歐陽資生，龔曙明.廣義帕累托分布模型:風(fēng)險(xiǎn)管理的工具[J].財(cái)經(jīng)理論與實(shí)踐，2005，26(5): 88-92.

[16]劉偉峰，楊愛蘭.基于BIC準(zhǔn)則和Gibbs采樣的有限混合模型無監(jiān)督學(xué)習(xí)算法[J].電子學(xué)報(bào)， 2011， 39(S1): 134-139.

[17]曾艷，李桂花，莊劉，等.完全隨機(jī)設(shè)計(jì)兩樣本的Wilcoxon檢驗(yàn)與K-S檢驗(yàn)功效比較[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2011，28(4):372-374.

[18]劉希林，趙源，蘇鵬程，等. 四川德昌縣虎皮彎溝泥石流及災(zāi)害損失評(píng)估[J].災(zāi)害學(xué)，2005，20(3): 73-77.

[19]趙源，劉希林. 泥石流災(zāi)害損失評(píng)價(jià)[J].中國(guó)地質(zhì)災(zāi)害與防治學(xué)報(bào)，2005，16(3):42-47,53.

[20]Applied Technology Council. Earthquake Damage Estimation Data for California(ATGl3)[M]. Redwood City, California：Applied Technology Commission：280,1 985．

[21]李智，王曉青. 地震震害微觀與宏觀方法快速盲估綜述[J].地震，2010，30(2):134-142.

[22]陳棋福，陳頤，陳凌．利用國(guó)內(nèi)生產(chǎn)總值和人口數(shù)據(jù)進(jìn)行地震災(zāi)害損失預(yù)測(cè)評(píng)估[J]. 地震學(xué)報(bào)，1997，19(6)：640-649．

[23]魏章進(jìn)，隋廣軍，唐丹玲.臺(tái)風(fēng)災(zāi)情評(píng)估及其方法綜述[J].災(zāi)害學(xué)，2012，27[4]:107-113.

[24]呂純濂，陳舜華.氣象災(zāi)害經(jīng)濟(jì)損失估算與預(yù)測(cè)的經(jīng)濟(jì)計(jì)量模式[J].南京氣象學(xué)院學(xué)報(bào)，1993， 16(1):62-72.

[25]何樹紅，楊博，戴明爽，等.基于動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的洪水災(zāi)害損失預(yù)測(cè)[J].經(jīng)濟(jì)師，2014 (5):16-18,19.

[26]林繼生，羅金玲.登陸廣東的熱帶氣旋災(zāi)害評(píng)估和預(yù)測(cè)模式[J].自然災(zāi)害學(xué)報(bào)，1995，4(1):92-97.

[27]許啟發(fā)，蔣翠俠.R軟件在金融定量分析中的運(yùn)用[M].北京，清華大學(xué)出版社，2015.

[28]葉小嶺，劉程波，張穎超，等.基于BP神經(jīng)網(wǎng)絡(luò)的浙江臺(tái)風(fēng)損失預(yù)測(cè)[J].信息技術(shù)，2011(10):59-61.

[29]李靜，李利.基于宏觀易損性模型的震災(zāi)經(jīng)濟(jì)損失快速評(píng)估[J].人民長(zhǎng)江，2009，40(24):79-81.

[30]張廣平，謝忠，羅顯剛，等.基于模糊神經(jīng)網(wǎng)絡(luò)的臺(tái)風(fēng)災(zāi)害損失模型及應(yīng)用[J].國(guó)土資源科技管理，2012， 9(6): 135-140.

[31]王平，黃河，吳瑋，等.基于支持向量機(jī)的湖北省洪澇農(nóng)業(yè)損失預(yù)測(cè)模型[J].湖北農(nóng)業(yè)科學(xué)， 2014，53(18): 4437- 4440.

[32]譚金凱，劉合香，倪增華，等.廣西暴雨致洪災(zāi)害的非線性預(yù)測(cè)模型研究[J].廣西師范學(xué)院學(xué)報(bào)(自然科學(xué)版)， 2014(3):31-35,42.

[33]葉小嶺，梁偉，鄧華，等.基于主成分分析及RBF神經(jīng)網(wǎng)絡(luò)的浙江省臺(tái)風(fēng)災(zāi)害損失預(yù)測(cè)[J].科技通報(bào)，2014 (9): 13-19.

[34]Shahid Hamid, B M Golam Kibria, Sneh Gulati, et al. Predicting losses of residential structures in the state of Florida by the public hurricane loss evaluation model[J]. Statistical Methodology, 2010,7(5):552-573.

[35]Mark Powella, George Soukupa, Steve Cockeb, et al. State of Florida hurricane loss projection model: Atmospheric science component[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2005,93(8): 651-674.

[36]王浪，郭曉軍，馬力.基于SCS水文模型的泥石流預(yù)報(bào)模型在四川寶興冷木溝的應(yīng)用[J].災(zāi)害學(xué)，2016，31(4)：128-133.

[37]胡娟，閔穎，李華宏，等.云南省地質(zhì)災(zāi)害精細(xì)化氣象風(fēng)險(xiǎn)預(yù)警模型優(yōu)化研究[J].災(zāi)害學(xué)，2016，31(4): 110-115.

[38]陳豪，張萬昌，鄧財(cái)，等.基于WEBGIS的地震空間減災(zāi)信息化平臺(tái)建設(shè)研究[J].災(zāi)害學(xué)，2016，31(4):139-144.

[39]孫佰清，夏權(quán)威. 地震災(zāi)害物理損失與心理損失關(guān)系淺析--以云南魯?shù)榈卣馂槔齕J]. 災(zāi)害學(xué)， 2016， 31(3):15-19.

[40]孟永昌，楊賽霓，史培軍，等.巨災(zāi)對(duì)全球貿(mào)易的影響評(píng)估[J].災(zāi)害學(xué)，2016，31(4):49-53.

Reviews of the Research Method about the CatastropheEconomic Losses at Risk

HE Shuhong and ZOU Lihua

(SchoolofEconomics,YunnanUniversity,Kunming650500,China)

Basedonthepreviousresearchachievementsaboutthecatastropheeconomiclossesatrisk,Weclassifiedtheachievementsbriefly,anddefinedtheresearchfiled.Startingfromthetwomainlimesof“l(fā)oss-lass”and“disaster-loss”,theexistingandwidelyusedcatastropherisklossresecirchmethodsaredividedintotwocategories,whichcontainedeightmethodswithfourangles.Atthecharacteristicsandproblemsarepointedout.Atlast,someexpectationsandthefuturedevelopmentsconcernedresearchmethodaboutthecatastropheseconomiclossesatriskareprovided.

catastropheeconomiclossesatrisk;disastereconomicallosses;summaryofmethod;developmenttrend;reviews

2016-10-27

2017-01-06

國(guó)家自然科學(xué)基金項(xiàng)目“西南地區(qū)泥石流災(zāi)害損失測(cè)度及救災(zāi)管理研究”(71661030)；教育部人文社會(huì)科學(xué)研究一般項(xiàng)目“巨災(zāi)風(fēng)險(xiǎn)分散模式以及防御體系的研究”(11YJA790040).

何樹紅(1966-)，男，云南玉溪人，博士，教授，研究方向?yàn)榻?jīng)濟(jì)統(tǒng)計(jì)、風(fēng)險(xiǎn)管理. E-Mail: jerome112233@163.com

10.3969/j.issn.1000-811X.2017.03.021.]

X43

A

1000-811X(2017)03-0120-05

10.3969/j.issn.1000-811X.2017.03.021

何樹紅，鄒麗華. 巨災(zāi)風(fēng)險(xiǎn)經(jīng)濟(jì)損失研究方法綜述[J]. 災(zāi)害學(xué)，2017，32(3)：120-124. [HE Shuhong and ZOU Lihua. Reviews of the Research Method about the Catastrophe Economic Losses at Risk [J]. Journal of Catastrophology，2017，32(3)：120-124.