我国是一个地震高风险国家,地震灾害呈现损失程度大、分布不均匀等特征。根据历史数据,我国地震高发地区有很多。其中,云南地处我国西南边陲,分布了8条地震带,地震灾害尤为严重。根据调查,在中国所有省份因地震造成的损失中云南省所占的比重尤其之大。地震灾害严重威胁到受灾地区人民的生命与财产安全,为此原中国保监会、财政部于2016年印发了《建立城乡居民住宅地震巨灾保险制度实施方案》,提出构建由投保人、保险公司、再保险公司、地震巨灾保险专项准备金、财政支持等多主体形成的多层次风险分摊体系。云南省也于2015年在大理首次试点了地震专项指数保险,目前已推广至玉溪。临沧也于2018年开始试点农房地震巨灾综合保险,将保险责任扩展到其他自然灾害、家用电器以及意外救助等。地震巨灾保险的开展为社会治理、保障民生提供了金融支持,降低了农户因灾返贫的风险,为地区经济高质量发展起到了托底作用。然而,从当前地震巨灾指数保险的运行情况来看,保险赔付远远低于实际损失,即基差风险较大,这就导致地震灾后救助仍然需要依靠政府,使得政府财政压力过大,而巨灾保险也不能充分发挥其在社会治理中的功能。为此,有必要制定一个合理的赔付标准,降低指数保险的基差风险,同时能够充分发挥保险的风险保障功能,助力“十四五”时期经济质量高质量发展和乡村振兴战略部署。地震巨灾指数保险赔付标准的制定依赖于两个方面:一是设置合理的触发指数（或参数）。一个合理的触发指数（或参数）需要与实际损失高度相关,对于自然灾害来说,灾害的强度直接影响到损失的大小,衡量地震灾害强度的震级即可作为地震指数保险的触发指数;二是损失评估的准确性。指数保险一般是根据所选择的触发指数（参数）的具体数值来确定一个赔付标准,这就要求对不同指数对应的损失大小有较为准确的估计,即在以震级为触发指数的情况下,需要对不同震级范围内的损失进行估计,根据损失估计值设置一个合理的赔付标注。因此,当损失估计值较为合理时,所确定的赔付标准与实际损失的偏差就较小,对应的基差风险就较小。综上,要降低基差风险,充分发挥巨灾保险的风险保障功能,需要对地震巨灾损失进行较为准确的评估,并制定一个合理的赔付标准。为此,本文将探讨地震巨灾损失估计方法,比较常用的统计模型与机器学习算法,并引入XGBoost算法,通过NMSE等指标比较不同模型与方法在地震巨灾损失估计与预测方面的优良性。结果表明,XGBoost可以显著提升地震巨灾损失估计的精准度。最后,以大理州地震巨灾保险为例,根据XGBoost算法得到的损失估计结果制定一个更加合理的赔付标准,提升了巨灾保险的保障水平,使地震巨灾指数保险能够充分发挥其风险保障功能,助力云南省十四五时期经济高水平建设以及乡村振兴战略。本文文章结构共分为六章,文章结构如下:第一章为引言,对研究背景、研究现状及研究意义进行介绍;第二章介绍了地震巨灾风险的特点及地震巨灾风险管理的主要方式;第三章介绍了云南省地震巨灾保险运行现状,并分析了存在的问题;第四章介绍了常用的地震巨灾风险评估方法,包括极值理论以及机器学习算法;第五章为实证研究。收集了我国1974到2020年的260次地震数据,包括震级、灾区人口密度、地震伤亡人数等8个解释变量,采用XGBoost算法以及POT算法对地震损失进行了建模和预测,并比较两者的预测结果。最后,基于最优模型对大理地震灾害进行随机模拟,对大理地震灾害损失进行预测,根据预测结果制定了一个较为合理的赔付标准;第六章为本文的研究结论与展望。