论人为风险的重要性（写在13届巨灾保险研讨会报告之后）

程堃，2015年7月

题记：近日作者应邀参加 Asia Insurance Review 第13届亚洲巨灾保险研讨会做主题演讲。演讲题目为 The Increasing Exposure and Risk – Challenge and Solution 本文写于演讲之后，在以文章方式分享报告之余总结报告。

选择演讲题目的动机来自于在泰国举办的地震风险研讨会。该研讨会上，作者向泰国一般保险协会介绍了泰国的地震风险现状和风险管理的新思路。由于泰国本身地震并不频发，且地震发生概率较高的地区均在北部靠近中国的地区，所以行业内部对地震风险的认知程度并不高。

泰国地震风险实际上是高是低呢？通过研究，由于泰国中央平原地区主要是冲积平原，土质松软，加上岩层质地也多为软质岩石，当北部地区发生地震时，地震波在软性岩土层中传送到遥远的南部地区（300公里–400公里）并被放大的可能性很大。历史事件中，1985年墨西哥城的地震、1999年的台湾集集地震均有类似软质岩土层长距离传播地震波并放大地震波强度的表现。墨西哥城地震，震中位于墨西哥城西南偏西约400公里，灾难性的结果是墨西哥城伤亡9000多人，损失惨重。台湾集集地震，震中位于台北市西南偏南200公里，在震中地区遭受强烈灾损的同时，台北地区在地震发生近70秒之后遭受强烈震动，烈度堪比震中地区（见下图）。

（来源：Pennung etc, 2000，http://www.earth.sinica.edu.tw/zh/8edu/921/Fig2.gif）

曼谷位于河谷地带，下垫基础为软质岩层，所以推断曼谷也面临比较高的地震风险，只是因为会影响泰国的断层近期活跃度不高，因此没有经历过严重灾难性的损失。在泰国展示讲解我们的研究结论的过程中，收到了各种反馈。总体反馈当然是好的，协会也给出很高的评价。但是最能引发思考的确是一些负面评论。在展示各种损失图片和潜在风险图片的时候，一些同行表现出的震惊、怀疑、不解，甚至是气愤让人深思。比如下图中的大象建筑。“象腿，象鼻”底部的软性楼层在震动发生时候会导致力和震动的不均匀传导和分布，如果一条“腿”发生倾斜坍塌，整栋大楼则不可使用，从保险角度来看就是全部损失。由于泰国同行对这栋大楼和对大象的喜爱，在看到它属于高风险楼宇的时候，表达了十足的疑惑不解。

一番深思之后得出的结论是双方都忽略了一些重要信息以致报告的目的没有能正确传达。比如讲授者在准备材料和演讲的时候，把真实准确的表达事实作为了重点，从而忽略了听众接纳消息的认受性。同时听众由于很少有地震经历也少有地震风险相关的知识基础，从而主观的过滤了一些“刺耳”的信息，不那么容易接受负面评论。这些由于沟通、知识水平、经验层次的不一致性导致的各种风险，归结起来都和人的行为习惯及模式有关。这些跟人为因素相关的风险，可以叫做人为风险。更进一步的说，在现在的保险业运营过程中，人为风险的累计会直接导致各种巨灾后果（catastrophic consequences）。

当然，人们不是在100%了解一样事物的时候才去做这件事的，所以只有很好的了解人为风险的成因，才能更好的管理和避免。人为风险主要由知识水品、快速的市场发展、信息沟通和责任心导致。

知识水平主要代表现有从业人员的知识水品在面对各种新知识的出现和各种新型风险的时候，不能满足对新事物的认知，更别对风险进行评估了。同时，新事物的数量和有经验有认知能力的从业人员的比例完全不成正比。因此在保险公司对风险进行勘察和定价的时候，是否有足够的时间和人力投入在每一单风险上是一个非常关键的一环。如果没有足够的资源投入在最开始的风险管控上，会导致公司承担超出预先估计的风险累积。因此主动对风险的认知是忽略风险与否的决定要素。

市场发展太快速则导致团队的不稳定，也导致商业模式的变化。政策、流程的不确定性导致了固有工作质量的下滑。董事会对于风险管理的理解和对风险的认知程度就成了风控人员需要面对的最大挑战。加上很多讨论由于级差原因导致不可能赢得讨论则最终导致全公司对风险认知偏低。现在的互联网金融已经发展的如火如荼，保险业也被搬上了互联网。创新和固有流程本质上就是对立的，如何在找到平衡的同时提高管理层由于忽略风险本身做出错误决策就成了巨大的挑战。

沟通永远是造成人为因素的主要原因之一。在技术人员、风控人员跟管理层、销售人员沟通的过程中，是仍然使用各种专业技术词汇显示专业性还是使用一种简单、迅速、高效的方式来把复杂的事物解释成简单的事物。由于沟通不畅导致的信息误解进而导致错误信息的录入，这种人为风险是完全可以通过提高沟通效率和准确性来避免的。

最后一个也是最本质的原因可以总结为从业人员的责任心因素。犯错误是任何一个人都不可以避免的。不过，责任心的高低可以从很大程度上避免错误的发生。据个例子，由于从业人员本身素质的问题，汉语拼音这个标准的注音符号也是会写错的。由于巨灾模型输入的需求，省市的名称必须用拼音名输入。陕西为Shaanxi，山西则为Shanxi，如果说这是个具有很高迷惑性的拼写，错误情有可原。那么把黑龙江拼成Helongjian这个则是不可原谅的了。素质本身的高低，对各种数据信息的完整性、可靠性、准确性有极大的影响。尤其是现在的数据录入岗位上普遍的是本身素质不高的从业员的情况下，没有完善的审查体系、没有智能方便的软硬件系统则不可能抓取出这种人为导致的错误。由于信息录入不当导致风险聚集度的改变会导致管理层在分出风险决策过程中发生偏差。如果保障购买不足够，这种人为风险则导致了最直接的灾难性结果 – 公司赔付率大幅提高。

光说无凭，现在用2011年的泰国洪水作为例子，从人为风险的角度阐述此次事件。

2011年夏秋季，泰国降雨量超过往年同期。导致泰国中央平原大面积洪水泛滥。直接导致曼谷周围的各大工业园区遭受了2-3个月的水浸。其中800多家为日本的汽车配件、半导体配件等制造厂。这些厂的停工使得日本本土以及世界各地的组装厂由于零部件供应中断而停工。灾难性的结果就是全球出现了大面积的保险赔付申请，索赔理由就是CBI（contingency business interruption）。此次洪水损失超过157亿美元（Swiss Re Sigma， 2015 Edition），位列全球第十大保险业巨灾损失。

那么果真泰国洪水风险是不可控的么？通过研究泰国洪水往年的淹没范围（2006 – 2013年），中央平原地区每年都有洪水淹没，其中2006、2010年的洪水规模均较大（见下图，蓝色为淹没区域）。

（来源：http://flood.gistda.or.th/）

不禁要问一个为什么仍然会有制造商进入该区建厂？建厂时候必然要通过各种风险评估，灾难性的结果表明即使泰国研究机构发布了洪水风险分布，洪水风险仍然没有被重视。在厂区用地价格比较便宜的大条件下，风险被忽略了。这就是典型的人为风险导致的灾难性结果。

在此，有必要在此强调一下回归周期年的概念。泰国2011年的洪水普遍认为是一个50年一遇的事件。回归周期不代表50年才发生一次，而是每年都有2%（1/50）的概率发生同类的事件。2010年的洪水规模如果说是30-50年一遇，那么2011年有同样打的概率发生跟2010年一样的30-50年一遇的事件。

因此，人为忽略风险是而做出错误决策是导致灾难性后果的重要因素之一。即使是遇到可以检验所有公司风控级别的全市场型事件，比如1992年的美国安德鲁飓风（Hurricane Andrew）以5级飓风（萨菲尔幸普森台风级别，强度超过中央气象台超强台风）登录，登陆时中心气压922百帕（来源：NOAA）。该次事件造成美国十多家保险公司倒闭，未倒闭的公司也严重资金不足。在之后市场调查中发现，未倒闭的公司主要都是一些采用最新IT技术、最早一批接触使用巨灾模型的公司。那些已倒闭公司的风控显然没有意识到这种级别事件的发生，对事件和对影响的研究显然是不充分和被忽略的。正因为此次时间的发生，巨灾模型才逐渐被接受。

在了解人为风险为何高发之后，必然可以更好的管理和避免这类风险。

首先对软硬件的升级和投入是可以从本质上降低风险的。可以对从业人员的素质和技能提供充足培训并且加以认证。入职后再定期加强训练。换句话说就是提高从业的准入制度，上岗前的培训是否做得到位得体很大程度上决定了在岗人员日常工作的质量。这个简单的方法其实很多公司，很多管理者都在使用，严格的考核制度不仅可以把各种习惯于投机取巧的人拒之门外，也可以作为检验候选人质量高低的一个指标。只是，实施过程中要避免各种人为的判定因素，减少主观判分，尽量用客观公平的方法培训和考核。只有人才的质量提高，公司才会最大化的避免人为错误人为忽略导致的风险。同时，硬件的升级也是重要环节。减少人工输入，提高机器学习、机器识别的能力可以最大化的减少录入信息的准确性和完整性。所以说可持续性的商业模式必然在背后有强大的研发和技术团队做支撑。

第二，对各种高新科技的使用也可以辅助管理层在减少做出错误的决定的概率。比如利用大数据的研究，全体个体的信息特征均被采样。避免由于采样群体过小导致的决策误差。通过各种全新的风险可视化平台和手段，尽量靠近风险，尽量在决定承保某一标的物前更全面的了解物的各种特性，则有利于造成人为判读错误导致的信息采集的不确定性。

人为风险其实是无处不在的，主要跟人类的认知水平、经验、责任心以及其他人类活动导致的主观信息忽略、信息过滤有关，通过提高软硬件水品和前沿高科技的使用，可以最大程度上的避免人为风险。由于这类风险难以根除，只有现阶段通过不断总结以往决策过世才能更好的掌握人为风险发生的潜在位置，从而更好的在未来的运营中避免类似风险的发生，最终降低或避免灾难性的后果。

点此查看 AIR 会议新闻报道

演讲照片