تراكم الشحن البحري وإدارة التعرض بالذكاء الاصطناعي

بقلم Jonas Mohamed Osman Abdelghafour.

تتمتع مخاطر الكوارث البحرية بطابع مميز: التعرض يتحرك. يعرف مصمم نماذج الكوارث العقارية أين توجد المباني المؤمن عليها؛ أما مصمم نماذج الشحن فيجب أن يفكر في حاويات توجد في مكان ما بين شنغهاي وروتردام، مكدسة في موانئ تتغير قدرتها الاستيعابية يوميًا. تعلم السوق هذا الدرس بشكل مؤلم من خلال أحداث مثل انفجار ميناء تيانجين عام 2015، الذي نتج عنه مليارات الخسائر في الشحن والخسائر المرتبطة به المركزة في منطقة تخزين واحدة لم يقم سوى عدد قليل من شركات التأمين بقياس تعرضهم الإجمالي لها. وتظل مخاطر التراكم — في الموانئ، وفي المستودعات، وعلى متن سفن الحاويات الأكبر من أي وقت مضى التي تحمل عشرين ألف صندوق — هي العامل الحاسم في المحفظة البحرية.

كان التعامل الاكتواري التقليدي مع هذه المخاطر بدائيًا: أحمال كوارث تعتمد على الأقساط، وسجلات إجمالية ثابتة للموانئ يتم تحديثها سنويًا، والاعتماد على إعادة التأمين لامتصاص ما لا يمكن قياسه. ومنذ ذلك الحين، قامت شركات نمذجة الكوارث ببناء نماذج مخصصة للشحن البحري تغطي العواصف والفيضانات والزلازل في الموانئ الرئيسية، وأظهرت تحليلات إمكانات التراكم على مستوى الموانئ أن أكبر سيناريوهات الخسائر المؤمنة توجد في موانئ قد لا يسميها العديد من المكتتبين أولاً — فالتراكم هو وظيفة لوقت بقاء الشحن، وكثافة القيمة، والمخاطر، وليس فقط حجم التداول.

طبقة الاستخبارات: معرفة مكان الخطر فعليًا

ما تغير هو البيانات. يتيح تتبع السفن عبر AIS، وصور الأقمار الصناعية، وتدفقات ازدحام الموانئ وقواعد بيانات التجارة الآن لشركات التأمين تقدير القيمة الموجودة في البحر وعلى أي سفن، وما هو موجود في الموانئ، وما يتحرك عبر نقاط الاختناق، وذلك في الوقت الفعلي تقريبًا. ويعد التعلم الآلي هو الطريقة العملية الوحيدة لدمج هذه التدفقات: مطابقة جداول الوثائق مع تحركات السفن، وتقدير قيم الحاويات من بيانات الشحن، وتجميع النتيجة في صورة تراكم حية. المكتتب الذي يمكنه الاستعلام عن التعرض الحالي في مضيق هرمز، أو القيمة الموجودة في ميناء مهدد بإعصار، يدير عملية مخاطر مختلفة تمامًا عن تلك التي تعمل بناءً على تقارير العام الماضي.

جعلت الجيوسياسة هذه القدرة ملحة. أدت التحويلات في البحر الأحمر إلى إعادة توجيه التجارة حول رأس الرجاء الصالح، مما أدى إلى تغيير مدد الرحلات ونقاط التراكم والتعرض لمخاطر الحرب. وأسطول الظل — الناقلات التي تعمل بملكية غامضة، وترفع أعلاماً غير منتظمة، وأجهزة إرسال واستقبال معطلة، والتي تقدر الآن بنحو سدس أسطول الناقلات العالمي — يخلق مخاطر ترابط لشركات التأمين التي تشترك سفنها المؤمنة في مديرين أو مياه أو شركاء نقل مع ناقلات خاضعة للعقوبات. وتظهر تحليلات الاستخبارات البحرية تصاعد عمليات النقل المظلمة من سفينة إلى سفينة كتقنية تهرب. يعد اكتشاف هذه السلوكيات — فجوات AIS في المناطق عالية المخاطر، وتواليات الموانئ الشاذة، وتغيير الأعلام المفاجئ — مشكلة تعرف على الأنماط يعالجها التعلم الآلي بشكل أفضل بكثير من المراجعة اليدوية.

النتائج الاكتوارية: من الإجماليات السنوية إلى نماذج الكوارث الحية

بالنسبة للخبير الاكتواري، هناك ثلاث ممارسات تحتاج إلى إعادة بناء. أولاً، يجب أن يصبح تحميل الكوارث ديناميكيًا: يجب أن تستجيب مكونات الحرب والكوارث في السعر الفني للتوجيه الحالي، والتعرض لنقاط الاختناق، وبيانات التراكم بدلاً من تحديدها سنويًا. ثانياً، يجب إنشاء سيناريوهات الكوارث الواقعية من التعرض الحي — السؤال الصحيح ليس ماذا لو ضربت عاصفة الميناء X بمتوسط شحن، ولكن ما هي خسارتنا إذا ضربت بالشحن الموجود هناك بالفعل هذا الأسبوع. ثالثاً، يجب أن تعكس نمذجة رأس المال الارتباط المقاس: حرائق سفن الحاويات، وخسائر الموانئ، وأحداث الحرب تؤثر على الشحن وهيكل السفن والمسؤولية والعملات والمعادن النفيسة في آن واحد، ونموذج رأس المال الذي يعامل هذه الخطوط كأنها مستقلة يقلل من شأن المخاطر البحرية القصوى.

سؤال الحوكمة الذي يجب أن تطرحه مجالس الإدارة بسيط: إذا تعرض ميناء رئيسي لكارثة الليلة، كم من الوقت سيستغرقنا تحديد تعرضنا الإجمالي — دقائق، أيام أم أسابيع؟ بالنسبة لمعظم السوق، الإجابة الصادقة لا تزال أسابيع. التكنولوجيا لجعلها دقائق موجودة ومتاحة تجاريًا؛ ما يتبقى هو العمل الاكتواري والهندسي لربطها بالتسعير والتحكم في التراكم ورأس المال. إن "تيانجين" القادمة هي مسألة وقت فقط. وسيكون الانقسام التنافسي بين شركات التأمين التي تكتشف تعرضها من المطالبات وتلك التي عرفته قبل وقوع الخسارة.