基于保險理賠數(shù)據(jù)的水電企業(yè)風(fēng)險評估研究

李曉英，曾宇軒

(1.河海大學(xué) 水利水電學(xué)院，江蘇 南京 210098；2.河海大學(xué) 水利工程實驗教學(xué)中心，江蘇 南京 210098)

1 研究背景

安全是可持續(xù)發(fā)展的基礎(chǔ)。水利工程作為涉及能源、環(huán)境、社會穩(wěn)定等諸多方面的復(fù)雜系統(tǒng)工程，其投資大、不確定因素多，一旦出現(xiàn)安全事故將造成巨大的經(jīng)濟損失，甚至?xí)ι鐣舶踩a(chǎn)生巨大的威脅[1]；同時，水利行業(yè)屬于資金密集型產(chǎn)業(yè)，如何在其建設(shè)和運營階段進行有效地管理對水利事業(yè)的發(fā)展具有重要參考價值[2]。雖然水利工程具有高風(fēng)險性，但我國水電企業(yè)的經(jīng)營者和管理者風(fēng)險意識普遍不強，缺乏系統(tǒng)和明確的風(fēng)險管理目標(biāo)[3]。因此，構(gòu)建現(xiàn)代化水電企業(yè)風(fēng)險管理體系具有重要的意義。

風(fēng)險評估能夠用具體的數(shù)值直觀反映風(fēng)險的大小，是構(gòu)建系統(tǒng)風(fēng)險管理體系的基礎(chǔ)，相關(guān)方法被廣泛應(yīng)用于安全管理領(lǐng)域[4-5]。風(fēng)險指標(biāo)的權(quán)重計算是風(fēng)險評估的核心所在，其計算方法主要可分為主觀賦權(quán)法和客觀賦權(quán)法兩類，在主觀賦權(quán)法方面，現(xiàn)階段已有不少相關(guān)研究，李創(chuàng)[6]運用風(fēng)險評估中傳統(tǒng)的AHP-模糊綜合評價法對納米比亞歐曼德爾管道工程項目施工中的風(fēng)險因素進行了綜合評價，由于只考慮風(fēng)險嚴(yán)重程度一個輸入變量，其主觀性和隨機性較強；在此基礎(chǔ)上，林倩[7]利用風(fēng)險矩陣綜合考慮風(fēng)險發(fā)生概率和后果嚴(yán)重程度兩個輸入變量來劃分風(fēng)險等級，并引入?yún)^(qū)間數(shù)削弱主觀賦權(quán)的隨機性，但其通過專家賦分選取區(qū)間數(shù)，仍有較強的主觀性。近年來，部分學(xué)者將智能算法引入主觀賦權(quán)，取得了較好的效果。江新等[8]利用集對理論和云模型削弱傳統(tǒng)AHP(analytic hierarchy process)法的模糊性和不確定性，建立基于SPA(set pair analysis)-云模型的工程運營風(fēng)險評估模型，該模型能有效處理專家判斷的同一性和差異性，減少主觀誤差；程江洲等[9]結(jié)合貝葉斯網(wǎng)絡(luò)和Dirichlet模型分解水力發(fā)電系統(tǒng)以提高主觀賦權(quán)的精度，并在此基礎(chǔ)上運用權(quán)威度賦權(quán)和模糊隸屬函數(shù)進一步削弱主觀賦權(quán)的隨機性；此外，傅鶴林等[10]引入語言評價值來反映指標(biāo)的重要程度，該方法能較好地反映系統(tǒng)的模糊性、不確定性和復(fù)雜性，進而削弱賦分的隨機性。以上研究嘗試多種方法削弱主觀賦權(quán)法的主觀性與隨機性，取得了一定的成效，但水利工程風(fēng)險復(fù)雜性高，專家難以給出確切評分，主觀賦權(quán)的隨機性大且很難規(guī)避。在客觀賦權(quán)法方面，沈菊琴等[11]采用熵權(quán)法計算指標(biāo)權(quán)重以削弱主觀性，形成基于熵權(quán)可拓物元模型的水利工程穩(wěn)定風(fēng)險評估方法；盧丹等[12]運用反熵權(quán)法對電網(wǎng)風(fēng)險進行客觀賦權(quán)，并運用博弈理論結(jié)合相關(guān)主觀賦權(quán)結(jié)果綜合兩種賦權(quán)方法求解最終權(quán)重。但目前多數(shù)客觀賦權(quán)法的基礎(chǔ)數(shù)據(jù)仍源于專家評分或問卷調(diào)查，不能直接接觸實際的客觀數(shù)據(jù)。

由于傳統(tǒng)風(fēng)險評估中賦權(quán)的主觀性和隨機性強，且多為基于文字和經(jīng)驗意義上的風(fēng)險描述，不能直接接觸實際數(shù)據(jù)[13-15]，需尋找一種基于實際客觀數(shù)據(jù)的評分法以代替主觀評分?？紤]到通過保險理賠數(shù)據(jù)能較精確地識別和定量風(fēng)險[16]，同時近年來國內(nèi)水電企業(yè)實現(xiàn)全國運營項目保險統(tǒng)一安排，保險的標(biāo)準(zhǔn)化、規(guī)范化情況較好[17]，且出險資料實時更新，具有實用價值，故其可以較好地被選作代替主觀評分的客觀數(shù)據(jù)。本研究以水電企業(yè)的保險理賠數(shù)據(jù)為切入點展開分析，提出了一種基于保險理賠數(shù)據(jù)的水電企業(yè)風(fēng)險評估方法。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況與數(shù)據(jù)來源

本文研究對象為某水電企業(yè)，收集到的數(shù)據(jù)資料包括其運營的分布于新疆、湖南、云南、寧夏、四川、河南、江西7個省份的24座水電站2016-2019年的所有保險理賠數(shù)據(jù)，數(shù)據(jù)質(zhì)量良好。

2.2 研究方法

2.2.1 風(fēng)險因素指標(biāo)體系構(gòu)建 通過分析某水電企業(yè)的保險理賠數(shù)據(jù)并結(jié)合相關(guān)專著[1]，總結(jié)近年來水電企業(yè)存在的主要運營風(fēng)險，按成因?qū)⑵鋭澐譃槿鐖D1所示的3個類別和14個因素。

圖1 水電企業(yè)運營風(fēng)險因素指標(biāo)體系

2.2.2 風(fēng)險損失區(qū)間及其標(biāo)度 目前水電企業(yè)的保險理賠數(shù)據(jù)較少，難以精確定量風(fēng)險損失，故通過區(qū)間數(shù)來提高風(fēng)險損失估計的準(zhǔn)確性。

(1)

K=

(2)

同一準(zhǔn)則下可能包含多項指標(biāo)，為全面體現(xiàn)各項指標(biāo)避免遺漏，定義一種最優(yōu)風(fēng)險損失區(qū)間(x-,x+)。設(shè)損失處于該區(qū)間內(nèi)的概率為P，則該區(qū)間需滿足下列條件：

①P≥95%

(n=1,2,…,∞)

(3)

(4)

(2)指標(biāo)層風(fēng)險損失區(qū)間。指標(biāo)層通常涉及發(fā)生概率很低的風(fēng)險，其出險數(shù)據(jù)資料少，不足以完成擬合。為保證指標(biāo)層風(fēng)險損失區(qū)間在構(gòu)造上的一致性，采用百分位數(shù)求解指標(biāo)層風(fēng)險損失區(qū)間。

設(shè)某理賠數(shù)據(jù)樣本的偏度系數(shù)為SK，第1四分位數(shù)為Q1，中位數(shù)為Q2，第3四分位數(shù)為Q3，則其風(fēng)險損失區(qū)間可表示為：

(5)

(6)

其標(biāo)度C可表示為：

(7)

(8)

2.2.4 AHP法計算指標(biāo)權(quán)重 AHP法是將決策問題按目標(biāo)、準(zhǔn)則、指標(biāo)的順序分解為不同的層次結(jié)構(gòu)，然后求解判斷矩陣特征向量進而計算各指標(biāo)對總目標(biāo)的權(quán)重的方法。其具體步驟可歸納為建立層次結(jié)構(gòu)模型、構(gòu)造判斷矩陣、層次單排序及其一致性檢驗、層次總排序及其一致性檢驗。

(1)判斷矩陣。風(fēng)險指數(shù)是風(fēng)險的后果嚴(yán)重程度與發(fā)生概率的乘積，用以劃分風(fēng)險等級[20]，可利用風(fēng)險指數(shù)作為判斷矩陣的計算依據(jù)。設(shè)某風(fēng)險的發(fā)生概率為Pi，后果嚴(yán)重程度為Ci，風(fēng)險指數(shù)為Ri，則Ri可按以下公式計算：

Ri=Pi·Ci

(9)

(10)

(2)權(quán)重向量。判斷矩陣A=(αij)n×m如滿足αij=αik·αkj，則稱其為一致性矩陣。一致性矩陣A存在唯一的非零特征值λ=n，其規(guī)范化特征向量w=(w1,w2,…,wn)T稱為權(quán)重向量，且αij=wi/wj。

(3)一致性檢驗。現(xiàn)實中判斷矩陣的賦值具有非等比性,階數(shù)大于2時,很難滿足一致性要求，這時可通過λmax求權(quán)重向量，但矩陣偏離一致性的程度必須在可接受范圍內(nèi)。

設(shè)λmax為矩陣A=(αij)n×m的最大特征值，λmax≥n，等號當(dāng)且僅當(dāng)A為一致性矩陣時成立。因此，可根據(jù)λmax與n的偏差來檢驗矩陣的一致性,λmax與n相差越多，A的一致性程度就越差。由此定義一致性指標(biāo)CI和平均隨機一致性指標(biāo)RI。

(11)

RI的值可參照平均隨機一致性指標(biāo)標(biāo)準(zhǔn)值表選取。取CI對RI的比值作為一致性檢驗判別式，稱其為一致性比率CR，即：

(12)

如CR<0.1，則認(rèn)為該判斷矩陣通過一致性檢驗。

3 實例應(yīng)用與結(jié)果分析

3.1 實例應(yīng)用

3.1.1 保險理賠數(shù)據(jù)統(tǒng)計計算 利用圖1的指標(biāo)體系，對該水電企業(yè)的保險理賠數(shù)據(jù)進行統(tǒng)計計算，以尋找其分布規(guī)律。

(1)準(zhǔn)則層風(fēng)險。以設(shè)備風(fēng)險為例，利用SPSS統(tǒng)計分析得到設(shè)備風(fēng)險損失數(shù)據(jù)的概括性數(shù)據(jù)度量指標(biāo)見表1。

表1 設(shè)備風(fēng)險損失數(shù)據(jù)度量指標(biāo)

由表1可看出，設(shè)備風(fēng)險出險次數(shù)多，損失數(shù)據(jù)為左偏、尖峰分布。選用半正態(tài)分布、對數(shù)正態(tài)分布、威布爾分布對其進行擬合，對數(shù)正態(tài)分布擬合設(shè)備風(fēng)險損失數(shù)據(jù)的P-P圖如圖2所示。由圖2可看出，對數(shù)正態(tài)分布的擬合效果較好，故采用對數(shù)正態(tài)分布對設(shè)備風(fēng)險損失數(shù)據(jù)進行擬合。

圖2 對數(shù)正態(tài)分布擬合設(shè)備風(fēng)險損失數(shù)據(jù)的P-P圖

取理賠數(shù)據(jù)的自然對數(shù)，可得其μ=1.464，σ=1.520，由此可得相應(yīng)的概率分布函數(shù)。劃分風(fēng)險損失計算區(qū)間并利用Excel完成各區(qū)間分布累計概率與理論概率的計算，利用公式(3)計算各區(qū)間的概率貢獻率，將計算結(jié)果列于表2。

表2 風(fēng)險損失區(qū)間計算表

按區(qū)間概率貢獻率將損失區(qū)間降序排序，利用公式(4)可得到理論概率為95.82%的風(fēng)險損失區(qū)間為(0，60]，進一步劃分(30，60]并重復(fù)上述計算過程，可得到設(shè)備風(fēng)險損失發(fā)生概率為95%的風(fēng)險損失區(qū)間為(0，52.68]。由于風(fēng)險損失不可能為0，取理賠數(shù)據(jù)中的最小值對風(fēng)險損失區(qū)間進行修正，將風(fēng)險損失區(qū)間調(diào)整為[0.08，52.68]。

同理可求得環(huán)境風(fēng)險和其他風(fēng)險的風(fēng)險損失區(qū)間，將計算結(jié)果列入表3。

表3 準(zhǔn)則層風(fēng)險損失區(qū)間 104元

(2)指標(biāo)層風(fēng)險。通過公式(1)、(5)可求出指標(biāo)層各風(fēng)險因素的損失區(qū)間如表4。

表4 指標(biāo)層各風(fēng)險因素的損失區(qū)間 104元

結(jié)合表5，通過公式(10)可得到準(zhǔn)則層判斷矩陣A以及指標(biāo)層判斷矩陣B1、B2、B3。

表5 準(zhǔn)則層和指標(biāo)層各風(fēng)險因素風(fēng)險后果嚴(yán)重程度及相對發(fā)生概率

結(jié)合2.2.4節(jié)中的理論可分別求解準(zhǔn)則層和指標(biāo)層的權(quán)重，將兩者相乘即可得到該水電企業(yè)的風(fēng)險評估結(jié)果，如表6所示。

表6 某水電企業(yè)的風(fēng)險評估結(jié)果

3.2 結(jié)果分析

由表4、5可看出，2016-2019年該水電企業(yè)運營過程中環(huán)境類風(fēng)險和其他類風(fēng)險損失較大，但發(fā)生概率較低，設(shè)備類風(fēng)險損失較小，但發(fā)生概率較高，這符合水電站的風(fēng)險統(tǒng)計規(guī)律[1]。

進一步對照表6中的風(fēng)險權(quán)重，權(quán)重最高的3個風(fēng)險因素為設(shè)備故障、暴雨、洪水，其后果嚴(yán)重程度的評估值分別為4.00、5.21、4.00，相對發(fā)生概率的評估值分別為0.48、0.33、0.42，其中暴雨因素的相對發(fā)生概率低于洪水因素，但其后果嚴(yán)重程度高于后者，經(jīng)綜合計算分析可得其權(quán)重略高于后者，由此可見風(fēng)險權(quán)重能綜合反映水電企業(yè)事故的嚴(yán)重程度與發(fā)生概率。水電企業(yè)不同風(fēng)險的權(quán)重存在明顯差異，可為不同風(fēng)險劃分不同的防范等級，進而分級制定具體的防控措施。

4 討 論

工程風(fēng)險有一定的規(guī)律性，建立合理的風(fēng)險防控體系可有效預(yù)防風(fēng)險，降低財產(chǎn)損失。本研究結(jié)合企業(yè)保險理賠數(shù)據(jù)，建立風(fēng)險因素指標(biāo)體系，并進一步分析得到各風(fēng)險因素權(quán)重，這與前人通過文獻檢索、現(xiàn)場走訪等方式歸納風(fēng)險因素指標(biāo)體系并結(jié)合專家打分計算得到風(fēng)險權(quán)重[6-8,11,13]的方法不同，能更好地結(jié)合水電企業(yè)的特征，得到更有針對性的風(fēng)險評估數(shù)據(jù)以供水電企業(yè)風(fēng)險防控決策參考。但目前水電企業(yè)可用保險理賠數(shù)據(jù)較少，基于保險理賠數(shù)據(jù)的客觀評分法精度可能不足，本文引入風(fēng)險相對發(fā)生概率與風(fēng)險損失區(qū)間及其標(biāo)度確定方法以提高風(fēng)險評估的準(zhǔn)確性。有學(xué)者在客觀權(quán)重的基礎(chǔ)上通過博弈模型[12]耦合主觀權(quán)重，該方法亦能較好地提高評估精度。

本研究得出了某水電企業(yè)各風(fēng)險因素的權(quán)重與排序，但并未對風(fēng)險成因及其防控措施作深入研究，水電企業(yè)長周期安全穩(wěn)定運行的技術(shù)及管理模式還需進一步探討。環(huán)境風(fēng)險和設(shè)備風(fēng)險是眾多水電企業(yè)長周期安全穩(wěn)定運行中亟需改進的突出問題，環(huán)境風(fēng)險損失大、機理復(fù)雜、難以避免，有待進一步研究其事故機理及預(yù)警方法以減小事故損失，設(shè)備風(fēng)險出險頻率高、類別多，需深入研究運營管理模式以減小設(shè)備事故概率。

5 結(jié) 論

(1)提出了一種基于保險理賠數(shù)據(jù)的水電企業(yè)風(fēng)險評估方法，該方法通過對保險理賠數(shù)據(jù)的統(tǒng)計分析直接得到各風(fēng)險因素的權(quán)重，能較好地規(guī)避傳統(tǒng)風(fēng)險評估方法的主觀性和隨機性，且保險理賠數(shù)據(jù)可與風(fēng)險評估數(shù)據(jù)實現(xiàn)同步實時更新，評估精度將隨時間的積累而不斷提高，具有實用意義。

(2)引入了風(fēng)險相對發(fā)生概率與風(fēng)險損失區(qū)間及其標(biāo)度的確定方法，適用于水電企業(yè)出險數(shù)據(jù)少的情況，且其求解方法簡單，有較強的可操作性，可推廣至水電企業(yè)的基層管理人員。

(3)利用基于保險理賠數(shù)據(jù)的水電企業(yè)風(fēng)險評估方法對某水電企業(yè)進行了運營風(fēng)險評估，得到了該企業(yè)的風(fēng)險因素權(quán)重及排序，可為該企業(yè)的風(fēng)險防控工作提供參考。結(jié)果表明：該水電企業(yè)應(yīng)加大在設(shè)備故障、暴雨、洪水等方面的風(fēng)險防控投入，適當(dāng)減緩在電壓波動、絕緣擊穿、過電壓等方面的風(fēng)險防控投入。可根據(jù)風(fēng)險權(quán)重排序，有區(qū)別地制定不同等級的風(fēng)險防控措施。