2024美赛MCM 问题 E：财产保险的可持续性

极端天气事件对房地产业主和保险公司而言正在变成一场危机。近年来，全球遭受了 “ 来

自 1,000 多次极端天气事件的超过 1 万亿美元的损失 ”[1] 。保险业在 2022 年看到了自然灾害

赔付的增加， “ 较 30 年平均水平增长 115%”[1] 。随着洪水、飓风、气旋、干旱和野火引起的

极端天气事件的损失可能会增加，形势预计将变得更加糟糕。保险覆盖的保费迅速上涨，气

候变化预计将在 2040 年前推动保费增长 30-60%[1] 。建模忠哥团队出品，关注微信公众号：

建模忠哥获取更多资源

财产保险不仅变得更加昂贵，而且更难找到，因为保险公司改变了承保政策的方式和地

点。推动财产保险费用增加的与天气相关的事件在世界各地看起来都不同。此外，全球的保

险保障缺口平均为 57% ，并且正在增加 [2] 。这凸显了该行业所面临的困境 - 对保险公司而

言，盈利能力的新兴危机，对房地产业主而言，是可负担性的危机。建模忠哥团队出品，关

注微信公众号：建模忠哥获取更多资源

COMAP 的灾难保险建模师（ ICM ）对财产保险行业的可持续性很感兴趣。随着气候变

化增加更多极端天气和自然灾害的可能性， ICM 希望确定如何最好地布局财产保险，以便系

统有足够的弹性来覆盖未来赔付的成本，同时确保保险公司的长期健康。如果保险公司在太

多情况下不愿承保政策，由于客户过少而导致破产。相反，如果它们承保了过于风险的政策，

可能会支付过多的赔偿。保险公司在什么条件下应该承保政策？它们何时选择冒险？财产所

有者是否能采取措施影响这个决定？建模忠哥团队出品，关注微信公众号：建模忠哥获取更

多资源。为保险公司制定一个模型，以确定是否应在极端天气事件增多的地区承保政策。使

用在不同大陆上经历极端天气事件的两个区域来演示你的模型。

随着我们展望未来，社区和房地产开发商需要思考如何以及在何处建设和发展。随着保险行

业的变化，未来的房地产决策必须确保房产更具弹性并经过深思熟虑地建设，包括提供适当

服务给不断增长的社区和人口。你的保险模型如何被调整以评估在特定地点建设的方式、地

点以及是否建设的问题？

在某些社区中，你的保险模型可能建议不承保当前或未来的财产保险政策。这可能导致

社区领导者面临有关具有文化或社区重要性的房产的艰难决策。建模忠哥团队出品，关注微

信公众号：建模忠哥获取更多资源例如，北卡罗来纳州外滩的哈特拉斯角灯塔被移动，以保

护这座历史悠久的灯塔以及围绕它的当地旅游产业 [3] 。作为社区领导者，你如何能够辨别

社区中由于其文化、历史、经济或社区重要性而应予以保留和保护的建筑？为社区领导者制

定一个保存模型，用以确定他们应该采取的措施程度，以保护他们社区内的建筑。

选择一个具有极端天气事件的地点的历史地标，但不要选择哈特拉斯角灯塔。运用你的

保险和保存模型来评估这个地标的价值。撰写一封一页的信给社区，建议一个计划、时间表

和成本提案，考虑你从保险和保存模型的结果中获得的见解，为他们珍视的地标的未来提供

建议。

你的 PDF 解决方案总页数不超过 25 页，应包括：

一页总结表，清晰描述你解决问题的方法以及在问题背景下的最重要的分析结论。

目录。

完整的解决方案。

一页社区信。

建模忠哥团队出品，关注微信公众号：建模忠哥获取更多资源

AI 使用报告（如果使用）。

注意：对于完整的 ICM 提交，没有具体要求的最低页数。你可以使用总共不超过 25 页

的所有解决方案工作和任何你想包含的额外信息（例如：图纸、图表、计算、表格）。部分

解决方案也是可以接受的。我们允许谨慎使用人工智能，如 ChatGPT ，尽管在解决这个问题

时使用它并非必需。如果选择使用生成型人工智能，必须遵循 COMAP 的人工智能使用政策。

这将导致你必须将额外的 AI 使用报告添加到你的 PDF 解决方案文件的末尾，不计入解决方

案的总 25 页限制。

References

[1] Boston Consulting Group. (2023, December 4). An Insurance Risk Framework

for Climate Adaptation. Retrieved at:

https://www.bcg.com/publications/2023/an-insurance-risk-framework-for-

climate-adaptation

[2] Munich RE. (2022, January 10). Hurricanes, cold waves, tornadoes: Weather

disasters in USA dominate natural disaster losses in 2021. Retrieved at:

https://www.munichre.com/en/company/media

relations/media-information-and-corporate-news/media-information/2022/natural-dis

aster-losses- 2021.html

建模忠哥团队出品，关注微信公众号：建模忠哥获取更多资源

[3] Union of Concerned Scientists. (2016, July 19). Saving an Icon: Moving the Cape

Hatteras Lighthouse Away from the Shifting Shoreline. Retrieved at:

https://www.ucsusa.org/resources/moving-

cape-hatteras-lighthouse-away-shifting-shoreline

术语表

保险保障缺口：自然灾害导致的经济损失与被覆盖的损失之间的保障覆盖差异。

承保：承担责任，从而在发生损失或损害的情况下保证支付。

使用大型语言模型和生成型人工智能工具在 COMAP 竞赛中的政策

这一政策的制定是由于大型语言模型（ LLMs ）和生成型人工智能辅助技术的兴起。该政策

旨在为团队、导师和评委提供更大的透明度和指导。该政策适用于学生工作的所有方面，从模型

的研究和开发（包括代码创建）到书面报告。由于这些新兴技术正在迅速发展， COMAP 将根据

需要不断完善这一政策。

团队必须在其对 AI 工具的所有使用方面保持开放和诚实。团队和其提交越透明，其工作

就越有可能被其他人完全信任、欣赏和正确使用。这些披露有助于理解知识产权工作的发展，并

正确承认贡献。如果没有对 AI 工具的使用角色进行公开和清晰的引用和参考，那么有可能将可

疑的段落和工作识别为抄袭并被取消资格。

解决问题并不需要使用 AI 工具，尽管允许负责任地使用它们。 COMAP 承认 LLMs 和生成

型 AI 作为能帮助团队准备其提交的生产工具的价值；例如，生成初始结构的初始想法，或在总

结、改写、语言润色等方面。在模型开发的许多任务中，人类创造力和团队合作至关重要，依赖

AI 工具会引入风险。因此，我们建议在使用这些技术进行任务，如模型选择和构建、辅助代码

创建、解释数据和模型结果以及得出科学结论时要谨慎。

值得注意的是， LLMs 和生成型 AI 有局限性，无法取代人类的创造力和批判性思维。

COMAP 建议团队要注意这些风险，如果选择使用 LLMs ：

客观性：包含种族主义、性别歧视或其他偏见的先前发表的内容可能出现在 LLM 生成的文本中，

而一些重要的观点可能不会被呈现。

准确性： LLMs 可以 “ 产生幻觉 ” ，即生成错误的内容，特别是在其领域之外使用或处理复杂

或模糊的主题时。它们可以生成在语言上但在科学上不可信的内容，可能会错误地陈述事实，而

且已经证明它们能够生成不存在的引文。某些 LLMs 仅在特定日期之前发布的内容上进行训练，

因此呈现了不完整的图片。

上下文理解： LLMs 不能将人类理解应用于文本的背景，特别是处理惯用表达、讽刺、幽默

或隐喻语言时。这可能导致生成内容中的错误或误解。

训练数据： LLMs 需要大量高质量的训练数据才能实现最佳性能。然而，在某些领域或语言中，

可能无法轻松获得这样的数据，从而限制了其输出的有用性。

团队需要：

在报告中清晰地指明使用 LLMs 或其他 AI 工具，包括使用了哪个模型以及用于什么目的。

请使用内联引文和参考部分。在你的 25 页解决方案之后，追加 AI 使用报告（下文有描述）。

验证语言模型生成的内容和任何引文的准确性、有效性和适当性，并纠正任何错误或不

一致之处。

提供引文和参考文献，按照此处提供的指导进行。仔细检查引文以确保准确并正确引用。

考虑到 LLMs 可能会复制其他来源的大量文本，要注意可能存在的抄袭问题。检查原始

来源，确保没有剽窃他人的工作。

引文和参考文献的指导

仔细思考如何记录和引用团队可能选择使用的任何工具。许多样式指南开始纳入有关引

用和参考 AI 工具的政策。在你的 25 页解决方案中使用内联引文，并列出在参考部分中使用

的所有 AI 工具。

无论团队选择是否使用 AI 工具，主要解决方案报告仍限制为 25 页。如果团队选择使用

AI ，在报告的结尾处添加一个名为 “AI 使用报告 ” 的新部分。这个新部分没有页数限制，不计

入 25 页解决方案的一部分。

示例（这不是详尽无遗的 - 根据你的情况调整这些示例）：

AI 使用报告

OpenAI ChatGPT （ 2023 年 11 月 5 日版本， ChatGPT-4 ） 查询 1 ： < 插入你输入到 AI 工具

中的确切措辞 > 输出： < 插入 AI 工具的完整输出 >

OpenAI Ernie （ 2023 年 11 月 5 日版本， Ernie 4.0 ） 查询 1 ： < 插入任何后续输入到 AI

工具中的确切措辞 > 输出： < 插入第二次查询的完整输出 >

Github CoPilot （ 2024 年 2 月 3 日版本） 查询 1 ： < 插入你输入到 AI 工具中的确切措辞>

输出： < 插入 AI 工具的完整输出 >

Google Bard （ 2024 年 2 月 2 日版本） 查询： < 插入你查询的确切措辞 > 输出： < 插入

AI 工具的完整输出 >