摘要：巨灾保险风险证券化是目前国际上认可的分散巨灾风险的主要金融创新之一。本文拟就国内外在巨灾保险风险证券化的风险分担作用、产品创新、巨灾风险损失评估模型、产品定价等方面的相关研究作一简要的综述，以期从中得到有益的启示。
关键词：巨灾风险；巨灾保险；巨灾保险风险证券化
巨灾风险通常是指突发性、无法预料、无法避免而且一旦发生，损失金额巨大、严重威胁人民生命和财产安全并对一国财政收支与政治经济稳定具有极大冲击力的小概率灾难性事件，例如地震、洪水、飓风、海啸等等。鉴于巨灾损失随机性高的特点，有别于理想的可保风险，并且保险业自身的资本规模有限，有效承保能力严重不足；国际再保险市场上，近年来因巨灾的频频发生，经营压力不断加大，保费率不断提高。为了解决保险市场上巨灾风险分散化方式供需不平衡的状况，国际市场为满足巨灾风险投保人的需求，利用资本市场的庞大容纳力，为保险业提供新的增长平台，于20世纪90年代出现了巨灾保险风险证券化。
本文试就国内外在巨灾保险风险证券化的风险分担作用、产品创新、巨灾风险损失评估模型、产品定价等方面的相关研究作一简要的综述，以期从中得到有益的启示。
一、巨灾风险风险证券化的风险分担作用研究
从20世纪90年代开始迅猛发展的巨灾风险证券化，其发展的最直接动力是世界范围内的传统（再）保险能力面对巨灾风险所表现出来的严重承保能力不足。
正如周伏平（2002）所分析，传统再保险应对巨灾风险存在固有的缺陷。因为诸如自然灾害等巨灾风险，保险人无法使用大数法则加以分散，严重的巨灾一旦发生，就有可能引起公司破产，甚至触发整个保险业的偿付危机和信任危机。保险人通常求助于再保险市场，然而自上世纪80年代末来，严重的自然灾害接踵而至，使得保险人和再保险人蒙受了巨大的经济损失，频发的巨灾事件使得再保险资本相形见绌。因此，再保险市场的供需缺口不断加大，价格也不断激增。相比之下，公开交易的股票债券总市值达到60万亿元，即使是面对一次损失达2500亿美元的巨灾事件，也不会影响资本市场的正常运作。而且，巨灾风险证券化产品不会像传统再保险交易一样存在信用风险和严重的道德风险，同时巨灾风险证券化给投资人带来新的投资渠道和投资机会。
针对巨灾再保险的这一缺陷，王靖国（2011）也提到过，再保险价格会在巨灾发生后迅速提高，无疑是对保险人巨大的冲击。如若使用证券化的方式，保险人使用的巨灾风险转嫁工具的价格仅仅依托于对巨灾的预期，这样工具的价格能更真实地反映巨灾风险状况的变动。巨灾风险证券化没有了再保险市场价格不稳定的缺陷，也更有能力承受巨灾风险。
更多的学者，则是采用比较的方法，从不同的方面和角度，辩证地比较巨灾风险证券化工作和传统再保险在巨灾风险分散中的作用。
何树红等（2010）着重提到前者把巨灾风险不仅在原保险人、再保险人和被保险人之间进行风险转移，而是将风险在一个更加广阔的范围内分解，凭借一地区、一国甚至全球范围内的发达的资本市场，完全承保和消化大规模的巨灾风险。同时，巨灾金融衍生产品具有更低的信用风险，更强的流动性，使得交易风险也降低了。传统的再保险工具的承保能力直接受制于（再）保险公司或行业的资本存量。
不过，再保险与风险证券化工具并不是相互替代的关系，唐甜（2011）使用成本收益分析视角得出两者更应该是补充结合的关系。在巨灾风险分散金额较小的时候，选择再保险分散方法比较可行；当分担额度较大的时候，应该选择发行巨灾债券等方式分散风险。
二、巨灾保险风险证券化产品创新研究
巨灾证券化产品是指在保险市场上，针对巨灾风险而分割和出售的产品，它是包括一系列巨灾风险衍生产品的总称，一般也叫做巨灾风险管理创新工具。根据谢世清（2009）的分类，巨灾风险管理创新工具可以分为“四个传统”创新工具和“四个当代”创新工具。“四个传统”创新工具是指巨灾债券、巨灾期权、巨灾期货和巨灾互换。从2008年来，我国连续不断爆发的巨灾促使人民更加清醒地意识到我国巨灾风险管理体系亟待完善，巨灾风险管理工具亟待创新。陆珩填、陈伟忠（2003）、李永权（2005）等学者借鉴国际经验提出，综合中国目前的政策、法规及资本市场等各方面的发展情况，巨灾债券是中国初期开展巨灾风险证券化的理想工具。
国内不少学者介绍了“四个传统”巨灾证券化工具。而 “四个当代”创新工具是指或有资本票据、巨灾权益卖权、行业损失担保和“侧挂车”。
或有资本票据，根据Bruggeman（2007）所述，一般是指保险公司与金融中介机构订立契约，保险公司可以获得在特定时期向特定的投资者发售资本票据的权利。保险公司因此需要向投资银行或者是其他金融中介支付一笔权利金，购买可以在特定时期（巨灾发生后）发行资本票据的权利；金融中介机构则在巨灾未发生时收取权利金，在巨灾触发后则负有按合同规定向保险公司购买资本票据的责任。保险公司可以利用募集道德资金来支付巨灾风险赔款。国际市场上第一份或有资本票据是1994年，由花旗银行为中介为汉诺威再保险发行的价值8500万美元的票据。
巨灾权益卖权是以保险公司的股票为交易标的，适用于规避当保险公司因支付大量的巨灾赔款而引起公司股票价值下降的不利风险。巨灾权益卖权的运行原理相当于一份看跌期权，当保险公司的股票价格由于其支付巨灾赔款而下降到某一指定价格，进而影响到保险公司的正常经营和盈利水平，保险公司则可根据巨灾权益卖权的合同规定，以约定的价格卖出公司股份给投资者，达到套期保值的目的。Punter（1999）对巨灾权益卖权的实际应用进行了举例，1996年10月，Replacement Lens（RL）公司与Center再保险签订巨灾权益卖权合同，约定当RL公司损失超过2亿美元，可以按照约定价格实行卖出3年期、面值为5000万 美元可转换优先股给Center再保险的权利，这成为国际市场是第一个成功运用巨灾权益卖权工具化解巨灾风险的成功实例。 行业损失担保是一种对保险公司损失提供保障的再保险协议。保险公司或者再保险公司作为行业损失担保合同的一方，为了寻求保障，向另外方（一般是对冲基金）支付一定的保费，当行业损失担保合同规定的两个触发条件满足时，就可获得约定的索赔金。这两个触发条件是指作为购买者的保险公司（或再保险公司）的实际损失和整个保险行业的实际损失分别达到约定的损失程度。目前这种巨灾证券化产品在保险业比较发达而且自然灾害频发的美国得到应用，据业内专家估计，平均每年的交易量达到50亿美元到100亿美元之间。
“侧挂车”是指一种允许资本市场投资者注资成立，通过比例再保险合同为发起公司提供额外承保能力的特殊的再保险公司。它的参与者如下图1-1所示，包括发起公司（再保险公司）、“侧挂车”的控股公司、运营公司、信托基金账户，还有股权投资人和债券投资人。“侧挂车”运营公司可以是专门为发起公司提供转分保业务，也可以是同时为其他第三方投保人提供风险保障业务。“侧挂车”本质上虽与比例再保险协议相同，但由于它具有独立形式、不完全依赖于发起公司的特殊目的公司而得名。一些小型的“侧挂车”在2001年的“9.11”事件后陆续出现，不过更多的是在2005年美国经历三次规模巨大的飓风灾害发生后迅速发展起来的。
三、巨灾风险损失评估模型研究
巨灾风险证券化首先碰到的棘手问题就是巨灾风险的评估。巨灾风险最显著的特点就是发生概率小、损失巨大，构建准确的巨灾风险评估和可靠的预测模型是巨灾风险证券化成功的基础。目前对于巨灾风险评估和预测模型的研究可以大致分为四个方向，但是并没有形成比较统一的成熟模型。
（一） 标准的损失估计方法
标准的损失估计方法是利用历史损失数据来估计损失模型，继而预测未来的损失情况。Rober V.Hog、Stuart A.Klugman（1984），Erwin Straub（1988）和Harry（1992）等人沿着这种思维来评估巨灾风险的损失。国内的王新军（2002、2003）详细介绍了财产保险损失分布建模，并选用一组数据进行举例分析。在王新军介绍的损失分布建模方法中，主要依据的有效工具函数是经验分布函数和剩余期望函数，利用这两个有效工具函数可以初步判断和选择预选模型，进而进行参数估计和模型拟合判断。施建祥、邬云玲（2006）及周贺君、金燕生（2009）对巨灾风险证券的定价设计，就是使用此种损失估计方法作为定价的依据。
不过崔晓东、曹家和（2009）认为，标准损失估计方法，由于实际损失数据往往比较分散，难以准确用来评估风险；再者也易受到巨灾发生的间隔长，许多因素诸如人口、社会经济环境等变化的影响，使得历史数据估计和预测缺乏科学性。然而，在建模的过程中若能引入科学的权重参数，通过剔除诸如物价等社会经济变化影响的因素，损失估计和预测就能在科学性和可信度方面取得进步。
（二） 极值理论
极值理论并不研究序列的整体分布情况，只关心序列的极值分布情况。由于巨灾风险具有发生概率很小但会造成巨大影响的特征，使得极值理论在巨灾风险方面的研究具有很高的理论和实际意义，这也不难理解极值理论在金融和保险领域可以得到广泛的应用。
国外Bekiros等（2005）、Longin（2004）、Brooks等（2005）、Gencay等（2003、2004）已经应用极值理论，利用股票市场、期货市场证明了极值理论是一种稳健的分位数预测工具，具有极强的预测能力。国内欧阳资生（2006、2008）是比较典型的把极值理论应用于保险巨灾风险管理中的学者。欧阳资生（2006）著书介绍了极值估计在金融保险中的应用，阐述了极值理论作为巨灾保险的统计理论基础，主要有两类方法，一类是极值定理模型（EVT），主要是对组内最大值建模，也叫做区组最大方法（BMM）；另外类是广义Pareto分布模型（GPD），也叫做POT模型（Peaks-Over-Thresholders），对观察值中的超过某一门限值的数据建模。解强（2008）应用POT模型对我国1952年到2005年火灾损失数据作为观察样本进行建模和分析，结果显示，实际数据的分位数图和机制分布拟合数据的分位数图非常接近，证实了极值理论在火灾损失数据尾部的拟合预测相对于传统方法对损失极值的拟合预测在精确度上更进了一步。杨刚、刘再明、欧阳资生（2008）介绍了PORT方法（Peaks Over Random Threshold），相较于传统的POT模型方法，新方法充分考虑标的分布右尾不断增添的新信息，而不是单纯关注超过某一确定水平的随机样本数目。
（三） 蒙特卡罗模拟方法
巨灾风险模型行业的三大公司AIR、RMS、EQECAT都是采用蒙特卡罗模拟方法对损失进行估计的。Karen M.Clark（1986）作为较早应用蒙特卡罗模拟方法的学者，展示了如何在“频率-损失程度”框架的基础上运用该种方法对损失进行估计。这种方法固然有较多的优点，比如它可以获得损失分布比较完整的描述，而不像极值理论专注于对损失尾部的描述，另外它也可以根据环境状况对外生变量进行调整，但是使用该种方法需要比较长的建模时间，成本也很大，而且模型的有效性需要进一步验证。
（四） 随机过程
另外一些学者，尝试使用某个随机过程来描述巨灾损失。例如Henri Louber（1999）认为可以采用几何布朗运动来描述巨灾的损失，后期很多文献都采用Levy过程族来描述标的资产的运动，还有Cox（2000）、Vaugirad（2004）、Cummins和Geman（1995）等人，他们都假设了损失指数服从跳跃扩散过程。不过，上述这些假设损失服从某个随机过程的研究多数集中在对资产运动的模拟，对于巨灾风险损失的模拟还有待进一步的深入。另外，还有学者利用人工神经网络模型、模糊系统方法（黄崇福（2005））来进行自然灾害风险分析。
四、巨灾保险风险证券化产品定价理论研究
巨灾证券化产品的定价研究，从研究的发展趋势看，可以分成理论价格模型和基于实证的风险分析模型。理论价格模型至今没有出现广泛统一的金融模型，影响较大的是无套利模型和均衡定价模型基础上，利用债券合成等方式来确定证券化价格。 理论价格模型中，基于无套利模型，比较有代表性的研究有：Geman（1994），Cummins和Geman（1995），他们用套利的思想讨论这些衍生产品的定价，在相当程度上类似于股票期权定价的Black-Scholes模型，不同之处是，与保险相关的衍生产品没有具体的在市场上可交易的潜在资产，取而代之的是一个损失指数。Aase（1995）介绍了期货合约及其基于此合约之上的衍生产品的定价理论。该理论采用了效用最大化原理，而且假定保险市场的所有参与者都有相同的效用函数，以此确保得到一个唯一的价格。Aase的理论中，还采用了随机时点包含随机大小的跳跃的随机过程来构造巨灾损失模型。Morton Lane等（1998，2000，2007）对已发现的巨灾债券的参数进行回归分析，不断完善并发展出了一套LFC定价模型。不过，Cox、Pedersen（2000）指出，巨灾风险债券和企业债券其中一个很重要的区别是前者的违约率与金融市场并不具有相关性，而是一种自然风险，因而巨灾债券市场不是一个完全市场。这一结论使得无套利定价方法在巨灾风险产品的定价应用上受到相当的限制。
均衡定价模型是理论价格模型中得到较多研究的模型之一。Cox、Pedersen（2000），Kenneth A.Froot和Steven Posner（2000）等，都利用了均衡定价理论给巨灾证券化工具的定价。Wang（2004）和Christofides（2004）通过概率变换进一步发展了LFC模型，提高了计算效率。
国内也有一些较有代表性的成果，例如韩天雄、陈建华（2003）应用均衡模型，分别给出了仅有单个投资者的情况以及非单个投资者情况下的巨灾证券化产品定价的显式表达。田玲、向飞（2006）选择风格定价框架下的三个典型的巨灾债券定价模型—LFC模型、Wang两因素模型和Christofides模型，比较三个模型的特点和缺陷。
实际上，巨灾风险证券化产品的定价还需要考虑产品所处市场是否是完全市场。Cummins和Geman（1995）、Litzenberger（1999）、Lee和Yu（2002）都采用了完全市场的假设，以简化分析。然而巨灾证券并不处于完全市场环境中，因为巨灾证券的现金流支付依赖于飓风、洪涝、地震等巨灾的发生，无法在市场上找到已发行可交易的股票或者债券组合来近似这种现金流，违背了完全市场的假定。对于巨灾风险市场的不完全性，诸如Shirawaka（1991）、Cox（2000）、李勇权（2005）等都在考虑这种不完全性的前提下，提出了巨灾证券化产品的定价方案。
五、巨灾保险风险证券化产品定价的实证研究
基于实证的风险分析模型方面，Wang的两因素模型、LFC模型和Christofides模型等都是采用计量方法，用显著的几个因素来定价。田玲、向飞（2006）指出，三个模型都是建立在风险定价的框架中，不同的是LFC模型是一个实证模型，并没有从理论角度去推导所用变量之间的函数关系，而Wang的两因素模型和Christofides模型则是基于理论的逻辑推理。根据田玲、向飞的实证，三个定价模型在精确度方面，Wang两因素模型要优于Christofides模型，Christofides模型要优于LFC模型。
国内闰会丽、周延（2011），周贺君、金燕生（2009）等、施建祥（2006），赵息等（2005），都针对巨灾债权的定价进行了实证研究。闰会丽、周延（2011）使用Wang两因素模型对国内的洪水损失进行了建模，为洪水巨灾债券的定价提供了参考。Wang两因素模型既考虑了风险附加，也考虑了概率变换，并且在实证中效果良好。
赵息等对巨灾债券进行了精算分析，并以美国USAA公司在1997年成功发行4.77亿美元的巨灾债券案例进行实证说明。施建祥（2006）、周贺君等则是使用CAPM模型来确定巨灾债券的收益率。这些研究都是基于债券合成的方法，还是属于无套利和均衡定价的范畴。
总的来说，基于实证的巨灾风险证券化产品定价分析模型由于市场不完善，风险管理工具发行样本过少，其可靠性有待进一步验证；而理论模型目前并没有统一，只有在原有的金融模型上进行修改，并没有实质上的突破和进展。
六、结束语
就巨灾风险证券化的风险分担作用的相关研究可以看到，巨灾风险证券化目前是对传统巨灾保险、巨灾再保险的有效补充，并非是替代关系。随着巨灾风险证券化市场和产品的不断发展，这种补充机制会更加完善和有效率。其次，市场上正在不断出现新的巨灾风险证券化产品，未来有进一步出现这方面的金融创新产品的趋势，供投资者选择。再者，巨灾风险损失评估模型方面，大致包括标准的损失估计方法、极值理论、蒙特卡洛模拟、随机过程方法，每种方法都有各自的优缺点，还不存在完全占优的理论与方法。最后，关于巨灾风险证券化产品的定价研究，在理论上仍存在较大的分歧，即市场是否是完全的，以及不完全市场如何运用完全市场理论来研究。另外，本文介绍了影响较大的无套利定价模型和均衡定价模型。在实证方面，Wang的两因素模型、LFC模型和Christofides模型等都是采用计量方法，国内很多实证研究则更倾向于采用精算分析方法。
参考文献：
[1]谢世清.巨灾风险管理工具的当代创新研究[J]，宏观经济研究，2009，（11）.
[2]王新军.财产险个体损失分布建模的系统分析[J]，山东财政学院学报，2003，（2） .
[3]施建祥、邬云玲.我国巨灾保险风险证券化研究—台风灾害债券的设计[J]，金融研究，2006，（5）.
[4]田玲，向飞.基于风险定价框架的巨灾债券定价模型比较研究[J]，武汉大学学报（哲学社会科学报），2006，（2）.
[5]韩天雄，陈建华.巨灾保险证券化产品的定价问题[J]，保险研究，2003，（12）.
[6]唐甜.《保险学术获奖成果汇编》[M]，中国保险学会2011版，《论再保险与风险证券化对巨灾风险的分散—相互替代，抑或补充结合》
[7]周伏平.巨灾风险证券化研究—金融、保险一体化的典范[J]，财经研究，2002，（2）.
[8]王靖国，巨灾保险分散问题初探[J]，经济研究参考，2011，（23）.
[9]陆珩填，陈伟忠.保险风险证券化—巨灾债券[J]，华东经济管理， 2003，（17）.
[10]周贺君、金燕生.巨灾债券的一种定价模型[J]，学理论，2009，（11）.
[11]何树红，陈浩，杨世稳.巨灾风险分散模式研究[J]，经济问题探索2010，（1）.
[12]欧阳资生，2006，《极值估计在金融保险中的应用》，中国经济出版社。
[13]李勇权，2005，《巨灾保险风险证券化研究》，中国财经经济出版社。
[14]Cox， Samuel H. & Hal W. Pedersen， Catastrophe risk bonds[J]. North American Actuarial4（4）. 2001
[15]Bruggeman， Veronique？， Capital Market Instruments for Catastrophe Risk Financing[J]. American Risk and Insurance Association， 2007
[16]Punter， Alan， The Changing Risk Landscape： the Spectrum of Alternative Risk Financing Opportunities. 1999
[17]Wang， Shaun S， Cat Bond Pricing Using Probability Transforms[J]. Special Issue Insurance and the State of the Art in Cat Bond Pricing， Geneva， January. 2004.
