基于保险理赔数据的水电企业风险评估研究

李晓英，曾宇轩

(1.河海大学 水利水电学院，江苏 南京 210098；2.河海大学 水利工程实验教学中心，江苏 南京 210098)

1 研究背景

安全是可持续发展的基础。水利工程作为涉及能源、环境、社会稳定等诸多方面的复杂系统工程，其投资大、不确定因素多，一旦出现安全事故将造成巨大的经济损失，甚至会对社会公共安全产生巨大的威胁[1]；同时，水利行业属于资金密集型产业，如何在其建设和运营阶段进行有效地管理对水利事业的发展具有重要参考价值[2]。虽然水利工程具有高风险性，但我国水电企业的经营者和管理者风险意识普遍不强，缺乏系统和明确的风险管理目标[3]。因此，构建现代化水电企业风险管理体系具有重要的意义。

风险评估能够用具体的数值直观反映风险的大小，是构建系统风险管理体系的基础，相关方法被广泛应用于安全管理领域[4-5]。风险指标的权重计算是风险评估的核心所在，其计算方法主要可分为主观赋权法和客观赋权法两类，在主观赋权法方面，现阶段已有不少相关研究，李创[6]运用风险评估中传统的AHP-模糊综合评价法对纳米比亚欧曼德尔管道工程项目施工中的风险因素进行了综合评价，由于只考虑风险严重程度一个输入变量，其主观性和随机性较强；在此基础上，林倩[7]利用风险矩阵综合考虑风险发生概率和后果严重程度两个输入变量来划分风险等级，并引入区间数削弱主观赋权的随机性，但其通过专家赋分选取区间数，仍有较强的主观性。近年来，部分学者将智能算法引入主观赋权，取得了较好的效果。江新等[8]利用集对理论和云模型削弱传统AHP(analytic hierarchy process)法的模糊性和不确定性，建立基于SPA(set pair analysis)-云模型的工程运营风险评估模型，该模型能有效处理专家判断的同一性和差异性，减少主观误差；程江洲等[9]结合贝叶斯网络和Dirichlet模型分解水力发电系统以提高主观赋权的精度，并在此基础上运用权威度赋权和模糊隶属函数进一步削弱主观赋权的随机性；此外，傅鹤林等[10]引入语言评价值来反映指标的重要程度，该方法能较好地反映系统的模糊性、不确定性和复杂性，进而削弱赋分的随机性。以上研究尝试多种方法削弱主观赋权法的主观性与随机性，取得了一定的成效，但水利工程风险复杂性高，专家难以给出确切评分，主观赋权的随机性大且很难规避。在客观赋权法方面，沈菊琴等[11]采用熵权法计算指标权重以削弱主观性，形成基于熵权可拓物元模型的水利工程稳定风险评估方法；卢丹等[12]运用反熵权法对电网风险进行客观赋权，并运用博弈理论结合相关主观赋权结果综合两种赋权方法求解最终权重。但目前多数客观赋权法的基础数据仍源于专家评分或问卷调查，不能直接接触实际的客观数据。

由于传统风险评估中赋权的主观性和随机性强，且多为基于文字和经验意义上的风险描述，不能直接接触实际数据[13-15]，需寻找一种基于实际客观数据的评分法以代替主观评分。考虑到通过保险理赔数据能较精确地识别和定量风险[16]，同时近年来国内水电企业实现全国运营项目保险统一安排，保险的标准化、规范化情况较好[17]，且出险资料实时更新，具有实用价值，故其可以较好地被选作代替主观评分的客观数据。本研究以水电企业的保险理赔数据为切入点展开分析，提出了一种基于保险理赔数据的水电企业风险评估方法。

2 数据来源与研究方法

2.1 研究区概况与数据来源

本文研究对象为某水电企业，收集到的数据资料包括其运营的分布于新疆、湖南、云南、宁夏、四川、河南、江西7个省份的24座水电站2016-2019年的所有保险理赔数据，数据质量良好。

2.2 研究方法

2.2.1 风险因素指标体系构建 通过分析某水电企业的保险理赔数据并结合相关专著[1]，总结近年来水电企业存在的主要运营风险，按成因将其划分为如图1所示的3个类别和14个因素。

图1 水电企业运营风险因素指标体系

2.2.2 风险损失区间及其标度 目前水电企业的保险理赔数据较少，难以精确定量风险损失，故通过区间数来提高风险损失估计的准确性。

(1)

K=

(2)

同一准则下可能包含多项指标，为全面体现各项指标避免遗漏，定义一种最优风险损失区间(x-,x+)。设损失处于该区间内的概率为P，则该区间需满足下列条件：

①P≥95%

(n=1,2,…,∞)

(3)

(4)

(2)指标层风险损失区间。指标层通常涉及发生概率很低的风险，其出险数据资料少，不足以完成拟合。为保证指标层风险损失区间在构造上的一致性，采用百分位数求解指标层风险损失区间。

设某理赔数据样本的偏度系数为SK，第1四分位数为Q1，中位数为Q2，第3四分位数为Q3，则其风险损失区间可表示为：

(5)

(6)

其标度C可表示为：

(7)

(8)

2.2.4 AHP法计算指标权重 AHP法是将决策问题按目标、准则、指标的顺序分解为不同的层次结构，然后求解判断矩阵特征向量进而计算各指标对总目标的权重的方法。其具体步骤可归纳为建立层次结构模型、构造判断矩阵、层次单排序及其一致性检验、层次总排序及其一致性检验。

(1)判断矩阵。风险指数是风险的后果严重程度与发生概率的乘积，用以划分风险等级[20]，可利用风险指数作为判断矩阵的计算依据。设某风险的发生概率为Pi，后果严重程度为Ci，风险指数为Ri，则Ri可按以下公式计算：

Ri=Pi·Ci

(9)

(10)

(2)权重向量。判断矩阵A=(αij)n×m如满足αij=αik·αkj，则称其为一致性矩阵。一致性矩阵A存在唯一的非零特征值λ=n，其规范化特征向量w=(w1,w2,…,wn)T称为权重向量，且αij=wi/wj。

(3)一致性检验。现实中判断矩阵的赋值具有非等比性,阶数大于2时,很难满足一致性要求，这时可通过λmax求权重向量，但矩阵偏离一致性的程度必须在可接受范围内。

设λmax为矩阵A=(αij)n×m的最大特征值，λmax≥n，等号当且仅当A为一致性矩阵时成立。因此，可根据λmax与n的偏差来检验矩阵的一致性,λmax与n相差越多，A的一致性程度就越差。由此定义一致性指标CI和平均随机一致性指标RI。

(11)

RI的值可参照平均随机一致性指标标准值表选取。取CI对RI的比值作为一致性检验判别式，称其为一致性比率CR，即：

(12)

如CR<0.1，则认为该判断矩阵通过一致性检验。

3 实例应用与结果分析

3.1 实例应用

3.1.1 保险理赔数据统计计算 利用图1的指标体系，对该水电企业的保险理赔数据进行统计计算，以寻找其分布规律。

(1)准则层风险。以设备风险为例，利用SPSS统计分析得到设备风险损失数据的概括性数据度量指标见表1。

表1 设备风险损失数据度量指标

由表1可看出，设备风险出险次数多，损失数据为左偏、尖峰分布。选用半正态分布、对数正态分布、威布尔分布对其进行拟合，对数正态分布拟合设备风险损失数据的P-P图如图2所示。由图2可看出，对数正态分布的拟合效果较好，故采用对数正态分布对设备风险损失数据进行拟合。

图2 对数正态分布拟合设备风险损失数据的P-P图

取理赔数据的自然对数，可得其μ=1.464，σ=1.520，由此可得相应的概率分布函数。划分风险损失计算区间并利用Excel完成各区间分布累计概率与理论概率的计算，利用公式(3)计算各区间的概率贡献率，将计算结果列于表2。

表2 风险损失区间计算表

按区间概率贡献率将损失区间降序排序，利用公式(4)可得到理论概率为95.82%的风险损失区间为(0，60]，进一步划分(30，60]并重复上述计算过程，可得到设备风险损失发生概率为95%的风险损失区间为(0，52.68]。由于风险损失不可能为0，取理赔数据中的最小值对风险损失区间进行修正，将风险损失区间调整为[0.08，52.68]。

同理可求得环境风险和其他风险的风险损失区间，将计算结果列入表3。

表3 准则层风险损失区间 104元

(2)指标层风险。通过公式(1)、(5)可求出指标层各风险因素的损失区间如表4。

表4 指标层各风险因素的损失区间 104元

结合表5，通过公式(10)可得到准则层判断矩阵A以及指标层判断矩阵B1、B2、B3。

表5 准则层和指标层各风险因素风险后果严重程度及相对发生概率

结合2.2.4节中的理论可分别求解准则层和指标层的权重，将两者相乘即可得到该水电企业的风险评估结果，如表6所示。

表6 某水电企业的风险评估结果

3.2 结果分析

由表4、5可看出，2016-2019年该水电企业运营过程中环境类风险和其他类风险损失较大，但发生概率较低，设备类风险损失较小，但发生概率较高，这符合水电站的风险统计规律[1]。

进一步对照表6中的风险权重，权重最高的3个风险因素为设备故障、暴雨、洪水，其后果严重程度的评估值分别为4.00、5.21、4.00，相对发生概率的评估值分别为0.48、0.33、0.42，其中暴雨因素的相对发生概率低于洪水因素，但其后果严重程度高于后者，经综合计算分析可得其权重略高于后者，由此可见风险权重能综合反映水电企业事故的严重程度与发生概率。水电企业不同风险的权重存在明显差异，可为不同风险划分不同的防范等级，进而分级制定具体的防控措施。

4 讨 论

工程风险有一定的规律性，建立合理的风险防控体系可有效预防风险，降低财产损失。本研究结合企业保险理赔数据，建立风险因素指标体系，并进一步分析得到各风险因素权重，这与前人通过文献检索、现场走访等方式归纳风险因素指标体系并结合专家打分计算得到风险权重[6-8,11,13]的方法不同，能更好地结合水电企业的特征，得到更有针对性的风险评估数据以供水电企业风险防控决策参考。但目前水电企业可用保险理赔数据较少，基于保险理赔数据的客观评分法精度可能不足，本文引入风险相对发生概率与风险损失区间及其标度确定方法以提高风险评估的准确性。有学者在客观权重的基础上通过博弈模型[12]耦合主观权重，该方法亦能较好地提高评估精度。

本研究得出了某水电企业各风险因素的权重与排序，但并未对风险成因及其防控措施作深入研究，水电企业长周期安全稳定运行的技术及管理模式还需进一步探讨。环境风险和设备风险是众多水电企业长周期安全稳定运行中亟需改进的突出问题，环境风险损失大、机理复杂、难以避免，有待进一步研究其事故机理及预警方法以减小事故损失，设备风险出险频率高、类别多，需深入研究运营管理模式以减小设备事故概率。

5 结 论

(1)提出了一种基于保险理赔数据的水电企业风险评估方法，该方法通过对保险理赔数据的统计分析直接得到各风险因素的权重，能较好地规避传统风险评估方法的主观性和随机性，且保险理赔数据可与风险评估数据实现同步实时更新，评估精度将随时间的积累而不断提高，具有实用意义。

(2)引入了风险相对发生概率与风险损失区间及其标度的确定方法，适用于水电企业出险数据少的情况，且其求解方法简单，有较强的可操作性，可推广至水电企业的基层管理人员。

(3)利用基于保险理赔数据的水电企业风险评估方法对某水电企业进行了运营风险评估，得到了该企业的风险因素权重及排序，可为该企业的风险防控工作提供参考。结果表明：该水电企业应加大在设备故障、暴雨、洪水等方面的风险防控投入，适当减缓在电压波动、绝缘击穿、过电压等方面的风险防控投入。可根据风险权重排序，有区别地制定不同等级的风险防控措施。