极端风险的专家估测方法研究

Extreme risks are risks associated with adverse events of low probabilities but high consequences; such events include natural disasters and human threats. Human threats can be further categorized by whether they constitute an intentional or unintentional threat. To manage extreme risks in a joint effort between the market, the government, and individuals who are exposed to potential hazards, the decision makers involved need to reach a consensus on how to quantify those risks in a defensible and accurate manner. Expert elicitation is a structured way to elicit subjective probability distributions from experts to reflect their judgments on the existing uncertainties, which can help decision makers to assess the state of knowledge in the face of sparse data. This project extends the expert elicitation literature to account for the characteristics of extreme risks, including high skewness, heavy tails and strong tail dependence. Our objective is to provide a theoretic framework for expert elicitation of extreme risks, under which we can explore statistics that can accurately capture expert assessments, evaluate the quality of subjective probability distributions, compare the various mathematical aggregation methods, measure the value of information provided by expert forecasts, and optimize the number and mixture of experts in the context of decision-making against extreme risks. We aim to provide a defensible and neutral way for eliciting extreme risks, which can be readily applied to real-world decisions such as public safety, environment and climate change, and infrastructure protection.

极端风险是指由发生概率低但后果严重的恶性事件所导致的风险，包括自然灾害和人为威胁，其中人为威胁又可分为由人类技术活动引起的灾难和蓄意攻击。无论是市场化的风险转移，政府的宏观调控，还是个人的风险规避，都要求决策者对极端风险的不确定性有科学的认识。专家估测方法是指用概率分布来描述专家对不确定性的认知，在数据稀缺的情况下可以帮助决策者了解当前的知识水平。本项目在现有的专家估测研究的基础上，针对极端风险的高偏度、厚尾性和尾部相关性等特点，寻找能准确反映专家的风险认知的统计量和能有效评价专家预测质量的度量方法。在此基础上，我们将系统的比较各类数理聚合方法在预测极端风险时的表现，探索衡量主观概率分布的相关性以及信息价值的一般方法，并结合典型的极端风险决策情境讨论最优的专家组规模和构成。本研究旨在提出一套科学中立的极端风险专家估测方法，在公共安全、环境和气候变化、基础设施保护等领域有很高的实用价值。

极端风险是指由发生概率低但后果严重的恶性事件所导致的风险，包括自然灾害和人为威胁，其中人为威胁又可分为由人类技术活动引起的灾难和蓄意攻击。专家估测（Expert Elicitation）是指用概率分布来描述专家对不确定性的认知，在数据稀缺的情况下可以帮助决策者了解当前的风险水平。本项目围绕主观概率的形成机理、专家预测的校准和聚合、主观概率在风险决策情境中的应用三个专题展开研究，既有理论研究，又有实验室研究，并在企业开展了实际的风险分析应用。在主观概率的形成机理探究方面，我们展开了三个角度的研究：（1）基于累积前景理论，通过实验研究发现了人们在应急情形下对事件发生概率的低估倾向；（2）提出了重复台风风险下的主观概率分析模型，考虑了台风警报、对警报的信任程度和个人经验对主观概率的影响，并通过个人实验和网络实验验证了模型的有效性；（3）建立了结合私人信号和公共信号的自然灾害主观概率生成模型，提出了根据他人行为学习公共信号的贝叶斯更新机制，并分析了社交网络的主观概率均衡和行为均衡。在专家预测的校准和聚合研究方面，我们展开了两个角度的研究：（1）提出了对专家给出的分位数预测先校准再聚合的研究框架，即先运用贝叶斯分位数回归方法给出位置偏差和精确度偏差的估计量，然后再对校准后的专家预测进行聚合；（2）提出了基于高斯过程模型的多元风险模型和鼓励稀疏性的估计方法，基于马尔科夫决策模型的动态抽样方法，以及能在日常运行中处理客观事故数据的在线更新方法。在主观概率在风险决策情境中的应用方面，选取了一个特定的风险决策情境—巨灾保险，建立了由政府、保险公司、投保人三个局中人的序贯博弈模型，并分析了主观概率和网络效应对保险均衡购买率和政府最优补贴策略的影响。