一家E＆S保险公司如何通过机器学习来应对加利福尼亚的野火风险
作者：Chris Davis
Delos Insurance使用气候数据和AI来区分野火区域的良好风险
当保险公司从加利福尼亚容易发生的地区退回时，一位MGA撰写过多和盈余（E＆S）业务正在采取不同的方法。Delos Insurance使用与Spatial Informatics Group合作开发的Wildfire风险模型来承保财产覆盖范围，这是一个研究智囊团，以与Cal Fire和California公用事业委员会合作而闻名。
数十年来，空间信息小组一直为民政政府进行一些最重要的野火建模。通过我们的合作伙伴关系，我们可以将所有数据独家访问与任何相关的保险。”
Delos的模型将这种环境科学与机器学习融为一体。据麦金太尔（McIntyre）称，它经过严格的测试，并在过去七年中成功预测了主要野火的范围。她说，我们使用机器学习在地理空间数据集上进行了创新。”这不仅仅是历史损失。我们包括气候预测并专注于最坏情况。
重新考虑火灾风险以稳定定价
该模型还旨在解决市场上的波动。在高风险邮政编码中，尖锐的定价波动导致了载体出口和非更新。麦金太尔说，我们想确保我们不必在一年之间到下一年的风险。”麦金太尔说。”
她补充说，这种稳定性的部分原因是使E＆S空间适合Delos。作为一家非吸收运营商，公司不受与公认市场保险公司相同的利率批准流程的约束。尽管如此，麦金太尔还是强调了德洛斯与监管机构的持续交往。她说：“我们始终希望确保我们与保险部的沟通非常良好。”
Delos还使用其模型来区分通常由传统市场重新夹住的领域。麦金太尔说，他们的分析发现，在Delos模型下，有65％的房屋被遗产载体标记为高风险。
对实际损失进行测试，而不仅仅是假设
Delos不仅依靠理论建模，而是验证其针对实际保险损失的方法。麦金太尔说，我们用于测试模型的最重要作用是可以在保险公司和再保险公司中访问损失数据的人。该公司还向Wildfire专家咨询，并在其顾问中担任前加州消防员的参谋长。
她说，这种对经验测试的承诺使该模型在当今的环境中可行。``我们对历史大火进行了反测试，该模型近年来在包括洛杉矶的那些大火之前准确地捕捉了风险的全部范围。”
监管世界中的工程思维方式
在加入Delos之前，McIntyre从事航空工程工作，她专注于预测建模。她看到两个田地之间的相似之处很强。她说，两者都受到高度调节，并且涉及具有许多相互依存部分的复杂系统。”
随着气候变化和诸如干雷暴和城市大火等事件的驱动，野火行为的发展。该公司已经为加利福尼亚州的25,000多名保单持有人保险，并继续增强其能力合作伙伴关系。
这种模型驱动的方法是否会在持续的气候和监管压力下持续存在仍然是一个悬而未决的问题。但是在撤退市场中，它提供了一个潜在的路线图。
跟上最新新闻和活动
加入我们的邮件列表，这是免费的！
关于《一家E＆S保险公司如何通过机器学习来应对加利福尼亚的野火风险》的评论
暂无评论