2026年7月5日，由中央财经大学中国精算研究院、保险学院主办的第四届精算、量化金融与风险管理国际会议平行论坛在中央财经大学学术会堂成功举办，聚焦风险度量与风险管理方向。该方向下设 Risk Measures I（风险度量Ⅰ）、Risk Measures II（风险度量Ⅱ）、Risk Management（风险管理）与 Loss Models（损失模型）四场专题讨论，汇聚海内外知名高校与研究机构的专家学者，围绕尾部风险度量、稳健风险评估、分散化投资、资本配置与损失建模等前沿议题展开深入交流。
第一场“风险度量”平行论坛由武汉大学胡亦钧教授主持。卡尔加里大学姜文骏副教授、香港恒生大学助理教授陈永钊、南开-泰康保险与精算研究院郭楠副研究员、武汉大学胡亦钧教授分别就各自研究领域的最新成果作了专题报告。
姜文骏副教授以“Distributional Robust Insurance Under Bregman-Wasserstein Divergence”为题，引入 Bregman-Wasserstein 球刻画损失模糊集，突破了传统距离对称性的限制。研究基于 VaR 的 alpha-maxmin 偏好与最坏情况凸扭曲风险度量，结合拉格朗日对偶法推导出最优赔偿的闭式解。结果表明，BW 散度的非对称性会显著影响赔偿结构，投保人的审慎程度与约束力通过“净价格”改变保额需求，为不确定环境下的保险合同设计提供了精准的决策参考。
陈永钊博士以“On the Diversification Effect in Solvency II for Extremely Dependent Risks”为题，在 Solvency Ⅱ 框架下基于极值 Copula 模型，将资产组合的边际风险扩展至三类极大吸引域的一般同分布变量。极值理论推导表明：有限均值的边际风险在极值 Copula 下 VaR 呈渐进次可加，而无限均值的重尾风险则呈渐进超可加。该发现补充了风险管理第二基本定理，明确了 VaR 极端分散性的边界，为 Solvency Ⅱ 标准公式提供了理论依据。
郭楠副研究员以“Choquet Rating Criteria, Risk Measures, and Risk Consistency”为题，基于 Choquet 风险度量提出了促进谨慎投资的信用评级准则。研究在法律不变性或情景相关性下，围绕资产池效应一致性、递增凸序偏好及组合多元化收益三类风险厌恶性质展开构建，揭示了性质之间的层级关系与等价条件，并完整刻画了符合这些性质的 Choquet 评级准则。该成果深化了结构化金融评级理论，为 CLO 等产品评级提供了经济学合理性参考。
胡亦钧教授以“On Data-Driven Robust Distortion Risk Measures for Non-Negative Risks with Partial Information”为题，提出两类新型分布不确定集，拓展了数据驱动的鲁棒扭曲风险度量。研究基于一般 Wasserstein 距离球并融入一阶矩及高阶矩约束，在损失非负有界、扭曲函数严格凹且二次可导的框架下，通过乘积空间转化推导出最坏情况分布函数的显式闭式解。该成果推广了现有文献结论，为非完整数据环境下的金融风险度量与稳健精算决策提供了弹性理论支撑。
“风险度量Ⅰ”平行论坛现场
第二场“风险度量”平行论坛由西安交通大学的林乾教授主持。南开大学李津竹教授、澳大利亚莫纳什大学高级讲师林荔园、南方科技大学博士后左柏帅先后作专题报告，分别从不同角度切入风险度量的理论刻画与应用，报告后设自由讨论环节，与会学者就模型假设与相依结构等问题展开交流。
李津竹教授以“The Principle of a Single Big Jump from the Perspective of Tail Moment Risk Measure”为题，聚焦系统性风险框架下尾部矩度量在轻尾损失中的渐进行为。尾部矩刻画了系统总风险超过高阈值时个体风险的条件矩，其一阶形式对应边际期望损失、二阶中心矩对应尾部方差，是资本分配与保费厘定的重要工具。区别于重尾及强相依的传统假设，报告提出“类 Gamma”分布族——属 Gumbel 最大吸引域、辅助函数为常数的轻尾分布，并在相互独立及 FGM 相依结构下推导出尾部矩的渐进表达式。结果表明，最重尾的个体风险主导整体尾部矩，且渐进结果对 FGM 相依结构保持稳健，数值算例验证了逼近效果，为轻尾损失下的风险测算提供了可计算的近似方法。
林荔园博士以“Beyond Tail Risks: On the Universal Superadditivity of Value-at-Risk”为题分享，关注极端重尾风险下 Value-at-Risk 的超可加性问题。传统“分散化降低风险”的结论依赖于有限均值假设，而对无穷均值的 Pareto 型风险，投资组合的整体 VaR 会随资产数量增加而上升。报告在前人对同分布风险刻画的基础上，提出“全局 VaR 超可加性”及其加权形式，并借助凸变换将结论推广至异质（非同分布）资产，构造出 Super-Pareto、Super-CS 等分布族。研究给出了独立、负相依等条件下满足全局超可加性的充分条件，同时以反例界定了推广的边界，指出面对此类超重尾风险时集中持有单一最小风险资产反而更优，为巨灾风险的承保与配置提供了理论依据。
左柏帅博士以“Robust Distortion Riskmetrics Under Wasserstein and Symmetric Constraints”为题，研究部分信息约束下扭曲风险度量（distortion riskmetrics）的最坏情况上界。所采用的扭曲函数仅要求有界变差且 H(0)=0，无需单调，涵盖范围广于传统风险度量。报告在前两阶矩与 Wasserstein 距离刻画不确定集的基础上，创新性地引入分布“对称”信息（并拓展至单峰情形），求解最坏情况下的稳健上界。通过对扭曲函数从凹函数到一般情形的逐步构造，报告得到了显式与半显式的上界表达：期望短缺、Gini 系数等凹情形具有显式解，而对称信息的引入可显著收紧最坏情况估计，为不完全分布信息下的稳健风险评估与资本要求测算提供了更精确的刻画。
“风险度量Ⅱ”平行论坛现场
第三场“风险管理”平行论坛由华东师范大学毕俊娜教授主持。美国夏威夷大学马诺阿分校陈铧教授、南开大学韩霞副教授、悉尼科技大学高级讲师马乐分别就各自研究领域的最新成果作了专题报告。
陈铧教授以“Opening the Black Box of Internal Capital Markets: Evidence from M&A and Internal Reinsurance”为题，将内部再保险作为内部资本市场的直接度量。研究利用美国保险监管交易数据，以并购为准自然实验，采用两阶段 DID 识别资本流动效应。结果表明，并购显著提升了集团内部再保险的使用并产生溢出效应；当收购方与标的业务及地域相近时，资本更倾向流向高效率主体。研究揭示了信息可比性对资本配置效率的作用，为保险集团并购整合提供了实证依据。
韩霞副教授以“Higher-Order Gini Indices: An Axiomatic Approach”为题，提出高阶基尼偏差与高阶基尼指数，将经典基尼系数由两个样本的差异推广至多个样本，以增强对分布尾部不平等的识别。研究构建样本可表示性、对称性、共单调可加性和连续性等公理框架，并讨论了可诱导性与统计推断。结果表明，高阶指标可赋予上下尾部更高权重，揭示经典基尼系数难以区分的国家财富分布差异，为收入不平等测度与风险分析提供了补充工具。
马乐博士以“Innovation Ambidexterity and Risk-Mitigated Growth: Performance and Valuation Implications”为题，将创新双元性引入企业风险、增长与估值研究。研究利用美国上市公司专利引用数据识别开发式与探索式创新，并考察专利放弃、新产品发布、上下行绩效风险和长期估值。结果表明，两类创新越趋均衡，企业越能退出低效项目、推出新产品，在降低下行风险的同时提升上行潜力与长期增长，且资本市场会给予更高估值，为企业创新配置与风险管理提供了启示。
“风险管理”平行论坛现场
第四场“损失模型”平行论坛由重庆大学张志民教授主持。苏州大学姚经教授、伊利诺伊大学厄巴纳-香槟分校助理教授全智宇、滑铁卢大学助理教授 Lisa Gao 、南安普顿大学研究生杨梦妮依次分享了最新的研究成果。
姚经教授以“Individual Bodily Injury Loss Assessment in Auto Insurance: A Group-Adaptive Quantile Combination Approach”为题，创新搭建分组自适应分位数组合框架，融合医疗大模型语义嵌入解析非结构化诊疗文本；依托梯度提升决策树与弹球损失函数估算多条件分位数，区分理赔类型引入熵正则权重实现模型融合。基于八万余条车险样本的实证显示，模型的预测精度与风险区分度显著优于传统广义线性模型，且权重具备精算可解释性，为车险人伤智能定损提供了新型精算工具，拓展了保险损失建模理论。
全智宇博士以“Hybrid Tree-Based Interpretable Pricing”为题，拓展适配保险费率厘定的混合树框架，设计数据驱动的节点分裂、风险附加叶节点修正机制与通用规则提取算法，并融合树模型与线性回归搭建混合基准，通过仿真与真实保险数据集完成校验。实证表明，该框架兼顾预测精度与透明度，解决了深度树模型定价可解释性不足的落地难题，为数据驱动、公平化的保险费率建模提供了透明稳健的方案。
Lisa Gao博士以“A Zero-Inflated Mixed-Effects Spatial Point Process for Grouped Storm Loss Data”为题，构建零膨胀混合效应空间点过程模型，适配分区汇总的风暴分组损失数据；基于空间关联理论融合精细化气象与承保变量，刻画风暴下区域零理赔与理赔量的空间相依特征。采用真实财险承保损失数据的验证表明，细粒度变量可有效缓解风暴损失的区域异质性问题，为气候灾害类非寿险风险量化提供了全新的空间建模思路。
杨梦妮以“On a Range-Based Functional of Drifted Brownian Motion with an Application”为题，提出区间型漂移布朗运动泛函，弥补传统区间过程难以刻画行情极值回撤幅度的短板；结合 K 线影线理论推导泛函的拉普拉斯变换、渐近性质等完整概率结论，分析回撤参数对首达事件的作用。数值仿真验证了泛函特性，可实现对数收益风险下保险合约的公允估值，完善了布朗运动区间分析理论体系，为金融保险风险定价提供了全新的连续时间度量工具。
“损失模型”平行论坛现场
四场平行论坛以风险度量与风险管理为主线，从理论刻画、模型构建到实证应用形成了完整链条。两场“风险度量”平行论坛聚焦分布不确定性下的稳健度量、极端相依与尾部风险的渐进刻画，深化了 VaR、扭曲风险度量与尾部矩等核心工具的理论基础，并对分散化投资在超重尾情形下的失效边界给出了明确刻画；“风险管理”平行论坛从内部资本市场、不平等测度与企业创新等视角拓展了风险度量的应用场景；“损失模型”平行论坛则将大模型、机器学习与随机过程方法引入车险定损、费率厘定、巨灾损失与金融衍生品估值等领域，推动损失建模走向可解释与工程落地。
这些研究既回应了偿付能力监管、资本配置、信用评级与巨灾承保等实务关切，也为不完全信息、极端风险与非结构化数据环境下的精算决策提供了可计算、可解释的方法支撑，体现了学界与业界在风险量化领域协同创新的最新进展。
（撰稿：武文卿，陈展扬，裴一凡，赵家荣；审稿：韦晓；编辑：薛丽娜；审核：郑苏晋）
