摘要：在本项目中，我们使用贝叶斯动态模型组合对美国各州的野火损失进行建模和预测。具体来说，野火频率由贝叶斯多尺度动态计数混合模型 (DCMM) 建模，该模型能够捕捉野火数据的许多风格化特征，包括零膨胀、与泊松分布相比的过度分散以及随时间变化的模式。此外，DCMM 能够结合不同州的空间依赖性，从而提高各个州的预测性能，尤其是历史频率较低的州。然后，我们应用未来野火损失的预测分布来为具有不同特征的野火灾难 (CAT) 债券定价，并评估它们对不同州保险公司的对冲效果。我们发现，尽管使用 CAT 债券作为对冲工具可能会因债券保费而略微增加保险组合的预期负债，但该策略可以大大降低波动风险和尾部风险。因此，我们得出结论，CAT 债券是保险公司降低风险的宝贵工具。最后，对于指数型 CAT 债券，其收益与比保险公司经营范围更大的野火损失挂钩，其对冲效率仍然可接受。因此，对于保险公司，尤其是那些在野火损失较少但波动较大的地区经营的保险公司来说，发行指数型 CAT 债券可能是有利的，这种债券可能比直接以负债为基础的赔偿债券更便宜，但流动性更强。