近日，青海果洛州玛多县、云南大理州漾濞县发生多次地震，造成的巨大损失让人揪心，次生灾害风险同样不容忽视。
“次生灾害”缺少规范的定义，保险行业通常将其视为高频率（即发生频率高于地震、飓风等原生灾害事件）、中低严重程度的损失事件（相对于原生灾害造成的损失而言）。次生灾害可能独立发生，也可以是原生灾害的次生效应。地震发生后，自然以及社会原有的状态被破坏，造成山体滑坡、泥石流、海啸、水灾、瘟疫、火灾、爆炸、毒气泄漏、放射性物质扩散对生命产生威胁等一系列灾害，统称为地震次生灾害。
次生灾害造成的损失可能会比原生灾害更为巨大。比如，瑞士再保险（以下简称“瑞再”）sigma报告曾披露的数据显示，2020年全球因自然灾害造成的保险损失达到810亿美元，其中因次生灾害事件造成的损失占自然灾害保险损失70%以上，为574亿美元，而强对流风暴和森林火灾是导致次生灾害损失的主要影响因素。
在近期瑞再在线举办的一期“次生灾害风险及保险理赔应对策略”网络研讨会上，瑞再研究院中国中心负责人黄海榕建议，应对次生灾害，保险行业要作出四方面努力：第一是强化对次生灾害风险的认知。鉴于次生灾害事件相关损失日益上升，因此需要更多地关注次生灾害风险。随着经济和财富的持续积累、人口增长和气候变化的影响，各地区财产价值不断上升，潜在损失敞口日益扩大。保险业需要立即采取行动，更全面地评估次要风险。
第二是提高对次生灾害风险的建模能力。保险业对次生风险建模的能力仍然有限。对于洪水和强对流风暴等灾害，保险业确实已运用了一些概率模型并且持续进行改进。计算机技术的进步允许在更高分辨率的程度下进行模拟灾害损失状况，并且越来越多地使用机器学习技术与高分辨率卫星图像相结合来填补数据空白。但是，对于其他次要灾害类型，预测模型仍处于起步阶段。
第三是鼓励建立开源损失模型框架，在风险评估中纳入预测性信息。随着次生灾害发生频率的急剧增加，即使根据历史损失统计数据进行校准，再复杂的模型也无法适用于新的情况。这是因为，历史并不总能适当反映当前状况。保险公司需要系统地评估历史损失数据的代表性，识别潜在的统计变化趋势，并将前瞻性观点纳入风险评估。
第四是更加详尽地监控风险变化和理赔情况，并在法律和监管允许的范畴内共享数据。许多市场上的理赔报告和损失统计数据，无论是来自政府部门、保险公司还是保险行业协会，仍然缺少判定具体次生灾害保险费率充足度所需的细致度和历史一致性，也不足以早期识别新出现或变化的损失状况。如果保险风险转移模型能够更好地察觉趋势，调整风险溢价（也包括原生灾害风险），将会更具可持续性。但是，必须确保以遵守竞争和反垄断法律的方式共享行业数据。
