当前位置：
X-MOL 学术
›
Meteorol. Appl.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Dealing with trend uncertainty in empirical estimates of European rainfall climate for insurance risk management
Meteorological Applications ( IF 2.3 ) Pub Date : 2021-07-12 , DOI: 10.1002/met.2008 Stephen Jewson 1 , Tanja Dallafior 2 , Francesco Comola 2
Meteorological Applications ( IF 2.3 ) Pub Date : 2021-07-12 , DOI: 10.1002/met.2008 Stephen Jewson 1 , Tanja Dallafior 2 , Francesco Comola 2
Affiliation
|
The insurance industry uses mathematical models to estimate the risks due to future natural catastrophes. For climate-related risks, historical climate data are a key ingredient used in making the models. Historical data for temperature and sea level often show clear and readily quantified climate change driven trends, and these trends would typically be accounted for when building risk models by adjusting earlier values to render the earlier data relevant to the future climate. For other climate variables, such as rainfall in many parts of the world, the questions of whether there are climate change driven trends in the historical data, and how to quantify them if there are, are less simple to answer. We investigate these questions in the context of European rainfall with a specific focus on how to deal with the uncertainty around trend estimates. We compare 10 empirical methodologies that one might use to model and predict trends, including traditional statistical testing and alternatives to statistical testing based on standard methods from model selection and model averaging. We emphasize prediction and risk assessment, rather than detection of trends, as our goal. Viewed in terms of this goal, the methods we consider each have qualitative and quantitative advantages and disadvantages. Understanding these advantages and disadvantages can help risk modellers make a choice as to which method to use, and based on the results we present, we believe that in many common situations model averaging methods, as opposed to statistical testing or model selection, are the most appropriate.
中文翻译：
处理欧洲降雨气候经验估计中的趋势不确定性以进行保险风险管理
保险业使用数学模型来估计未来自然灾害造成的风险。对于与气候相关的风险，历史气候数据是制作模型的关键要素。温度和海平面的历史数据通常显示出清晰且易于量化的气候变化驱动趋势，这些趋势通常会在构建风险模型时通过调整早期值来呈现与未来气候相关的早期数据来考虑。对于其他气候变量，例如世界许多地区的降雨量，历史数据中是否存在气候变化驱动的趋势以及如果有的话如何量化这些问题就不太容易回答了。我们在欧洲降雨的背景下研究这些问题，特别关注如何处理趋势估计的不确定性。我们比较了 10 种可能用于建模和预测趋势的经验方法，包括传统的统计测试和基于模型选择和模型平均的标准方法的统计测试的替代方法。我们强调预测和风险评估，而不是检测趋势，这是我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，与统计检验或模型选择相反，模型平均方法是最有效的方法。合适的。包括传统的统计测试和基于模型选择和模型平均的标准方法的统计测试的替代方法。我们强调预测和风险评估，而不是检测趋势，作为我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，与统计检验或模型选择相反，模型平均方法是最有效的方法。合适的。包括传统的统计测试和基于模型选择和模型平均的标准方法的统计测试的替代方法。我们强调预测和风险评估，而不是检测趋势，这是我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，模型平均方法，而不是统计检验或模型选择，是最有效的方法。合适的。而不是检测趋势，作为我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，与统计检验或模型选择相反，模型平均方法是最有效的方法。合适的。而不是检测趋势，作为我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，模型平均方法，而不是统计检验或模型选择，是最有效的方法。合适的。
更新日期：2021-07-12
中文翻译：
处理欧洲降雨气候经验估计中的趋势不确定性以进行保险风险管理
保险业使用数学模型来估计未来自然灾害造成的风险。对于与气候相关的风险，历史气候数据是制作模型的关键要素。温度和海平面的历史数据通常显示出清晰且易于量化的气候变化驱动趋势，这些趋势通常会在构建风险模型时通过调整早期值来呈现与未来气候相关的早期数据来考虑。对于其他气候变量，例如世界许多地区的降雨量，历史数据中是否存在气候变化驱动的趋势以及如果有的话如何量化这些问题就不太容易回答了。我们在欧洲降雨的背景下研究这些问题，特别关注如何处理趋势估计的不确定性。我们比较了 10 种可能用于建模和预测趋势的经验方法，包括传统的统计测试和基于模型选择和模型平均的标准方法的统计测试的替代方法。我们强调预测和风险评估，而不是检测趋势，这是我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，与统计检验或模型选择相反，模型平均方法是最有效的方法。合适的。包括传统的统计测试和基于模型选择和模型平均的标准方法的统计测试的替代方法。我们强调预测和风险评估，而不是检测趋势，作为我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，与统计检验或模型选择相反，模型平均方法是最有效的方法。合适的。包括传统的统计测试和基于模型选择和模型平均的标准方法的统计测试的替代方法。我们强调预测和风险评估，而不是检测趋势，这是我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，模型平均方法，而不是统计检验或模型选择，是最有效的方法。合适的。而不是检测趋势，作为我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，与统计检验或模型选择相反，模型平均方法是最有效的方法。合适的。而不是检测趋势，作为我们的目标。从这个目标来看，我们考虑的每种方法都有定性和定量的优点和缺点。了解这些优点和缺点可以帮助风险建模者选择使用哪种方法，并且根据我们提供的结果，我们认为在许多常见情况下，模型平均方法，而不是统计检验或模型选择，是最有效的方法。合适的。
京公网安备 11010802027423号