氣候巨災(zāi)風(fēng)險債券定價研究

王秀峰　韓灝　梁龍躍

【摘 要】 氣候巨災(zāi)風(fēng)險債券作為一種新型金融工具，可以合理轉(zhuǎn)化由極端天氣造成的嚴(yán)重經(jīng)濟(jì)損失，進(jìn)而有效分散政府財政和保險市場的資金壓力，實(shí)現(xiàn)金融市場的穩(wěn)定有序發(fā)展。選取貴州省1992—2018年間的洪災(zāi)直接經(jīng)濟(jì)損失數(shù)據(jù)，運(yùn)用閾值模型測算洪災(zāi)預(yù)期損失風(fēng)險數(shù)值，并從政府層面和保險機(jī)構(gòu)層面評估當(dāng)?shù)仫L(fēng)險應(yīng)對能力;采用預(yù)期損失風(fēng)險值為債券觸發(fā)條件，根據(jù)無套利定價模型對洪災(zāi)風(fēng)險債券進(jìn)行定價分析。研究結(jié)果表明：針對政府部門和保險市場在面對洪災(zāi)造成的巨額直接經(jīng)濟(jì)損失時表現(xiàn)出的能力不足問題，有必要借助資本市場特別是債券市場的資源優(yōu)勢;目前我國缺少有效和系統(tǒng)的洪災(zāi)風(fēng)險分散機(jī)制，洪災(zāi)風(fēng)險債券的參與主體責(zé)任分工不清晰。最后從加快培育我國巨災(zāi)風(fēng)險債券市場和建立健全我國巨災(zāi)風(fēng)險分散機(jī)制方面提出建議。

【關(guān)鍵詞】 洪災(zāi); 巨災(zāi)風(fēng)險債券; 預(yù)期經(jīng)濟(jì)損失; 債券定價

【中圖分類號】 F840.64? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2022）01-0044-08

一、引言

2020年11月《國家中長期經(jīng)濟(jì)社會發(fā)展戰(zhàn)略若干重大問題》發(fā)布，習(xí)近平總書記強(qiáng)調(diào)了在維持國民經(jīng)濟(jì)正常運(yùn)轉(zhuǎn)的過程中增強(qiáng)民眾防災(zāi)減災(zāi)意識的重要性，同時提到要大力加強(qiáng)防災(zāi)備災(zāi)體系和能力建設(shè)，舍得花錢，舍得下功夫，寧肯十防九空，有些領(lǐng)域要做好應(yīng)對百年一遇災(zāi)害的準(zhǔn)備。新冠疫情的爆發(fā)是一場人類災(zāi)難，迫使全球經(jīng)濟(jì)形勢變得脆弱和緊張，面對突如其來的經(jīng)濟(jì)動蕩和逐漸蔓延的金融風(fēng)險，未來如何有效緩解類似“黑天鵝事件”給國家經(jīng)濟(jì)領(lǐng)域帶來的沖擊值得思考。反觀近年來，全球氣候復(fù)雜多變，極端天氣事件逐漸增加。氣候巨災(zāi)具有“黑天鵝事件”的典型特征，它的發(fā)生通常出乎意料、不可預(yù)測，同時伴有嚴(yán)重生命威脅和重大經(jīng)濟(jì)損失。世界經(jīng)濟(jì)論壇發(fā)布的《2020年全球風(fēng)險報告》顯示，未來十年全球發(fā)生可能性最大的前五大風(fēng)險為：極端天氣事件、氣候應(yīng)對失敗、自然災(zāi)害、生物多樣性喪失和人為環(huán)境災(zāi)難，并倡導(dǎo)世界各國加快協(xié)同合作，共同應(yīng)對氣候變化帶來的長期挑戰(zhàn)。不僅如此，國際清算銀行（BIS）最近闡明了氣候災(zāi)害或巨變可能會在金融領(lǐng)域造成破壞性影響的觀點(diǎn)。現(xiàn)階段我國氣候巨災(zāi)風(fēng)險分散機(jī)制仍不成熟。巨災(zāi)損失補(bǔ)償主要依賴政府救助和社會捐贈，同時輔以金額有限的保險賠付。而隨著我國經(jīng)濟(jì)發(fā)展水平的不斷提高，氣候巨災(zāi)造成的損失日趨嚴(yán)重，極易導(dǎo)致國家和地方財政不堪重負(fù)、傳統(tǒng)保險市場投保需求和賠付壓力驟增，不僅降低了氣候巨災(zāi)救助效率，也對我國金融市場高質(zhì)量健康發(fā)展提出了挑戰(zhàn)。氣候巨災(zāi)風(fēng)險債券的風(fēng)險轉(zhuǎn)移和定價機(jī)制有效連接了保險市場和資本市場的資源要素，打通了保險市場巨額賠付風(fēng)險良好傳導(dǎo)的最后一公里，有效避免了因保險企業(yè)賠付能力不足而對政府財政造成的反噬現(xiàn)象，充分發(fā)揮了金融市場資源配置和風(fēng)險分散職能，有效預(yù)防了系統(tǒng)性金融風(fēng)險的發(fā)生。

基于以上經(jīng)濟(jì)形勢和現(xiàn)實(shí)背景，本文主要探討了洪災(zāi)風(fēng)險債券是如何運(yùn)行的？設(shè)計洪災(zāi)風(fēng)險債券的實(shí)踐價值是什么？并以貴州省洪澇災(zāi)害為研究對象，分析了目前貴州省應(yīng)對洪災(zāi)風(fēng)險的能力如何？最后落腳在洪災(zāi)風(fēng)險債券的實(shí)際定價是怎樣的？分析探索更為合理的、責(zé)任分工更為明確的氣候巨災(zāi)風(fēng)險分散體系，為實(shí)現(xiàn)氣候巨災(zāi)風(fēng)險分散體系創(chuàng)新，推動我國氣候巨災(zāi)風(fēng)險證券化發(fā)展提供參考價值。

二、文獻(xiàn)回顧

于孝建等[1]提出氣候變化和氣象災(zāi)害因其巨大破壞性，極易影響社會經(jīng)濟(jì)各領(lǐng)域的正常生產(chǎn)生活秩序，容易導(dǎo)致農(nóng)作物受災(zāi)、人員傷亡、財產(chǎn)損失和次生災(zāi)害等風(fēng)險。為探索新型自然災(zāi)害風(fēng)險分散機(jī)制，有學(xué)者提出通過巨災(zāi)風(fēng)險證券化的方式將風(fēng)險轉(zhuǎn)移到承受能力較強(qiáng)的資本市場。國外學(xué)者Lewis[2]較早提出，巨災(zāi)風(fēng)險債券有助于保險或再保險公司將巨災(zāi)風(fēng)險轉(zhuǎn)移到資本市場。國內(nèi)學(xué)者閆石[3]由此得到啟發(fā)，根據(jù)我國基本情況分析了發(fā)展巨災(zāi)風(fēng)險債券的可行性;田玲等[4]認(rèn)為巨災(zāi)風(fēng)險債券作為一款新型風(fēng)險轉(zhuǎn)移工具將保險市場和資本市場連接起來，同時保險監(jiān)管者在提高巨災(zāi)風(fēng)險債券的供給上要扮演更重要的角色;諸寧[5]認(rèn)為巨災(zāi)風(fēng)險證券化在分散巨災(zāi)風(fēng)險方面比再保險市場更有效率。張啟文等[6]提出農(nóng)業(yè)巨災(zāi)風(fēng)險債券區(qū)別于巨災(zāi)保險主要在于前者不再局限于農(nóng)業(yè)保險，而是有機(jī)結(jié)合了金融工具與農(nóng)業(yè)保險，是分散巨災(zāi)風(fēng)險的一種具體手段。由于極端災(zāi)害風(fēng)險事件發(fā)生的頻率和損失難以預(yù)測，因此在巨災(zāi)風(fēng)險債券的定價問題上至今沒有形成統(tǒng)一的方法?；诒ｋU精算的定價模型方面，Wang[7]提出的Wang兩因素模型得到國內(nèi)很多學(xué)者的認(rèn)可。田玲等[8]認(rèn)為Wang兩因素模型在精確度上要優(yōu)于另外兩個典型巨災(zāi)風(fēng)險債券模型（LFC模型和Christofides模型）;朱孟驊[9]、韋勇鳳等[10]結(jié)合Wang兩因素變換模型探討了我國地震巨災(zāi)風(fēng)險債券的定價。在基于金融理論的定價模型方面，黃英君等[11]、展凱等[12]根據(jù)無套利定價模型分別設(shè)計了旨在分散云南煙草種植風(fēng)險和廣東省農(nóng)作物風(fēng)雹災(zāi)害風(fēng)險的農(nóng)業(yè)巨災(zāi)風(fēng)險債券，為后來的學(xué)者提供了研究范式。

極值理論主要應(yīng)用于發(fā)生頻率低，然而一旦發(fā)生會產(chǎn)生極大影響的隨機(jī)事件中。國外學(xué)者Bortkiewicz[13]首次明確提出極值問題。國內(nèi)對極值理論的研究主要集中在實(shí)際應(yīng)用上：歐陽資生等[14]從廣義帕累托模型入手，將極值理論巧妙運(yùn)用在金融風(fēng)險的度量上;陳守東等[15]應(yīng)用極值理論對金融收益序列的尾部進(jìn)行估計，計算收益序列的VaR和ES來度量市場風(fēng)險。而近年來，由于自然災(zāi)害頻發(fā)，不少學(xué)者開始將極值理論應(yīng)用于巨災(zāi)損失的預(yù)測上。卓志等[16]、郝軍章等[17]引入極值理論中POT模型對地震巨災(zāi)損失分布進(jìn)行建模與擬合;何樹紅等[18]、吳亞玲等[19]驗證了低溫雪凍、臺風(fēng)災(zāi)害損失服從“尖峰厚尾”極值分布的觀點(diǎn)。

綜上所述，現(xiàn)有文獻(xiàn)已就氣候巨災(zāi)風(fēng)險債券在農(nóng)業(yè)領(lǐng)域中的應(yīng)用有較為深入的探討。誠然，農(nóng)業(yè)生產(chǎn)具有特殊性容易受自然環(huán)境的影響，但是隨著我國脫貧攻堅取得決定性勝利，城市化進(jìn)程不斷加快城市人口規(guī)模急劇增加，氣候巨災(zāi)風(fēng)險除了對農(nóng)業(yè)生產(chǎn)造成威脅還影響著城市生活的方方面面，因此有必要將實(shí)際將氣候巨災(zāi)風(fēng)險債券的應(yīng)用拓展到更廣闊的范圍。其次，現(xiàn)有文獻(xiàn)多集中在氣候巨災(zāi)風(fēng)險債券定價方法的實(shí)證研究中，鮮有對氣候巨災(zāi)風(fēng)險債券參與主體責(zé)任分工的詳細(xì)探討。本研究的主要貢獻(xiàn)體現(xiàn)在以下三個方面：其一，從防范和化解金融風(fēng)險視角出發(fā)，以脫貧攻堅的主戰(zhàn)場貴州省為例分析洪災(zāi)風(fēng)險債券的運(yùn)行機(jī)制和實(shí)踐價值。其二，運(yùn)用閾值模型測算洪災(zāi)預(yù)期損失風(fēng)險數(shù)值，并從政府層面和保險機(jī)構(gòu)層面評估當(dāng)?shù)仫L(fēng)險應(yīng)對能力;以預(yù)期損失風(fēng)險值為債券觸發(fā)條件，根據(jù)無套利定價模型對洪災(zāi)風(fēng)險債券進(jìn)行定價分析。其三，就氣候巨災(zāi)風(fēng)險債券參與主體的責(zé)任分工和探索推進(jìn)我國氣候巨災(zāi)風(fēng)險債券發(fā)展提出合理化建議。

三、洪災(zāi)風(fēng)險債券運(yùn)行機(jī)制及實(shí)踐價值

（一）運(yùn)行機(jī)制

目前我國巨災(zāi)風(fēng)險債券發(fā)展緩慢，參考國內(nèi)第一支地震巨災(zāi)風(fēng)險債券的運(yùn)行機(jī)制，洪災(zāi)風(fēng)險債券的參與主體包括受氣候巨災(zāi)風(fēng)險威脅為相關(guān)保險標(biāo)的購買保障的投保人、通過承保為投保人提供風(fēng)險分散和經(jīng)濟(jì)補(bǔ)償?shù)谋ｋU公司、通過對外發(fā)行洪災(zāi)風(fēng)險債券的方式提供再保險服務(wù)來轉(zhuǎn)嫁保險公司經(jīng)營風(fēng)險的再保險公司、起破產(chǎn)隔離作用的特殊目的機(jī)構(gòu)（SPV）、有投資獲利需求的投資人。

如圖1所示，投保人和保險公司之間以保險合同條款為媒介，保險公司和再保險公司之間以再保險協(xié)議為媒介，再保險公司與投資人之間以巨災(zāi)債券為媒介，圖中箭頭表示雙方之間的資金流向。災(zāi)情發(fā)生后，保險公司按照與投保人之間的約定條款對當(dāng)?shù)刎敭a(chǎn)損失和人員傷亡進(jìn)行賠付，此時的賠付金額常常前所未有、難以承受，與此同時洪災(zāi)風(fēng)險債券觸發(fā)機(jī)制啟動。以損失賠償型觸發(fā)機(jī)制為例，再保險公司作為債券發(fā)行人以災(zāi)情造成的實(shí)際損失為基礎(chǔ)設(shè)置債券清算條件完成與投資人之間的資金交割，此時投資人在債券設(shè)置的約定限額內(nèi)承擔(dān)發(fā)行人特定的風(fēng)險暴露，保險公司因發(fā)行方債券本金減記獲得資金補(bǔ)償并實(shí)現(xiàn)精準(zhǔn)轉(zhuǎn)移巨額賠付壓力的目的;災(zāi)情未發(fā)生時，債券觸發(fā)機(jī)制未能啟動，投資者將按照債券票面約定收益率和期限獲得本金賠付和利息支付，由此實(shí)現(xiàn)資金升值目的。

（二）實(shí)踐價值

宏觀層次上，有利于推動我國巨災(zāi)保險的建設(shè)，進(jìn)而緩解政府財政壓力。十四五規(guī)劃提出要“完善國家應(yīng)急管理體系，發(fā)展巨災(zāi)保險，提高防災(zāi)、減災(zāi)、抗災(zāi)、救災(zāi)能力”。一方面，目前我國巨災(zāi)保險目前仍然處于試點(diǎn)階段，由于面臨較高的巨災(zāi)風(fēng)險管理成本和缺乏對應(yīng)的配套支持政策，導(dǎo)致巨災(zāi)保險的發(fā)展深度和廣度有限。巨災(zāi)風(fēng)險債券借助資本市場資源配置的優(yōu)勢有效分?jǐn)偭吮ｋU市場的承保壓力，降低了單一機(jī)構(gòu)集中大規(guī)模賠付的流動性風(fēng)險，為巨災(zāi)保險的普及解決了后顧之憂。另一方面，目前政府財政承擔(dān)了大部分巨災(zāi)保險的保費(fèi)補(bǔ)貼和保險賠付，氣候巨災(zāi)風(fēng)險債券作為保險公司強(qiáng)有力的支持既可以在前端改變巨災(zāi)保險的市場供需情況，又可以在后端杜絕企業(yè)破產(chǎn)政府托管的窘境，有利于政府將主要精力集中在救災(zāi)應(yīng)急體系完善和防災(zāi)政策研判上。

微觀層次上，洪災(zāi)風(fēng)險債券有利于鞏固當(dāng)?shù)孛撠毠猿晒?，服?wù)鄉(xiāng)村振興戰(zhàn)略。一方面，農(nóng)業(yè)保險日益成為改善農(nóng)民福祉、促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展和推動農(nóng)業(yè)產(chǎn)業(yè)革命的重要抓手。農(nóng)業(yè)巨災(zāi)風(fēng)險的破壞作用一直是農(nóng)業(yè)保險市場化經(jīng)營的痛點(diǎn)，洪災(zāi)風(fēng)險發(fā)生時間集中、來勢迅猛，容易對農(nóng)作物生產(chǎn)、農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)、畜牧水產(chǎn)養(yǎng)殖等造成損毀，進(jìn)而限制農(nóng)業(yè)保險的救助效率，違背農(nóng)業(yè)保險預(yù)防農(nóng)戶返貧的初衷。而有效的農(nóng)業(yè)保險巨災(zāi)風(fēng)險分散機(jī)制一直是社會各界不斷尋求的目標(biāo)，此時洪災(zāi)風(fēng)險債券就可以作為考慮重點(diǎn)。另一方面，異地扶貧搬遷是實(shí)現(xiàn)精準(zhǔn)扶貧的重要舉措，是促進(jìn)區(qū)域經(jīng)濟(jì)社會發(fā)展的重要引擎。集中安置貧困戶進(jìn)入樓房居住，改變了農(nóng)戶原有生活方式和巨災(zāi)風(fēng)險暴露形式。洪災(zāi)風(fēng)險不僅是農(nóng)業(yè)生產(chǎn)的克星還是城市生活的阻礙，容易造成城市內(nèi)澇、沖毀樓房等危害，甚至?xí)关毨О仓霉ぷ鞴μ澮缓垺?020年4月上海保險交易所上線“中國城鄉(xiāng)居民住宅臺風(fēng)洪水巨災(zāi)保險產(chǎn)品”，保障對象為城鄉(xiāng)居民住宅、門窗屋頂?shù)仁覂?nèi)附屬設(shè)施以及家庭室內(nèi)財產(chǎn)。因此，洪災(zāi)風(fēng)險債券也應(yīng)該配合國家發(fā)展戰(zhàn)略，為積極發(fā)揮巨災(zāi)保險保障作用增添濃墨重彩的一筆。

四、研究方法

（一）極值理論

（二）閾值模型（POT）和廣義帕累托分布（GPD）

POT模型因其不需要觀測值具有時間階段特征，只需要對超過某一閾值的極端值進(jìn)行建模的優(yōu)點(diǎn)，在有效利用樣本數(shù)據(jù)方面表現(xiàn)良好。由于POT模型對樣本數(shù)的需求比較少，所以經(jīng)常運(yùn)用在厚尾分布的擬合中，這也是本研究使用的方法。設(shè)F（x）為觀測值x的分布函數(shù)，μ為模型閾值，x-μ表示超額數(shù)，則當(dāng)x>μ時，y=x-μ的條件概率為：

（三）風(fēng)險價值模型（VaR）

（四）預(yù)期損失模型（ES）

ES模型表示損失超過VaR水平的條件期望值。隨機(jī)變量X表示資產(chǎn)組合的損益，若在給定時間和置信水平1-α下的VaR值表示為VaR（x），則ES（x）的表達(dá)式為：

五、實(shí)證分析

（一）數(shù)據(jù)描述

本研究選取貴州省1992—2018年（不包括2013年）洪澇災(zāi)害直接經(jīng)濟(jì)損失數(shù)據(jù)作為觀察樣本，共計26組，其中1992—2012年的數(shù)據(jù)來源為《中國水利年鑒》，2013—2018年的數(shù)據(jù)來源為《中國水利統(tǒng)計年鑒》。主要原因如下：首先貴州省具有“一山分四季，十里不同天，無災(zāi)不成年”的特點(diǎn)，2019年由暴雨引發(fā)的六盤水特大山體滑坡和2020年遵義正安特大洪災(zāi)備受關(guān)注;其次，貴州省是我國脫貧攻堅的主戰(zhàn)場，“十三五”期間已實(shí)現(xiàn)易地扶貧搬遷192萬人，安置點(diǎn)達(dá)946個，累計建成住房達(dá)45.6萬套，是全國搬遷規(guī)模最大、人數(shù)最多、城鎮(zhèn)化集中安置比例最高的省份①;最后，貴州省脫貧攻堅成果來之不易，現(xiàn)已在遵義市重點(diǎn)開展巨災(zāi)保險試點(diǎn)工作，為支持貴州省巨災(zāi)保險試點(diǎn)工作的新探索，嚴(yán)防因災(zāi)致貧返貧情況發(fā)生，特選此作為研究對象。為降低因物價水平帶來的通貨膨脹影響，以2018年的居民消費(fèi)價格指數(shù)為基期對1992—2018年的損失數(shù)據(jù)進(jìn)行調(diào)整，其中CPI數(shù)據(jù)來源于國家統(tǒng)計局，本研究主要使用RStudio1.1.456軟件進(jìn)行數(shù)據(jù)描述和統(tǒng)計分析，調(diào)整后的數(shù)據(jù)如表1所示。

描述性統(tǒng)計結(jié)果表明，貴州省洪澇災(zāi)害直接經(jīng)濟(jì)損失數(shù)據(jù)的最小值為6.87，最大值為149.29，Jarque-Bera統(tǒng)計量X-squared為11.89，P-value為0.003，這說明樣本數(shù)據(jù)不服從正態(tài)分布。同時樣本的偏度為1.42，峰度為4.03，呈現(xiàn)明顯的“尖峰厚尾”分布特征，表明可以用極值理論進(jìn)行下一步分析。相關(guān)數(shù)據(jù)略。

（二）數(shù)據(jù)擴(kuò)充

考慮到貴州省洪澇災(zāi)害的觀測值過少，只有26組數(shù)據(jù)，屬于小樣本集合，分析結(jié)果會產(chǎn)生巨大偏差，故決定使用蒙特卡洛模擬對數(shù)據(jù)進(jìn)行擴(kuò)充。在模擬之前先確定最優(yōu)分布：首先選取目前國內(nèi)外相關(guān)研究中使用比較多的概率分布模型（Weibull、Log-norm、Gamma、Burr）作為觀測值的備選分布，估算出備選分布的參數(shù)值，然后使用K-S（Kolmogorov-Smirnov）方法對相關(guān)參數(shù)值下的備選分布模型進(jìn)行假設(shè)分布檢驗，最后根據(jù)擬合優(yōu)度檢驗的相關(guān)檢測值確定最優(yōu)分布。

根據(jù)結(jié)果得到擬合效果最好的為威布爾分布（Weibull），統(tǒng)計量D為0.14863，P-value為0.5637，表示在5%的置信水平接受觀測值服從給定分布的原假設(shè)，而Log-norm、Gamma、Burr均未通過擬合優(yōu)度檢驗。因此，本文根據(jù)Weibull極值分布模型的相關(guān)參數(shù)對觀測值進(jìn)行蒙特卡洛模擬1 000次。最后，用K-S法對模擬效果進(jìn)行擬合優(yōu)度檢驗，得出統(tǒng)計量D為0.02378，P-value為0.6238，結(jié)果表明模擬效果良好。最后，為了建模需要對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗，所用方法為ADF檢驗法，結(jié)果顯示模擬數(shù)據(jù)均在1%的顯著性水平上拒絕原假設(shè)，這表明該組數(shù)據(jù)為平穩(wěn)序列，可以進(jìn)行下一步分析。

（三）閾值確定和參數(shù)估計

極值理論中閾值的確定尤為重要，閾值太大或太小都會造成后續(xù)參數(shù)估計不準(zhǔn)確。本文參考占紀(jì)文等[21]的研究成果，根據(jù)平均超額函數(shù)圖法、Hill圖法和峰度法確定閾值。

首先，依據(jù)平均超額函數(shù)圖法和Hill圖法確定閾值大體區(qū)間。由上述研究可知，模擬數(shù)據(jù)服從Weibull極值分布，形狀參數(shù)為負(fù)。如圖2所示，平均超額函數(shù)圖在閾值介于28到33之間時呈現(xiàn)線性負(fù)相關(guān)，因此可以基本確定閾值出現(xiàn)在此區(qū)間。同時結(jié)合圖3可以發(fā)現(xiàn)，Hill圖圖像趨于平緩的起始點(diǎn)位于閾值為32億元附近。值得一提的是使用峰度法得出的閾值為47.78億元，其明顯不在上述閾值估計區(qū)間內(nèi);另外，在模擬的1 000個數(shù)據(jù)中超過閾值47.78億元的只有56個，超過閾值的個數(shù)太少會影響后續(xù)參數(shù)估計和尾部擬合效果，因此這里不考慮峰度法。

其次，為了具體確定閾值，現(xiàn)通過觀察圖4中（28，33）區(qū)間內(nèi)形狀參數(shù)和尺度參數(shù)的穩(wěn)定性得到精確值。因此選取閾值為31.51億元，超過閾值的個數(shù)N=165。

本文使用極大似然估計方法進(jìn)行參數(shù)估計，得到形狀參數(shù)ξ=-0.046，尺度參數(shù)β=14.99。本文借用R軟件生成GPD分布函數(shù)擬合診斷圖檢驗尾部數(shù)據(jù)的擬合效果，如圖5所示，左上方經(jīng)驗概率P-P圖和右上方分位數(shù)Q-Q圖中絕大部分散點(diǎn)均分布在對角線附近;左下方重現(xiàn)水平圖中，散點(diǎn)均位于95%的置信區(qū)間內(nèi);右下方不難看出GPD分布對尾部數(shù)據(jù)提供了較好的擬合?？梢哉f閾值選取合適，因此將得到的參數(shù)值代入公式2中得貴州省洪災(zāi)損失累積分布函數(shù)表達(dá)式為：

（四）貴州省洪災(zāi)預(yù)期經(jīng)濟(jì)損失（ES）測算

根據(jù)上文得到的形狀參數(shù)和尺度參數(shù)，結(jié)合公式（5）計算貴州省洪災(zāi)在不同分位數(shù)下的預(yù)期經(jīng)濟(jì)損失（ES），如表2所示。

以90%的分位數(shù)為例，當(dāng)貴州省遭受十年一遇的洪災(zāi)時，其預(yù)期經(jīng)濟(jì)損失的估計值將達(dá)144.7億元，此時已接近2018年貴州省全省GDP② 的1%;如果貴州省遭受百年一遇（99%分位數(shù)）的洪災(zāi)時，預(yù)期經(jīng)濟(jì)損失估計值高達(dá)228.27億元，這意味著已經(jīng)超過當(dāng)年織金縣（2018年全省GDP排名第24位）全縣GDP。據(jù)統(tǒng)計，2018年貴州省財產(chǎn)險保費(fèi)收入為208.03億元③，同年為了支持貴州等省份應(yīng)對臺風(fēng)和洪澇災(zāi)害，財政部撥付防汛補(bǔ)助金10億元④。財產(chǎn)保費(fèi)總收入和防汛補(bǔ)助金總和為218.027億元，仍小于上述228.27億元的預(yù)期經(jīng)濟(jì)估計值。然而僅單純考慮用保費(fèi)收入覆蓋洪災(zāi)風(fēng)險成本的慣性金融思維是不切實(shí)際的，更重要的是保險公司也未必?fù)碛腥绱诵酆竦馁Y金實(shí)力;與此同時，貴州省經(jīng)濟(jì)體量較小，近年來受減稅降費(fèi)政策影響稅收增長放緩，對中央轉(zhuǎn)移支付的需求增加。以上因素均促使洪災(zāi)風(fēng)險成本與風(fēng)險彌補(bǔ)平衡情況收緊，因此尋求資本市場的資源優(yōu)勢是一個不錯的選擇。

（五）貴州省洪災(zāi)風(fēng)險債券定價分析

與普通債券類似，根據(jù)金融理論中的無套利定價原理，洪災(zāi)風(fēng)險債券的票面價格由其未來現(xiàn)金流的貼現(xiàn)值決定，貴州省洪災(zāi)風(fēng)險債券的定價M表達(dá)式為：

M=e×（F×P（d<D）+A×F×P（d≥D）） （7）

現(xiàn)對公式中的相關(guān)參數(shù)作具體解釋：（1）暫時不考慮債券發(fā)行方短期支付壓力，基于刺激投資人購買的角度本研究的債券發(fā)行期限設(shè)置為一年，即T=1。（2）F為債券面值設(shè)為100。（3）基于拓寬洪災(zāi)風(fēng)險債券市場廣度、滿足投資人高收益率偏好的角度此處設(shè)定較高的債券發(fā)行利率r，為6%、8%、10%（目前一般國債年收益率為4%～5%）三個梯度。一般來說投資人對風(fēng)險的不樂觀評估會促使發(fā)行方提高發(fā)行利率。（4）洪災(zāi)風(fēng)險債券的本金減記是保險公司實(shí)現(xiàn)巨額賠付的重要現(xiàn)金流，也是有效緩解政府財政的資金對沖，因此設(shè)置較高的減記比例A，為100%、70%、40%三個梯度。（5）本研究采用模型損失型觸發(fā)機(jī)制，即以上文測算的不同分位數(shù)水平的預(yù)期經(jīng)濟(jì)損失值（ES）作為債券觸發(fā)條件D;主要原因首先在于由預(yù)期損失風(fēng)險模型確定債券觸發(fā)條件更為科學(xué)，因為它不直接依賴洪災(zāi)直接經(jīng)濟(jì)損失歷史數(shù)據(jù)而是著重對尾部數(shù)據(jù)估計，進(jìn)而能得到多梯度的觸發(fā)條件;其次以十年一遇、百年一遇等發(fā)生概率確定債券觸發(fā)條件能夠體現(xiàn)債券發(fā)行方對防范極端災(zāi)害的重視。（6）債券被觸發(fā)的概率P（d≥D），債券未被觸發(fā)的概率P（d≤D）由公式6貴州省洪災(zāi)損失累積分布函數(shù)確定。表3展示了貴州省洪災(zāi)風(fēng)險債券的具體定價。

表3可知：首先，當(dāng)發(fā)行利率和本金減記比例不變時，洪災(zāi)風(fēng)險債券面臨發(fā)行成本與風(fēng)險覆蓋之間的權(quán)衡。觸發(fā)條件過高意味著洪災(zāi)風(fēng)險債券覆蓋洪災(zāi)風(fēng)險的作用減小即過低的洪災(zāi)風(fēng)險可能無法觸發(fā)債券也就意味著無法實(shí)現(xiàn)保障巨災(zāi)保險的目的，而此時債券定價升高這意味著發(fā)行成本降低，因此發(fā)行人需要在兩者之間抉擇。其次，當(dāng)發(fā)行利率和觸發(fā)條件不變時，洪災(zāi)風(fēng)險債券面臨發(fā)行成本與籌資效率之間的權(quán)衡。本金減記比例越低意味著發(fā)行方從投資人處得到的現(xiàn)金流較少，降低了籌資效率，而此時債券定價升高發(fā)行成本降低，因此發(fā)行人再次面臨兩難選擇。最后，當(dāng)本金減記比例和觸發(fā)條件不變時，洪災(zāi)風(fēng)險債券面臨發(fā)行成本與投資者購買熱度之間的權(quán)衡。發(fā)行利率越高意味著投資者將獲得更高的投資收益這有利于吸引投資者的目光，這必然是以較高的發(fā)行成本作為代價，因此需要發(fā)行人反復(fù)衡量。

六、結(jié)論和建議

通過研究洪災(zāi)風(fēng)險債券的運(yùn)行機(jī)制和定價過程得出以下結(jié)論：首先，由貴州省洪災(zāi)預(yù)期經(jīng)濟(jì)損失預(yù)測可知，當(dāng)十年一遇、百年一遇的洪災(zāi)發(fā)生時，當(dāng)?shù)貙⒚媾R上百億元的經(jīng)濟(jì)損失，與此對應(yīng)的是有限的保費(fèi)收入和財政補(bǔ)貼，因此有必要借助資本市場特別是債券市場的資源優(yōu)勢實(shí)現(xiàn)保險市場風(fēng)險引流和政府財政壓力緩解;其次，洪災(zāi)發(fā)生頻率較低但容易造成巨大經(jīng)濟(jì)損失，目前貴州省缺少有效和系統(tǒng)的洪災(zāi)風(fēng)險分散機(jī)制，洪災(zāi)風(fēng)險債券的參與主體責(zé)任分工不清晰。

根據(jù)上述結(jié)論提出以下兩方面針對性建議。

第一，加快培育我國巨災(zāi)風(fēng)險債券市場，為氣候巨災(zāi)風(fēng)險債券的發(fā)行提供先決條件。據(jù)瑞士再保險數(shù)據(jù)，截至2019年末，以美國、日本等國家為主導(dǎo)的巨災(zāi)債券市場存量規(guī)模已達(dá)407億美元。2015年中國再保險集團(tuán)在境外發(fā)行了首支地震巨災(zāi)債券，由于此款債券風(fēng)險溢價較低，未能引起投資者的重視，近日中再集團(tuán)表示將力爭“十四五”期間實(shí)現(xiàn)國內(nèi)發(fā)行巨災(zāi)債券新突破。借鑒發(fā)達(dá)國家經(jīng)驗和首支地震巨災(zāi)債券情況，首先應(yīng)建立嚴(yán)格的評審標(biāo)準(zhǔn)和專業(yè)的信用評級機(jī)構(gòu)以及培養(yǎng)資深行業(yè)人才，為巨災(zāi)債券發(fā)行提供權(quán)威認(rèn)證增加投資者信心;其次應(yīng)增加巨災(zāi)保險試點(diǎn)區(qū)域和種類，巨災(zāi)保險是巨災(zāi)債券的保障對象，這樣可為巨災(zāi)債券的產(chǎn)品創(chuàng)新提供研究基礎(chǔ)，進(jìn)而豐富巨災(zāi)債券市場;最后應(yīng)借助實(shí)力雄厚金融機(jī)構(gòu)的資本運(yùn)作能力，拓寬債券發(fā)行渠道，促進(jìn)巨災(zāi)債券的市場認(rèn)知度和投資參與度。

第二，建立健全我國巨災(zāi)風(fēng)險分散機(jī)制，為氣候巨災(zāi)風(fēng)險債券的運(yùn)行提供有力保障。中央多次指出要建立多方參與、風(fēng)險共擔(dān)、多層分散的巨災(zāi)風(fēng)險分散機(jī)制。機(jī)制不完善的主要原因在于參與主體分工不甚明確。首先應(yīng)突出資本市場的風(fēng)險消化作用。一方面，受新冠疫情影響國家根據(jù)目前國內(nèi)國外經(jīng)濟(jì)形勢出臺了一系列貨幣政策，現(xiàn)階段我國資本市場資金寬裕、流動性較強(qiáng)、交易活躍，民眾有強(qiáng)烈的投資欲望和投機(jī)動向，應(yīng)該因勢利導(dǎo)盡快發(fā)揮資本市場資源配置比較優(yōu)勢;另一方面，巨災(zāi)債券不易受股票、基金等其他金融產(chǎn)品價格干擾只與巨災(zāi)是否發(fā)生有關(guān)，再加上有政府背書產(chǎn)品安全系數(shù)高，容易受投資者青睞。其次應(yīng)加大再保險市場的風(fēng)險傳導(dǎo)作用。再保險機(jī)構(gòu)通過承保保險公司實(shí)施巨災(zāi)風(fēng)險的第二層分散，是巨災(zāi)風(fēng)險分散機(jī)制鏈條中的核心環(huán)節(jié)，有責(zé)任在巨災(zāi)債券品種創(chuàng)新、定價模型優(yōu)化、產(chǎn)品發(fā)售等方面多下功夫。2020年12月銀保監(jiān)會同意中國農(nóng)業(yè)再保險公司開業(yè)，這為我國政策性農(nóng)業(yè)保險的平穩(wěn)運(yùn)行注入強(qiáng)心劑。最后應(yīng)加強(qiáng)政府的引導(dǎo)作用。政府應(yīng)該改變以往用財政收入直接覆蓋巨災(zāi)損失的粗放行為，通過加大補(bǔ)貼力度的方式支持風(fēng)險在各參與主體間傳導(dǎo)。政府可以直接發(fā)行巨災(zāi)債券，引導(dǎo)巨災(zāi)風(fēng)險從政府財政向資本市場分散;同時，將籌集來的資金一部分補(bǔ)貼投保人購買巨災(zāi)保險，引導(dǎo)巨災(zāi)風(fēng)險從投保人向保險公司分散，一部分支持保險公司直接發(fā)債，引導(dǎo)巨災(zāi)風(fēng)險從保險公司向資本市場分散;也可以通過補(bǔ)貼債券發(fā)行費(fèi)用的方式支持再保險機(jī)構(gòu)發(fā)債，引導(dǎo)巨災(zāi)風(fēng)險從再保險機(jī)構(gòu)向資本市場分散。

【參考文獻(xiàn)】

[1] 于孝建，梁柏淇.商業(yè)銀行氣候相關(guān)金融風(fēng)險與管理研究[J].南方金融，2020（10）：3-12.

[2] LEWIS C M，DAVIS P Q.Capital market instruments for financing catastrophe risk：new directions？[J].Journal of Insurance Regulation，1998，17（2）：110-133.

[3] 閆石.農(nóng)業(yè)巨災(zāi)風(fēng)險證券化——發(fā)展我國農(nóng)業(yè)保險的新路徑[J].濟(jì)南金融，2005（6）：50-51.

[4] 田玲，張岳.保險監(jiān)管對巨災(zāi)風(fēng)險債券供給的影響途徑及計量模型[J].統(tǒng)計與決策，2008（8）：24-26.

[5] 諸寧.證券化與再保險——我國巨災(zāi)風(fēng)險管理對策的比較研究[J].宏觀經(jīng)濟(jì)研究，2015（5）：76-82.

[6] 張啟文，于秋月，李鶴.我國實(shí)行農(nóng)業(yè)巨災(zāi)風(fēng)險債券設(shè)計及其定價研究——基于黑龍江省大豆種植風(fēng)險的模擬測算[J].價格理論與實(shí)踐，2020（4）：92-95.

[7] WANG S S.Cat bond pricing using probability transforms[D].Working Paper，2004.

[8] 田玲，向飛.基于風(fēng)險定價框架的巨災(zāi)債券定價模型比較研究[J].武漢大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2006（2）：168-174.

[9] 朱孟驊.基于Wang雙因素變換的我國地震債券定價研究[J].經(jīng)濟(jì)研究參考，2010（38）：58-64.

[10] 韋勇鳳，翁成峰，李勇.基于Wang雙因素變換的公私合作中國地震巨災(zāi)債券定價[J].數(shù)理統(tǒng)計與管理，2015，

34（3）：513-520.

[11] 黃英君，趙雄.我國農(nóng)業(yè)巨災(zāi)風(fēng)險債券設(shè)計與實(shí)證分析——以云南煙草種植為例[J].經(jīng)濟(jì)與管理評論，2012，

28（6）：93-98.

[12] 展凱，林石楷，黃偉群.農(nóng)業(yè)巨災(zāi)風(fēng)險債券化—基于POT模型的實(shí)證分析[J].南方金融，2016（5）：85-94.

[13] BORTKIEWICZ.Variationsbreite and mittlerer fehler[J].Berliner Mathematische Gesellschaft，1922，21：3-11.

[14] 歐陽資生，龔曙明.廣義帕累托分布模型：風(fēng)險管理的工具[J].財經(jīng)理論與實(shí)踐，2005（5）：88-92.

[15] 陳守東，孔繁利，胡錚洋.基于極值分布理論的VaR與ES度量[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007（3）：118-124，133.

[16] 卓志，王偉哲.巨災(zāi)風(fēng)險厚尾分布：POT模型及其應(yīng)用[J].保險研究，2011（8）：13-19.

[17] 郝軍章，崔玉杰.基于POT模型的巨災(zāi)風(fēng)險度量與保險模式研究——以地震風(fēng)險為例[J].數(shù)理統(tǒng)計與管理，2016，35（1）：132-141.

[18] 何樹紅，王巍，鄒麗華.基于極值理論的低溫雪凍災(zāi)害損失分布研究——以云南省為例[J].云南大學(xué)學(xué)報（自然科學(xué)版），2017，39（1）：7-12.

[19] 吳亞玲，姜珊，吳先華，等.基于極值理論的廣東省臺風(fēng)災(zāi)害損失分布及其金融對策研究[J].災(zāi)害學(xué)，2017，32（1）：126-131，220.

[20] PICKANDS III J.Statistical inference using extreme order statistics[J].The Annals of Statistics，1975，3（1）：119-131.

[21] 占紀(jì)文，鄭思寧，徐學(xué)榮.農(nóng)作物巨災(zāi)風(fēng)險度量與分層測算[J].統(tǒng)計與決策，2020，36（3）：37-41.