Skip to main content
Portrait of Jonas Osman Abdelghafour, actuary and quantitative risk expertJonas Osman
Русский / Накопление рисков в морском страховании и ИИ
· 7 мин чтения

Накопление рисков в морском страховании и ИИ

Автор

Крупнейшие морские убытки современности были связаны с накоплениями, которые никто не измерял. ИИ и морская аналитика теперь делают возможным — а скоро сделают обязательным — управление экспозицией в реальном времени.

Автор: Jonas Mohamed Osman Abdelghafour.

Морской катастрофический риск имеет специфический характер: экспозиция перемещается. Актуарий, моделирующий риски имущества, знает, где находятся застрахованные здания; актуарий по морскому страхованию грузов должен учитывать контейнеры, находящиеся где-то между Шанхаем и Роттердамом, сложенные в портах, пропускная способность которых меняется ежедневно. Рынок болезненно усвоил это на примере взрыва в порту Тяньцзинь в 2015 году, который привёл к убыткам по грузам и сопутствующим рискам на миллиарды долларов, сосредоточенным в одной зоне хранения, объем совокупной экспозиции к которой мало кто из страховщиков измерял. Риск накопления — в портах, на складах, на борту постоянно растущих контейнеровозов, перевозящих двадцать тысяч коробок, — остаётся «хвостом», который управляет всем морским портфелем.

Традиционное актуарное отношение к этому риску было грубым: катастрофические нагрузки, основанные на премии, статические реестры совокупных рисков портов, обновляемые ежегодно, и опора на перестрахование, чтобы покрыть то, что нельзя было измерить. С тех пор фирмы по моделированию катастроф создали специализированные модели морских грузов, охватывающие штормы, нагоны воды и землетрясения в крупных портах. Анализ потенциала накопления на уровне портов показал, что сценарии с наибольшими застрахованными убытками приходятся на порты, которые многие андеррайтеры не назвали бы в числе первых — накопление является функцией времени нахождения груза в порту, плотности стоимости и опасности, а не только пропускной способности.

Интеллектуальный уровень: знание того, где риск находится на самом деле

Что изменилось, так это данные. Отслеживание судов через AIS, спутниковые снимки, данные о загруженности портов и торговые базы данных теперь позволяют страховщикам оценивать, почти в реальном времени, какая стоимость находится на воде на каких судах, стоит в каких портах и проходит через какие «узкие места». Машинное обучение — единственный практический способ объединить эти потоки данных: сопоставление графиков полисов с движением судов, оценка стоимости контейнеров на основе торговых манифестов и обобщение результатов в единую живую картину накопления. Андеррайтер, который может запросить текущую экспозицию в Ормузском проливе или стоимость груза, находящегося в порту, которому угрожает ураган, управляет риском принципиально иначе, чем тот, кто работает на основе прошлогодних данных.

Геополитика сделала эту возможность насущной. Перенаправление потоков в Красном море заставило суда огибать Мыс Доброй Надежды, что изменило длительность рейсов, точки накопления и экспозицию к военным рискам. «Теневой флот» — танкеры, работающие при непрозрачном владении, с нерегулярной регистрацией и отключенными транспондерами, который сейчас оценивается примерно в шестую часть мирового танкерного флота, — создаёт ассоциативные риски для страховщиков, чьи застрахованные суда имеют общих менеджеров, водные пути или партнёров по передаче груза с санкционированным тоннажем. Анализ морской разведки показывает, что теневые передачи груза с судна на судно стремительно растут как метод обхода санкций. Обнаружение такого поведения — пробелы в AIS в зонах высокого риска, аномальные последовательности заходов в порты, внезапная смена флага — это проблема распознавания образов, с которой машинное обучение справляется намного лучше, чем ручной анализ.

Актуарные последствия: от годовых агрегатов к «живым» моделям катастроф

Для актуария три практики требуют перестройки. Во-первых, нагрузка на катастрофические риски должна стать динамической: компоненты военных и катастрофических рисков в технической цене должны реагировать на текущую маршрутизацию, экспозицию в узких местах и данные о накоплении, а не устанавливаться ежегодно. Во-вторых, реалистичные сценарии катастроф должны генерироваться на основе текущей экспозиции — правильный вопрос не в том, что будет, если шторм ударит по порту X со средним количеством груза, а в том, каков будет наш убыток, если он ударит по грузу, который действительно находится там на этой неделе. В-третьих, моделирование капитала должно отражать измеренную корреляцию: пожары на контейнеровозах, убытки в портах и военные события одновременно затрагивают грузы, корпус, ответственность и драгоценные грузы, и модель капитала, которая рассматривает эти линии как независимые, недооценивает хвостовой риск морского страхования.

Вопрос управления, который должны задавать советы директоров, прост: если бы сегодня ночью в крупном порту произошла катастрофа, сколько времени потребовалось бы нам, чтобы заявить о нашей валовой экспозиции — минуты, дни или недели? Для большинства участников рынка честный ответ — недели. Технология, позволяющая сделать это за минуты, существует и является коммерчески доступной; остаётся актуарная и инженерная работа по её интеграции в тарификацию, контроль накопления и капитал. Следующий «Тяньцзинь» — вопрос времени. Конкурентный разрыв будет между страховщиками, которые узнают о своей экспозиции из заявлений об убытках, и теми, кто знал о ней до убытка.