摘要：巨灾风险证券化是金融业与保险业一体化发展的结果，它弥补了传统保险制度的功能缺陷，具有独特的优势。本文通过把衍生金融工具-期权引入巨灾风险中，分散保险风险，并分析其运作流程，然后以地震灾害为例，系统地模拟了巨灾期权在地震风险中应用，最后指出了巨灾期权引入我国保险业的积极意义。

　　关键词：巨灾风险;巨灾期权;风险证券化

　　一 引言

　　我国人口众多，地域辽阔，地理环境复杂，气候变异强烈，自然灾害强度大、种类多，是世界上自然灾害最严重的少数国家之一。近几年来，我国自然灾害造成的经济损失猛增，特别是1994-2007年间，年均经济损失已达到2100多亿元。特别是发生的5.12四川汶川大地震不但造成了不可估量的财产损失，更重要的是造成了巨大的人口伤亡。

　　“巨灾”是一个随着社会发展变化而产生的新概念，对它至今尚未有统一的定性和定量的认识，只有约定俗成的理解。一般人们大多从损失金额、死亡人数、

　　损失波及范围、发生频率、周期长短等特点方而加以衡量、标识，以区别于小范

　　围、小金额、高频率、短周期的一般灾害。美国保险服务所(ISO)将“巨灾”定义为损失金额超过2500万美元的灾害事件。从本质上而言，巨灾呈现出最显著的两个特点是(1)它是一个或一系列能导致损失金额相当巨大的灾害;(2) 与一般损失相比，巨灾损失发生概率非常小。

　　二 巨灾期权的涵义及特点

　　巨灾期权是给合同持有者在一个特定的日期或特定日期之前以执行价买入或卖出某一资产的权利。保险公司在期权市场上通过缴纳期权费购买期权合同,相当于购买了未来一段时期的价格选择权,即保险公司可以选择是按照市场价格进行交易,还是按照期权合同约定的执行价格进行交易。根据巨灾买权合同规定,如果巨灾损失指数超过触发条件,期权购买者可以得到期权现价与执行价间的差价;如果巨灾损失指数在到期日内未达到触发条件,则期权作废,购买者可以不执行购买权利，仅损失提前支付的保证金。巨灾期权实际上为购买者提供了针对某一损失范围的综合性再保险,可以使保险公司在得不到传统再保险或传统再保险要价过高时找到替代品,用来弥补自留保险与传统再保险之间的差额。相比传统的再保险，巨灾期权表现出价格透明度高、流动性强、转移风险成本低、扩充并强化了保险职能的特点。

　　三 我国地震风险期权化的实证分析

　　随着全球范围内巨灾发生的频率不断上升,造成的损失也越来越严重,由此引发巨额保险赔付仅仅依靠传统的保险经营方式分担损失受到严重挑战,也影响了全球(再)保险业的可持续发展。近年来,一些有远见的保险人和华尔街的金融工程师纷纷推出各具特色的保险衍生工具,试图利用风险证券化将保险市场和证券市场进行有机联结,实现利用资本市场的实力分散(再)保险公司承保的巨灾风险的目的,推进金融、保险一体化的进程。

　　本文采集1969-2006年我国地震直接经济损失在1亿元以上的54个数据作为损失随机变量的样本数据，构造我国的地震巨灾债券，并进行巨灾期权分析，数据来源于中国地震信息网。具体SPV的巨灾期权操作流程如下图所示：

　　图3.1 SPV的巨灾期权操作流程

　　3.1 经验分布函数的建立

　　我国地震损失金额的分布很不均匀，根据原始数据，通过组矩式—不等矩分组的方法，将原始数据进行整理，并根据整理的数据编制我国地震损失的频数和频率的分布表(如表3-1所示)。

　　表3-1 我国地震分布的频数和频率分布 损失金额(单位：亿元) 地震发生次数 频率 累计频率 频率密度 损失金额(单位：亿元) 地震发生次数 频率 累计频率 频率密度 1～2 11 0.2037 0.2037 0.2037 30～40 1 0.0185 0.9259 0.0018 2～3 8 0.1481 0.3518 0.1481 40～50 1 0.0185 0.9444 0.0018 3～4 7 0.1296 0.4815 0.1296 50～60 1 0.0185 0.9629 0.0018 4～7 8 0.1481 0.6297 0.0494 60～70 1 0.0185 0.9815 0.0018 7～10 4 0.0741 0.7031 0.0246 70～580 1 0.0185 1.0000 3.63E-5 10～20 9 0.1667 0.8704 0.0167 合计 54 1 - - 20～30 2 0.0370 0.9074 0.0037 由频率分布计算出频率密度(频率密度=频率/组矩)并绘制频率密度图，如图3.1

　　图3.2 我国地震损失金额频率密度面积图

　　表3-1的累积频率就是经验分布函数在各组上限(按损失金额分组)的函数值，因此，可得经验分布函数在各组上限的函数值为:

由得到修匀的经验分布函数曲线(见图3.3)，

　　图3.3 修匀的经验分布函数图

　　利用修匀的经验分布函数曲线可以估计各组上限之间的经验分布函数值，进而计算出损失金额落在某个区间的概率。但从图3.3可见，曲线在损失金额0亿元一10亿元之间的爬升过快，造成估计结果的误差大大增加，因此，为了减小误差，将损失金额做对数变换，Y=LnX,从而建立y与F(y)的对应函数，并修匀F(y)的曲线，如图3.4所示：

　　图3.4 以y=Lnx为自变量的经验分布函数图

　　由此，可以根据经验分布函数图或运用线性插值的方法计算出我国地震损失金额的概率。

　　3.2 损失额度和损失次数分布拟合

　　首先对样本数据进行描述性统计分析，得到样本均值为214951.3363，标准误差为114468.7447，标准差为841170.0482偏斜度为7.0453，分布是高度正偏斜的;峰度为50.0866，由我国地震损失金额的频率密度图和样本的描述性统计量可以看出，分布是比较平坦，具有较高的分散程度。综合这些特点，本文将选取对数正态分布的Lognormal模型，对样本数据进行分布拟合。

　　由表3-1计算样本原点矩和二阶原点矩如下：

式中代表组矩式分组各组取值范围的中值，即(上限+下限) /2; 代表各组的频数。由于对数正态分布的，由此建立矩方程组为：

 1/3    1 2 3 下一页 尾页