在阅读此文前，诚邀您请点点右上方的“关注”，既方便您进行讨论与分享，还能及时阅读最新内容，感谢您的支持。

这可以在中看到风险厌恶程度越低(风险厌恶程度越高),保险需求就越低r)，而对于较高的风险厌恶值。

表达了当政府对未投保损害的赔偿被认为有风险时，家庭的保险购买决策。

与TP2一致，我们将获得政府赔偿的概率简化为50%，将损害赔偿率简化为100%。在我们提出的敏感性保险摄取的概率和程度的政府赔偿未保险的损害。

一般可以看出，保险需求对政府赔偿的概率和程度的反应与预期一致，即政府赔偿的概率和金额越高，保险需求越低，获得政府补偿的概率(π)进入不购买保险的效用函数欧盟镍。

在洪水发生的情况下，家庭有50%的机会获得政府补偿并保持他们的财富，或者有50%的机会损失得不到补偿。

捕捉未投保家庭不知道获得政府赔偿的概率时的保险购买决策。

与中的理论模型一致我们假设接受政府援助的信念是σ= (0.5，0.5)，意味着家庭认为全额补偿和无补偿都以0.5的概率发生。

并使用φ形式的幂模糊偏好函数类似地作为风险偏好来应用(Z)=Zν，在哪里Z是关于接受灾难援助的不同信念的预期效用，以及ν表达模糊偏好。

对于基线情景，我们根据经验结果将模糊偏好分配给模型家庭，他们使用美国人口的代表性样本发现，52%的人厌恶歧义，38%的人寻求歧义，10%的人保持歧义中立。

我们展示了敏感性分析的结果，其中我们测试了模糊赔偿对保险需求的影响，并与人群中不同模糊偏好构成的风险赔偿进行了比较。

在模拟投保决策后，我们能够评估保险未覆盖的洪水风险水平，也称为保险保障缺口。这一统计给出了当政府提供损害救济时，覆盖未保险损害所需的潜在年度公共资金。

我们评估了不同类型的政府救灾的保险保障缺口，因此，能够评估哪种政策选择可以限制未保险的风险。

保险保障缺口是由人均EAD乘以未保险人口确定的，这是渗透率乘以受保人口的倒数。保险保障缺口在国家一级进行评估，因为所需的救灾往往由国家政府提供。保险保障缺口对政府预算的影响取决于政府赔偿的实际损害金额。

在模拟的某些部分补偿系统中，这意味着大约25%的洪水风险是公共预算的负担，而在程式化的风险或模糊的补偿系统中，我们假设，平均而言，一半的预计年度损失由政府补偿。然而，实际的薪酬水平会随着政治激励而波动经济状况，还要考虑洪水灾害的实际影响。

这是因为EAD方面的保险保障缺口给出了未保险风险的平均视图，因为不太可能发生的极端事件的风险是随着时间分散的。因此，一个单一的极端洪水事件可以造成明显更高程度的未保险损失，因此，对政府预算的潜在影响更大。

首先，对当前保险安排和不同类型的政府救灾的保险渗透率进行了预测。在此之后，保险保障缺口预计假设保险制度保持不变。显示了2020年当前保险安排下的模拟保险渗透率。存在吸收要求的国家在整个NUTS2区域具有固定的保险渗透率。

对于自愿投保的国家，渗透率的模拟考虑了政府事后补偿的类型，西班牙、法国和波兰等存在购买要求的国家相比，德国、意大利和希腊等选择购买的国家的保险普及率普遍较低。

我们通过显示在没有政府补偿和补偿有风险的假设情况下，自愿保险系统之间渗透率的预计差异来呈现慈善风险的程度。从本质上讲，这描述了由于家庭在洪水后预期有风险的政府援助，保险渗透率有多低。

按照TP2的理论模型，保险需求应该随着政府补偿程度和概率的提高而下降。因此，与无赔偿相比，在有风险的情况下，投保率应该更高。可以看出，在德国、斯洛伐克和意大利的某些地区，摄取量下降幅度最大，在全国范围内分别为16.9%、10.7%和8.1%。

一个有趣的发现是，吸收量下降最大的地区是洪水风险相对较低的地区。

在洪水风险较高的地区，如莱茵河和易北河流域，以及意大利中部和北部地区，风险意识可能会更高，但如果没有政府的支持，家庭也会遭受损失。

在其他地区，如希腊、保加利亚和荷兰，在没有政府补偿的假设状态下，保险渗透率非常低，这意味着它不会因慈善风险而大幅下降。

在荷兰，政府的防洪标准非常高，这解释了总体保险需求低的原因，而在保加利亚，负担不起限制了保险需求，希腊的洪水风险普遍较低。我们提出了在自愿洪水保险的国家中，高风险和模糊的政府补偿之间的保险吸收的预计差异。

这显示了在TP4中得出的结果，在TP4中，与概率已知的情况相比，未投保损害的政府赔偿概率的模糊性导致厌恶模糊性的个人对洪水保险的更高需求。

表明当政府补偿的概率和程度不明确时，渗透率等于或高于家庭客观知道接受政府补偿的概率的情况。

这种差异的程度很大程度上取决于该地区的洪水风险水平，这增加了风险厌恶家庭宁愿投保也不愿不投保的程度。在高风险地区，尽管已知接受政府援助的可能性，更多的家庭会选择投保。因此，引入模糊性的影响将是有限的。

另一方面，在洪水风险相对较低的地区，如德国远离莱茵河和易北河流域的地区，或波河流域以南的意大利，是否投保的选择变得更加矛盾，因为未承保的损失较小。

因此，引入模糊性会对投保率产生更大的影响。在对2050年的预测中，模糊的和有风险的政府补偿之间的保险摄取的差异不会显著改变。

平均而言，对于拥有自愿洪水保险和模糊政府补偿的国家，预计2020年模糊保险的投保率比风险补偿高3.7%，而2050年为3.3%。

对这种差异有显著影响的是建模模糊偏好。显示的结果类似于，同时使用模糊偏好的替代分布，其中更多的建模家庭是模糊厌恶的，较少的是模糊寻求的。

正如预期的那样，根据支持TP3的理论证明，由于模糊厌恶的出现次数更多，模糊补偿和风险补偿之间的保险摄取差异变得更大(9.9%)。

恰恰相反，显示了歧义偏好的敏感性分析，其中大多数模拟家庭寻求歧义，只有一小部分家庭厌恶歧义。在这种情况下，更多的家庭对风险政府补偿的价值不确定，导致在风险补偿类型下对洪水保险的需求增加1%。

我们提出了每一种程式化的政府赔偿类型的保险需求，特别关注德国。这样做是因为在目前的保险安排下，事后政府赔偿并不影响欧盟国家大多数程式化保险系统的保险吸收。

德国提供了一个典型的例子，因为其当前制度下的自愿保险渗透率相对较高，同时也显示出区域洪水风险水平的很大差异，可以看出，当知道政府在洪水后不提供救灾时，平均保险摄取量最高，其次是模糊补偿、风险补偿和一定的部分补偿。

特别有趣的是，在某些部分补偿下，25%的损害得到某些补偿，平均而言，在NUTS2区域，渗透率比有风险的完全补偿低大约1%，完全补偿有50%的补偿概率。

这一结果表明，在模型中实施的风险厌恶与TP2在本研究中的理论基础是一致的，即保险需求与政府赔偿的概率负相关。此外，这个模型的结果是一致的经验发现。

如本节所示，由于保险制度政策到位和慈善风险程度，保险渗透率可能相对较低。保险覆盖率低意味着存在保险保障缺口，即社会的一部分没有被保险覆盖。对于未投保的家庭来说，有必要为洪灾损失提供替代融资，如政府救灾或私人储蓄。

针对当前的保险系统和政府补偿类型，给出了2020年和2050年国家层面的未保险年度洪水风险。德国的未覆盖洪水风险最高，其次是西班牙、波兰和意大利。

此外，到2050年，未覆盖的洪水风险水平更高，这是洪水风险更高和保险额没有上升到与风险相同程度的结果。同样值得注意的是，未承保风险在这里表示为未投保的预期年度洪水损失，这意味着大洪水事件后未投保的损失可能比这里显示的要高得多。

通过改变政府对洪灾损失的补偿类型，政府可以刺激投保，并有可能降低未投保风险的水平。显示了本研究中考虑的不同类型的政府补偿在2050年的预计未保险风险，这是针对目前在某种程度上提供政府补偿的国家显示的。

未投保风险的水平与慈善风险的影响相关，，在这种情况下，某些部分的政府支持导致最低的保险覆盖率，这导致了德国在年最高的未保险风险水平。 在模糊、有风险和没有政府补偿的情况下，未投保的风险分别由于较高的投保率而下降。

除此之外，保险保障缺口的程度将根据实际或预期的赔偿概率和金额而有所不同。这是因为保险需求受到政府赔偿的可能性和范围的影响，如中的敏感性分析。

慈善风险对未保险风险的影响在德国最大，在德国，模糊赔偿和无赔偿情景之间的未保险年度风险差异达到3.6亿。

本研究使用的模型设置需要广泛的敏感性分析，以观察结果和结论如何因不确定的参数和假设而改变。

这些参数中的许多，如风险和保费估计的不确定性、替代效用函数和不同的洪水风险情景，已经在敏感性分析中进行了测试世卫组织发现，总体结论，即每个EU-国家推荐的洪水保险制度，对这些假设和参数是稳健的。

为当前研究开发和应用的DIFI模型的扩展需要额外的敏感性分析，以测试新引入的假设和参数在变化时是否表现出可预测性，从而使结果可解释并适用于现实环境。

我们提出了这些变量的敏感性分析，包括替代洪水风险情景，人口中模糊偏好的替代组成，关于风险偏好的不同假设，以及政府补偿的各种概率和程度。

参考文献

《测试恒定绝对和相对模糊厌恶》