定量风险分析

定义

定量风险分析是一种对某一设施、作业活动或决策对象可能发生的事故频率与后果进行数值化量化的系统方法，也被视为风险管理的技术手段之一，目的是帮助相关方理解自身面临的风险，从而实施更有针对性的控制措施并为决策提供输入信息^[1]。中国船级社在其油气定量风险评估指南中即按此含义使用该术语，并规定其适用于船舶、海上油气生产设施及陆上油气场站的设计、建造和营运评估^[1]。

它在方法谱系中与定性风险分析相对：后者用「高、中、低」一类描述性标签刻画风险，前者则给出风险分值、概率等数值结果^[2]。量化并不等同于精确预测，其核心在于把不确定性本身表示出来，因此分析结果通常以概率分布或数值区间的形式呈现，而不是单一确定值^[3]。

原理

定量风险分析的基本框架可以概括为把风险表示为「情景—可能性—后果」三者的集合，这也是卡普兰与加里克提出的风险三重集定义所表达的内容：回答「什么会出错」「出错的可能性有多大」「出错的后果是什么」三个问题^[4]。工程实践中常把风险的度量简化表述为事件发生频率与后果严重程度的乘积，据此得到以金额每年计的风险值^[5]。

完成一次分析通常遵循相对固定的步骤：先界定被分析系统并识别危险源，再构建事故情景，随后估计各情景的发生频率、模拟其后果，最后把情景按后果水平汇总成风险曲线并解释结果^[6]。数据来源包括历史运行记录、实验数据、行业基准以及专家判断，后者在缺少样本时用于构造主观概率^[4]。

在具体技术层面，故障树分析用于自顶事件反向推导导致其发生的部件失效组合，事件树分析则从初始事件出发推演后续事故序列的各种走向，二者分别给出概率和情景分支结构^[1]。损失频率常用泊松分布刻画，单次损失金额常用对数正态分布或威布尔分布刻画，两者组合后通过蒙特卡洛模拟反复抽样，得到总损失的分布，再从分布的分位数读取风险值^[7]。若把期待货币价值记作事件概率与损失金额之积，单项风险的期望损失可写作：

$E = P \times C$

其中 $P$ 为事件发生概率，$C$ 为对应损失金额；多个互斥情景的期望损失可按概率加权求和，这一算术形式常被用作项目储备金的测算依据^[8]。

发展历程

量化风险的实践可以追溯到保险业的费率计算，18 世纪至 20 世纪初，风险的定量评估主要出现在保险、银行、金融市场和公共卫生等相关的政府部门^[9]。20 世纪 40 年代之后，更精细的风险评估方法逐步发展起来，并被应用到核工业与石油勘探等领域^[9]。

现代意义上的定量风险分析主要在核能领域成形。1967 年，英国学者法默提出以事故概率与后果的关系建立风险准则，形成后来的法默曲线；同一时期，波音公司与贝尔实验室在导弹和客机项目中发展了故障树分析等逻辑模型，为核电风险评估提供了方法来源^[10]。1972 年，美国原子能委员会启动反应堆安全研究，由拉斯穆森领导、历时三年完成，1975 年以 WASH-1400 报告发表，被认为是世界上第一份完整的概率风险评估，报告得出的结论是核电厂事故的发生概率高于此前假设，而后果低于此前的估计^[11]。同期，卡普兰与加里克参与了相关方法论工作，把不确定性作为可量化变量引入核电厂风险分析，并提出风险三重集、事件树矩阵等概念。

WASH-1400 发表后一度受到审查与批评，其后 1979 年三哩岛事故中出现了该报告曾预见的事故序列，概率方法在核安全中的地位随之上升；此后各国陆续开展了大量针对具体机组的概率安全评价研究^[12]。20 世纪 70 年代之后，该方法从核工业扩散到化工等过程工业，并随着土地规划对风险评估的需求而进一步推广^[13]。2008 年出版的《定量风险评估百科全书》把该领域划分为风险管理、计算机安全、环境风险、保险精算风险、金融与信用风险、有毒物质与化学风险、可靠性、贝叶斯方法与决策分析、临床风险、流行病学与公共卫生、国土安全等 11 个板块，反映出其跨学科性质^[14]。

应用

在核能与过程工业中，定量风险分析用于量化泄漏、火灾、爆炸、毒性扩散等事故的频率与影响。油气行业的分析成果通常分为个体风险与社会风险两类：个体风险以等值线形式表示，社会风险则以「N 人以上死亡的年发生频率」曲线呈现^[5]。化工过程领域把这种方法称为化工过程定量风险分析，用于评估潜在事故情景的期望风险，并作为安全设计与风险控制的前置步骤^[15]。

在项目管理与财务决策中，期望货币价值、蒙特卡洛模拟和决策树分析是三类主要方法，其中蒙特卡洛模拟因其能够概率化地刻画不确定性而应用最为广泛^[16]。金融与保险领域则用它度量风险价值、确定准备金和资本占用，借助损失频率分布与损失金额分布的组合推算总损失分布及其分位数^[7]。

在信息安全领域，定量方法被用于把技术性暴露折算为财务口径的表达，常用年度损失期望公式与 FAIR 模型，输出结果用于比较控制措施的投入与收益^[17]。这一方法同样被用于环境与公共安全评估，例如地下水污染等场景下的风险量化研究^[18]。

局限

定量风险分析对数据依赖较强。稀有事件和新型风险往往缺少足够样本，内部损失数据难以刻画分布的尾部，需要借助外部数据补充，而外部数据又存在大额损失更易被记录、不同机构与地区风险特征不一致等问题^[8]。分布参数的估计本身也受样本量限制，参数因此可被视为随机变量，这种不确定性仅源于信息不足^[3]。

结果的不确定性还来自模型本身。计算模型的简化假设、变量间相互作用的遗漏，以及未能识别全部危险和失效路径，都会引入偏差；有研究把这类不确定性归为模型不确定性、统计不确定性和固有随机性等类别^[3]。对三哩岛、切尔诺贝利、福岛等重大事故的复盘显示，概率被严重低估、变量独立性假设不当、模型使用错误等，都是量化结果失准的常见来源；缺少外部独立评审也会损害分析结论的可信度^[4]。

方法本身也有适用边界。定量技术适合处理复杂的商业、环境和社会决策，但当涉及难以用货币衡量的无形或情感类影响时效果有限；其有效性还取决于数据可得性、专业人才储备以及组织推动风险管理的意愿。因此在实践中，定量结果通常与定性判断结合使用，而非单独作为决策依据^[17]。

参见

• 定性风险分析 —— 用描述性等级而非数值刻画风险，通常作为定量分析的前置步骤

• 故障树分析 —— 从顶事件反向推导失效组合的逻辑方法，是定量风险分析的常用技术

• 事件树分析 —— 从初始事件推演事故序列走向，用于估计各情景概率

• 蒙特卡洛模拟 —— 通过重复随机抽样生成损失分布，是风险量化的核心计算工具

• 概率风险评估 —— 定量风险分析在核能等复杂工程系统中的集成化应用形式

• 风险价值 —— 从损失分布分位数读取的风险度量，广泛用于金融风险量化