Keuangan spasialTempat modal bertemu bahaya, keterpaparan, dan transisi
Uncertainty quantification and model validation for reinsurance and catastrophe
Uncertainty quantification separates and propagates the uncertainty in catastrophe models: in hazard, vulnerability, exposure and financial terms. In reinsurance it shows decision makers how far a modelled loss could move and which assumption moves it most.
What uncertainty quantification and model validation does here.
Uncertainty quantification and model validation characterise how uncertainty in inputs, parameters and model structure affects predictions. They establish how much confidence a model’s outputs deserve. In insurance and catastrophe, climate and hazards and disaster and crisis, uncertainty quantification shows where risk estimates are robust and where they are fragile. It guides where better data or models would change decisions. The canonical description is onSTEM Commons.
Primary and secondary uncertainty
Event occurrence uncertainty is separated from damage uncertainty given an event, and both are carried through to layer losses.
Sensitivity ranking
Inputs are varied one at a time and jointly to rank which assumptions drive the most change in key metrics.
Multi-model ensembles
Results from several models are presented together with their spread, rather than a single number.
03Keuangan spasial
Eksposur, bahaya, dan kurva pelampauan.
Tempat mana yang mendorong kerugian pada tahun yang parah, dan seberapa jauh kerugian itu menjangkau reasuransi. Nilai rancangan ilustratif.
Keterpaparan pesisir di zona siklon dan gempa bumi, di samping kurva kerugian yang dihasilkannya.Nilai rancangan ilustratif, bukan keluaran model atau harga.
04Data
Apa yang digunakan metode ini.
Datasets and records used by uncertainty quantification and model validation on this platform, with the role each plays and the label its values carry. Sources are listed inregister sumber.
Data
Peran
Label
Model parameter ranges
Input uncertainty
ESTIMASI
Alternative model outputs
Structural uncertainty
DIMODELKAN
Exposure audit results
Data uncertainty
TERAMATI
05Model kerugian
Pelampauan kerugian, kerugian tahunan rata-rata, dan kerugian maksimum yang mungkin.
Kerugian yang dapat diperkirakan per tahun oleh portofolio di wilayah terdampak, serta pada tingkat 1 dalam 100 dan 1 dalam 250 tahun yang dihargai perusahaan asuransi dan pemberi pinjaman, dari tiga blok yang sama yang digunakan setiap model katastrofeuses. Teaching model with stated illustrative values, not a prediction. The map on this page shows The Gulf of Mexico coast; the model itself is not tied to a place.
Kendali
Intensitas bahaya tahunan tipikal (lokasi)
Indeks intensitas 1.00
Sebaran nilai ekstrem (skala)
Indeks intensitas 0.80
Intensitas saat separuh nilai hilang
Indeks intensitas 4.00
Sebaran kerentanan
0.55
Porsi nilai dalam jejak bahaya
40%
Standar perlindungan (periode ulang)
50 tahun
Pembacaan
Rata-rata kerugian tahunan
0,51% dari nilai
Kerugian pada 1 dalam 100 tahun
24,5% dari nilai
Kerugian pada 1 dalam 250 tahun
28,4% dari nilai
Intensitas pada 1 dalam 100 tahun
Indeks intensitas 4.68
Angka, metode, dan sumber
Periode ulang (tahun)
Intensitas (indeks intensitas)
Kerugian (% dari nilai)
1
0.09
0.00
2
1.27
0.00
4
1.91
0.00
7
2.47
0.00
13
3.00
0.00
24
3.51
0.00
44
4.02
0.00
82
4.53
23.55
154
5.03
26.44
287
5.53
28.87
536
6.03
30.88
1,000
6.53
32.53
Metode
Bahaya nilai ekstrem Gumbel Gumbel (1958), Statistics of Extremes, Columbia University Press
Kurva probabilitas eksedensi dan rata-rata kerugian tahunan Grossi and Kunreuther (2005), Catastrophe Modeling, Springer
Efek tanggul Di Baldassarre dan lainnya (2013), Socio-hydrology, HESS 17
Kipas ketidakpastian (Monte Carlo parametrik) Spiegelhalter, Pearson dan Short (2011), Memvisualisasikan ketidakpastian tentang masa depan, Science 333
Sensitivitas satu per satu (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
Data
The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:
Sungai Natural Earth
Luasan perkotaan Natural Earth
Kota Natural Earth
Gempa bumi M4.5+, pekan lalu (USGS) U.S. Geological Survey · register usgs.earthquake.summary-feeds
Laju hujan, setengah jam terakhir (IMERG) NASA GPM IMERG Early · register nasa.gibs.context-live-layers
Prakiraan debit sungai, 30 hari dengan rentang (GloFAS melalui Open-Meteo) Open-Meteo.com (CC BY 4.0), Copernicus GloFAS · register open-meteo.public-pages
Cakupan lahan terbangun dan permukiman, 2010 (HBASE, Landsat) CIESIN/Columbia, NASA SEDAC HBASE · register sedac.context-urban-layers
Kurva eksedensi kerugian, rata-rata kerugian tahunan, dan kerugian maksimum yang mungkin terjadi. Model pengajaran ilustratif: model ini berjalan pada nilai yang ditetapkan oleh kontrol, bukan pada data terukur. Metode: bahaya nilai ekstrem Gumbel (Gumbel (1958), Statistics of Extremes, Columbia University Press); fungsi kerentanan lognormal (FEMA (2003), HAZUS-MH Technical Manual); kurva peluang eksedensi dan rata-rata kerugian tahunan (Grossi dan Kunreuther (2005), Catastrophe Modeling, Springer).
Di seluruh enam pilar, dipimpin oleh Nexus Consortium
Predictive distributions are tested for calibration and sharpness against held-out observations. Verification confirms that code solves the intended equations.
Pemeriksaan
Cara pelaksanaannya
Coverage of intervals
Stated uncertainty ranges are tested against outcomes where possible
Correlation assumptions
Dependencies between uncertain inputs are documented
Komunikasi
Uncertainty is shown with the result, not in an appendix
Structural uncertainty and unknown unknowns are difficult to represent. Computational cost limits exploration of high-dimensional models.
07Simulator kembaran dan efek berantai
Trace a shock to the balance sheet.
Disusun dari profil bidang Nexus Standards profil area Asuransi dan reasuransi: guncangan yang disebutkannya, Sistem dan sektor yang menanggung kerugian, kontrol yang meredamnya, dan data yang mengamatinya. Pilih guncangan pemicu dan telusuri efek berantainya langkah demi langkah untuk melihat eksposur mana yang dicapainya dan di mana kerugian dapat terkonsentrasi. Tampilan Peta menempatkan simulasi pada geografi contoh dengan data terbuka. Setiap bobot adalah asumsi yang dinyatakan. Sebuah latihan, bukan proyeksi, valuasi, peringkat, atau saran investasi. Untuk memodelkan tempat pilihan Anda sendiri, buka System Builder.
Tampilan eksposur, kerugian, skenario, dan modal yang akan diminta oleh pejabat risiko, otoritas pengawas, atau kementerian keuangan, beserta kerangka pelaporan yang mereka gunakan. Strukturnya mengikuti praktik pengawasan dan aktuaria. Nilai bersifat ilustratif: tidak pernah merupakan harga, peringkat, atau saran.
Eksposur dan kerugian pada periode ulang
How losses from uncertainty quantification and model validation for reinsurance and catastrophe grow with severity, gross and net of reinsurance, against capital.
Periode ulang
Probabilitas tahunan
Kerugian bruto
Kerugian neto
Neto, modal = 100
1 dalam 10 tahun
0.10
14
10
10
1 dalam 50 tahun
0.02
33
21
21
1 dalam 100 tahun
0.01
46
27
27
1 dalam 250 tahun
0.004
68
39
39
Rata-rata kerugian tahunan
3.1
2.2
2.2
Indeks kerugian ilustratif untuk portofolio contoh (modal = 100): bentuk probabilitas pelampauan yang dibaca perusahaan asuransi dan pengawas. Bukan data tentang lembaga mana pun, bukan harga atau peringkat.
Skenario iklim NGFS · Network for Greening the Financial SystemIFRS S2 Pengungkapan terkait Iklim · ISSBRekomendasi TCFD · Financial Stability Board TCFDPrinsip-prinsip pengelolaan efektif risiko keuangan terkait iklim · Basel Committee on Banking Supervision
10Pengelolaan
Siapa yang memelihara metode ini.
Ilmu Sistem dan Pemodelanstewards uncertainty quantification and model validation for the Consortium and reviews how it is applied across platforms.
What are the limits of uncertainty quantification and model validation in this field?
Structural uncertainty and unknown unknowns are difficult to represent. Computational cost limits exploration of high-dimensional models.
Bagaimana hasil diperiksa?
Predictive distributions are tested for calibration and sharpness against held-out observations. Verification confirms that code solves the intended equations.
Apakah nilai di halaman ini nyata?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Laporanis the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
Global Risks AllianceReasuransi dan KatastrofeKesiapan Pembiayaan dan AsuransiMetode dan Teknis
Jangan pernah mengirim data pribadi, rincian infrastruktur sensitif, atau apa pun yang tidak berhak Anda bagikan. Kontribusi ditinjau sebelum digunakan. Mengirimkannya tidak memberikan hak kepenulisan atau editorial, dan sponsor tidak pernah membeli sebuah temuan.
Reasuransi dan Katastrofe
Ajukan pertanyaan eksposur atau modal kepada Aliansi.
Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.
Peta, data, dan gambar di situs ini ditampilkan untuk konteks dan informasi umum. Semua itu bukan nasihat, prakiraan, atau peringatan; batasan informasinya dijelaskan dalam Penafian dan Pemberitahuan Data.
Editors and the expert reviewers named on each article decide what we publish. Funders and partners do not review or approve articles before publication.
This site uses only strictly necessary cookies to work and to remember your privacy choices. Nothing loads from other companies, and we never sell or share your personal information.
Details
This site uses only strictly necessary cookies to work and to remember your privacy choices. Nothing loads from other companies, and we never sell or share your personal information. We run no advertising. You can review your choices at any time through Privacy choices at the foot of every page.