Wind aggregation for storm clusters improves the design of vulnerability curves for insurance companies

在气象与保险领域，风险通常被理解为一个涉及三个部分的简单方程：危险本身、路径上的物体以及这些物体损坏的难易程度。危险是风暴；物体是房屋和企业；而脆弱性则是易损性。几十年来，专家们一直将风暴视为孤立事件，假设被单次大风损毁的房屋，在面对下一次风暴时，其受损的可能性并不比之前更高或更低。这种观点在风暴单独来袭时运作良好，但在面对快速连续发生的序列时却显得力不从心。当多场风暴在短时间内连续袭击某一地区时，造成的破坏可能远超单个事件破坏的总和。这是因为被第一波冲击削弱的建筑，在第二波袭击到来之前可能还没有时间恢复，从而处于更加脆弱的状态。理解这种时机至关重要，这不仅关系到保险公司必须预留多少资金来支付这些灾害，也关系到试图预测气候变化如何改变此类危险序列频率的科学家。

一个研究团队利用来自一家法国大型保险公司的统计数据，旨在观察标准的风暴损失计算方法是否遗漏了这个关键的环节。他们将目光锁定在袭击法国的冬季风暴上，这些事件在过去几十年里造成了数十亿欧元的损失。通过研究数十年的保险理赔数据并将其与详细的风向模式记录进行匹配，他们提出了一个简单的问题：风暴的时机重要吗？具体而言，他们想知道，如果一栋房屋接连遭受两场风暴袭击，其受损程度是否高于遭受一场同等强度风暴的房屋，以及现有的用于预测此类损失的模型是否未能考虑到这一点。

研究人员发现，标准方法确实是不完整的。他们发现，法国很大一部分的损失发生在风暴紧随其后的时期，这些风暴往往在短短几天内接连发生。事实上，当他们观察一个四天的窗口期（这是保险公司对理赔进行分组的一个常用时间框架）时，超过一半的受损财产都是属于一系列风暴而非孤立事件的一部分。更有说服力的是，他们确定了一组特定的地点，这些地点在那个短时间内受到了多场风暴的影响。这些“多重风暴”影响下的地点所遭受的破坏，无法仅用最强的一阵阵风来解释。当研究人员将破坏程度与风速进行对比绘图时，他们看到，对于相同的风力强度，遭受连续风暴袭击的房屋比遭受单次风暴袭击的房屋拥有更高的理赔率。那些仅关注峰值风速的标准模型，低估了这些集群事件的风险。

为了解决这个问题，该团队开发了一种新的衡量危害的方法。他们不再仅仅记录一个位置经历的最强单次阵风，而是创建了一种方法，将序列中所有强风的影响累加起来。想象一下，一个风暴集群就像一系列沉重的打击；新方法将第二和第三次打击视为对总力量的累加，即使它们比第一次要弱。他们测试了多种组合这些风的方式，发现最有效的方法是：给予最强阵风全部权重，同时也为随后的风暴贡献一定的、虽然较小但仍具有显著意义的部分。这种被称为“风力聚合”（wind aggregation）的方法，使他们能够构建出一套能准确反映集群风暴现实的新型破坏曲线。

结果表明，这种新方法的效果远好于旧方法。当他们将聚合风速指标应用于数据时，模型的实际破坏预测能力显著提升，尤其是在那些受到多场风暴袭击的地点。这种改进在风暴发生间隔在一周以内的案例中最为显著。随着风暴之间间隔时间的增长，累加风力的效益逐渐减弱，这表明建筑在下一场风暴到来之前，大约有一个星期的恢复窗口。如果风暴之间的间隔更长，第二次事件带来的破坏看起来更像是对一栋健康建筑的全新攻击，而不是对一栋已被削弱的建筑的后续打击。

这项研究并非暗示旧模型在应对单场风暴时毫无用处；对于孤立事件，峰值风速仍然是预测破坏程度的最佳指标。然而，它证明了对于日益普遍的风暴集群场景，仅依赖峰值风速会导致对风险的偏差认知。通过明确考虑风暴的连续性，研究人员提供了一种让保险风险模型更加现实的方法。这意味着保险公司可以更好地估算在快速连续风暴季节中所面临的总损失，从而实现更准确的定价和更好的未来准备。这项工作证实，大自然的暴力之“时”与“强”同样重要，忽视事件的先后顺序，会让我们在面对风暴季节的真实代价时措手不及。