多灾害保险定价中信息价值评估：以地震与液化作用为例

《International Journal of Disaster Risk Reduction》：Assessing the Value of Information in pricing insurance against multiple hazards: the case of earthquake and liquefaction

本研究针对地震与液化作用多灾害保险定价中关键参数（如Vs30）不确定性影响损失评估准确性的问题，提出了结合概率图模型与期望效用理论的VoI（Value of Information）分析框架。通过新西兰案例研究表明，在高风险、高不确定性场景下收集场地特异性数据能显著提升客户决策效用，而保险商VoI则受客户投保策略影响可能为负。该框架为平衡数据采集成本与保险金融效益提供了量化工具，对提升自然灾害保险系统韧性具有重要实践意义。

　　

在地震活跃区域，准确量化地震损失是保险定价的核心挑战。传统模型往往将地面震动作为主要致灾因子，却低估了液化作用（liquefaction）这一次级灾害的破坏力——饱和砂土在地震中失去强度导致地基失效，甚至能在低强度震动下引发严重损失。保险业现有简化方法（如对震动损失乘以经验系数）难以捕捉液化损伤的独特性，而高精度岩土模型又因成本限制难以普及。更棘手的是，场地剪切波速（Vs₃₀）等关键参数存在显著不确定性，直接影响风险评估可靠性。面对数据采集成本与决策精度之间的权衡，如何科学评估额外信息的价值成为保险双方共同关注的焦点。

为破解这一难题，斯特拉斯克莱德大学团队在《International Journal of Disaster Risk Reduction》发表研究，构建了融合地震震动与液化作用的多灾害损失评估框架，并创新性地引入信息价值（VoI）分析方法。研究通过概率图模型（probabilistic graphical model）整合灾害链的条件依赖关系，以新西兰基督城（Christchurch）为案例区，量化了不同风险场景下Vs_{30数据对客户和保险商决策效用的影响。}

关键技术方法包括：1）基于Zhu等模型的液化概率预测与HAZUS方法的沉降损伤评估；2）结合GEM地震易损性函数与新西兰国家地震灾害模型（NSHM）的期望年损失（EAL）计算；3）通过蒙特卡洛模拟实现保险费率与VoI的联合分析；4）利用ROC曲线（受试者工作特征曲线）和Brier分数验证模型精度。

3.1 损失评估

研究首先验证了液化模型在基督城2011年地震中的预测效能（AUC=0.87）。通过概率图网络逐层计算震动强度、液化概率、地基沉降与结构损伤的耦合关系，发现低Vs₃₀（如192 m/s）场地液化损失占比可达总损失的70%，而高Vs₃₀（>400 m/s）场地以震动损伤为主。这种非线性关系凸显了场地特异性数据对损失准确预估的关键作用。

3.2 VoI结果

分析表明，客户VoI随Vs₃₀不确定性和风险水平递增：在低Vs₃₀（192 m/s）、高不确定性（σ=0.41）场景下，VoI可达建筑成本的12%。而保险商VoI呈现复杂特征——当客户因高贷款偿还因子（κ>2）而过度投保时，精准风险披露可能导致保费下降，使保险商VoI转为负值。深层基础结构因降低液化敏感性，使双方VoI均低于浅基础场景。

研究结论强调，VoI框架为数据采集的效益成本比提供了量化标尺。在高风险、高不确定性区域（如Vs₃₀<250 m/s且σ>0.3），客户与保险商可共同承担最高达建筑成本10%的数据调查费用（如钻孔波速测试）。该成果为区域差异化保险策略提供了决策支持，尤其适用于数据稀疏地区的地震风险治理。未来工作可扩展至多参数不确定性及滑坡等灾害链的VoI分析，进一步优化自然灾害保险系统的韧性与公平性。