该研究提出一种利用可微分气象模型进行梯度下降优化的方法，可从历史观测数据出发，生成“灰天鹅”极端天气事件——即尚未发生但具有现实可能性的罕见灾害情景。以飓风菲奥娜（2022）为例，通过对初始条件施加微小扰动，成功模拟出类似飓风桑迪（2012）的登陆路径和更强气压深度（最低919hPa，桑迪为940hPa），并在其他四个飓风案例中验证了方法的可复现性。
从保险角度，该方法的核心价值在于：
-
巨灾模型情景扩充：传统巨灾模型依赖有限的历史观测样本，极端事件统计显著性不足。灰天鹅工厂可批量生成“合理但未发生”的灾害情景，为财产险、巨灾再保险的压力测试和资本充足率评估提供更丰富的尾部风险样本。
-
再保险定价与风险分层：再保险公司需评估超强台风、风暴潮等低频高损事件的潜在损失。灰天鹅情景有助于补充现有损失分布的高端尾部信息，提升分层定价和风险转移策略的精准度。
-
基础设施韧性评估：保险公司对大型商业项目、能源设施等提供保单时，可借助灰天鹅情景评估极端风压、洪水深度等指标，辅助承保决策和免赔额设计。
研究同时指出，该方法生成的灰天鹅事件不提供发生概率，需结合气候统计或集合预报进行概率化。此外，模型分辨率有限，未解析飓风内核细节，实际应用前需用高分辨率传统模型验证。总体而言，灰天鹅工厂为保险业应对气候变化下的未知风险提供了一种高效、可控的情景生成工具。
发布者：保险日报，转转请注明出处：https://www.insurdaily.com/archives/6688.html
微信扫一扫 
