用于风险管理和保险的基于 Wasserstein GAN 的气候场景生成器：土壤沉降案例

arXiv:2605.06678v1 公告类型：新 摘要：根据联合国减少灾害风险办公室（2025）的数据，自然灾害的年均损失从 1970 年至 2000 年的 70--800 亿美元增加到 2001 年至 2020 年的 180--2000 亿美元。IFOA 和 WWF 等组织的报告强调了这一必要性保险业通过制定超越偿付能力监管标准 II 等审慎监管一年期限的中长期战略来适应这种快速变化的环境。本文介绍了一种基于条件生成对抗网络（条件 GAN）的人工智能框架，用于生成气候指数的未来时空轨迹。该方法侧重于土壤湿度指数（SWI），这是法国用来评估干旱严重程度的关键指标。干旱约占法国自然灾害保险计划支付的赔款的 30%。所提出的模型 SwiGAN 模拟了法国一个特别容易遭受干旱灾害的地区到 2050 年的可能干旱传播模式。通过生成真实的 SWI 地图序列，SwiGAN 可以深入了解气候变化情景下的干旱动态，并支持自适应风险管理和保险策略的设计。该方法还可推广到其他与气候相关的危险和精算应用，例如经济情景生成。