何興龍　陳晗

黑龍江項(xiàng)目回顧

農(nóng)業(yè)是支持中國(guó)經(jīng)濟(jì)建設(shè)和發(fā)展的基礎(chǔ)產(chǎn)業(yè)。我國(guó)的農(nóng)業(yè)生產(chǎn)高度密集，同時(shí)農(nóng)田基礎(chǔ)設(shè)施水平相對(duì)落后，適應(yīng)氣候變化能力不足。極端自然災(zāi)害事件嚴(yán)重威脅我國(guó)的糧食安全，阻礙了經(jīng)濟(jì)和社會(huì)發(fā)展。尤其在農(nóng)業(yè)巨災(zāi)事件發(fā)生后，各級(jí)政府需要大量的流動(dòng)資金進(jìn)行災(zāi)后救援和恢復(fù)農(nóng)業(yè)生產(chǎn)，給財(cái)政預(yù)算帶來極大的挑戰(zhàn)。因此，自2007年以來，建立農(nóng)業(yè)大災(zāi)風(fēng)險(xiǎn)分散機(jī)制連續(xù)多年在中央一號(hào)文件中有所體現(xiàn)，以增強(qiáng)政府財(cái)政韌性，確保農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展。整個(gè)行業(yè)和社會(huì)均在積極探索農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)管理的模式方法。

2016年，瑞士再保險(xiǎn)作為技術(shù)顧問和唯一的再保險(xiǎn)公司，協(xié)助黑龍江省財(cái)政廳研究并設(shè)計(jì)了中國(guó)首個(gè)農(nóng)業(yè)財(cái)政巨災(zāi)指數(shù)保險(xiǎn)，為政府農(nóng)業(yè)財(cái)政巨災(zāi)風(fēng)險(xiǎn)轉(zhuǎn)移提供了新的解決思路。該方案基于指數(shù)保險(xiǎn)的原理，結(jié)合衛(wèi)星遙感技術(shù)和氣象監(jiān)測(cè)技術(shù)，為黑龍江省28個(gè)國(guó)家級(jí)貧困縣提供基于流域洪水、降雨過多、干旱及積溫不足等農(nóng)業(yè)災(zāi)因約23.24億元人民幣（約合3.48億美元）的巨災(zāi)保險(xiǎn)保障。方案自運(yùn)行以來，針對(duì)黑龍江省2016年和2017年遭遇的自然災(zāi)害，該方案在多個(gè)貧困縣的賠付率超過400%，擴(kuò)大了救災(zāi)資金規(guī)模，促進(jìn)了救災(zāi)資源優(yōu)化配置，解決了財(cái)政涉災(zāi)預(yù)算“無災(zāi)不能用、有災(zāi)不夠用”的難題。

居安思危。盡管該方案開創(chuàng)了我國(guó)農(nóng)業(yè)巨災(zāi)指數(shù)保障方案的先河，但通過回顧過去兩年的運(yùn)營(yíng)情況，仍有一些問題亟須解決。這些問題的出現(xiàn)并非保險(xiǎn)領(lǐng)域所特有，而是大數(shù)據(jù)時(shí)代各行業(yè)均可能面臨的挑戰(zhàn)。唯有深入理解農(nóng)業(yè)巨災(zāi)指數(shù)保障方案的原理，才能有的放矢地提供解決思路。

農(nóng)業(yè)巨災(zāi)指數(shù)保障方案分析

農(nóng)業(yè)巨災(zāi)指數(shù)保障方案設(shè)計(jì)涉及三個(gè)維度：農(nóng)業(yè)指數(shù)選取、保險(xiǎn)額度分配和損失模型建立。

首先，該方案基于指數(shù)保險(xiǎn)的原理而設(shè)計(jì)，需選取可以表征農(nóng)業(yè)災(zāi)害強(qiáng)度的指標(biāo)。與其他標(biāo)的物不同，農(nóng)業(yè)指數(shù)產(chǎn)品設(shè)計(jì)需要同時(shí)考慮當(dāng)?shù)剞r(nóng)作物的物候特點(diǎn)和歷史氣象條件。黑龍江依溫度指標(biāo)從北向南可分為寒溫帶和中溫帶，依干燥度指標(biāo)從東向西可分為濕潤(rùn)區(qū)、半濕潤(rùn)區(qū)和半干旱區(qū)，因此各個(gè)縣農(nóng)作物的物候特點(diǎn)差異較大，為指數(shù)產(chǎn)品的設(shè)計(jì)帶來很大挑戰(zhàn)。過去兩年，黑龍江省政府與瑞士再保險(xiǎn)針對(duì)各個(gè)貧困縣不斷細(xì)化主要農(nóng)作物的關(guān)鍵生長(zhǎng)期，不斷分析典型災(zāi)因的季節(jié)性特點(diǎn)，不斷優(yōu)化農(nóng)業(yè)指數(shù)的產(chǎn)品設(shè)計(jì)結(jié)構(gòu)，以盡可能降低該產(chǎn)品的基差風(fēng)險(xiǎn)，提高保障方案的專業(yè)性和適用性。

其次，該方案的保險(xiǎn)額度分配主要包括三個(gè)方面：按縣分配、按災(zāi)因分配和按災(zāi)害季節(jié)分配。由于該方案涵蓋28個(gè)貧困縣，每個(gè)縣的農(nóng)業(yè)生產(chǎn)規(guī)模、主要災(zāi)因類型和災(zāi)害時(shí)間段均有差異。在政府的大力支持下，瑞士再保險(xiǎn)深入調(diào)研每個(gè)縣的農(nóng)業(yè)生產(chǎn)和經(jīng)營(yíng)情況，提出總保額分配方案?？偙ｋU(xiǎn)額度首先基于每個(gè)縣的耕地面積，成比例分配到縣里；再根據(jù)每種災(zāi)因?qū)τ诋?dāng)?shù)剞r(nóng)業(yè)生產(chǎn)的影響程度，分配給不同的災(zāi)因；最后結(jié)合每種災(zāi)因季節(jié)性的特點(diǎn)，等比例分配到不同的時(shí)期。未來的產(chǎn)品設(shè)計(jì)將結(jié)合各個(gè)縣實(shí)時(shí)的農(nóng)業(yè)損失情況，不斷優(yōu)化總保額的分配方案。

再次，該方案基于農(nóng)業(yè)指數(shù)和保險(xiǎn)額度建立損失模型，針對(duì)每個(gè)貧困縣多種災(zāi)因和不同災(zāi)害季節(jié)提供上百種定制化的保障方案。每個(gè)方案的損失模型均涉及較多的參數(shù)輸入，一類是與概率密度曲線相關(guān)的參數(shù)，包括離散性參數(shù)、趨勢(shì)分析參數(shù)和曲線擬合參數(shù)等，以更好地重現(xiàn)歷史農(nóng)業(yè)平均損失情況；一類是與賠付結(jié)構(gòu)相關(guān)的參數(shù)，包括層數(shù)設(shè)置、每層起賠點(diǎn)、每層退出點(diǎn)和每級(jí)賠付金額等，以更好地滿足政府對(duì)保障頻度和深度的定制化需求。

未來，隨著農(nóng)業(yè)巨災(zāi)指數(shù)保障方案在全國(guó)各地不斷落地，承保的縣市數(shù)量、災(zāi)因類型和作物種類會(huì)大幅增加，各區(qū)域作物物候特征、氣象條件、政府涉災(zāi)預(yù)算和保障需求的差異化也將更加突出。同時(shí)隨著科技的不斷發(fā)展，除氣象指數(shù)之外，衛(wèi)星遙感影像提供更多植被生長(zhǎng)周期內(nèi)的關(guān)鍵參數(shù)，例如植被綠度指數(shù)、土壤墑情指數(shù)和洪水淹沒指數(shù)等，均可作為農(nóng)業(yè)指數(shù)設(shè)計(jì)的依據(jù)。針對(duì)不斷增長(zhǎng)的多樣化數(shù)據(jù)和定制化需求，農(nóng)業(yè)巨災(zāi)指數(shù)保障方案的設(shè)計(jì)工作將遇到新挑戰(zhàn)。

大數(shù)據(jù)與人工智能應(yīng)用

綜上分析，未來農(nóng)業(yè)巨災(zāi)指數(shù)保障方案設(shè)計(jì)的主要挑戰(zhàn)是如何優(yōu)化分析海量農(nóng)業(yè)基礎(chǔ)數(shù)據(jù)和如何提供各地區(qū)政府定制化的保障方案。這兩者均不是傳統(tǒng)的保險(xiǎn)固有的問題，而是大數(shù)據(jù)時(shí)代新生的問題。盡管大數(shù)據(jù)技術(shù)已經(jīng)廣泛應(yīng)用于金融、工業(yè)和醫(yī)療等領(lǐng)域，但是在保險(xiǎn)尤其是農(nóng)業(yè)保險(xiǎn)領(lǐng)域的應(yīng)用尚屬于空白。筆者認(rèn)為，運(yùn)用大數(shù)據(jù)技術(shù)和人工智能技術(shù)，可有效解決上述主要矛盾。

大數(shù)據(jù)技術(shù)的基本原理是利用數(shù)據(jù)挖掘等算法，從海量非結(jié)構(gòu)化或者半結(jié)構(gòu)化數(shù)據(jù)中發(fā)現(xiàn)新規(guī)律，以支持決策過程?；貧w到農(nóng)業(yè)巨災(zāi)指數(shù)保障方案設(shè)計(jì)，通過有效的算法設(shè)計(jì)，大數(shù)據(jù)技術(shù)可以從大量氣象、遙感數(shù)據(jù)和多種保額分配方案、損失模型中選取最優(yōu)組合，結(jié)合當(dāng)?shù)剞r(nóng)業(yè)專家提供的主要農(nóng)業(yè)生產(chǎn)信息，產(chǎn)生可最佳反映歷史農(nóng)業(yè)損失情況的巨災(zāi)指數(shù)保障方案。人工智能技術(shù)的核心是機(jī)器通過自學(xué)習(xí)的方式，反演、推理并解決問題。在農(nóng)業(yè)巨災(zāi)指數(shù)保障方案設(shè)計(jì)的案例中，可直接通過將保障多樣化的需求作為模型的輸入數(shù)據(jù)，利用反演模擬技術(shù)獲得可以滿足該需求的農(nóng)業(yè)巨災(zāi)保障方案，如指數(shù)計(jì)算的時(shí)間段、計(jì)算方式、保額分配方案和損失模型等。

簡(jiǎn)而言之，大數(shù)據(jù)技術(shù)依據(jù)先驗(yàn)知識(shí)設(shè)計(jì)方案，如某一區(qū)域歷史損失情況等，適用于尚未開展類似項(xiàng)目因而政府未有明確需求的地區(qū)；人工智能技術(shù)依據(jù)后驗(yàn)知識(shí)設(shè)計(jì)方案，如明確的賠付頻率或者賠付深度，適用于類似項(xiàng)目已經(jīng)開展因而政府有明確風(fēng)險(xiǎn)轉(zhuǎn)移需求的地區(qū)。兩者需集成于統(tǒng)一的自動(dòng)化定價(jià)平臺(tái)，基于程序設(shè)計(jì)的方法自動(dòng)實(shí)現(xiàn)整個(gè)過程。

為支持該平臺(tái)的建設(shè)，一方面需要農(nóng)業(yè)基礎(chǔ)數(shù)據(jù)支持，包括各地氣象數(shù)據(jù)、遙感指數(shù)、種植信息，歷史損失和政府救災(zāi)財(cái)政支出等，以充分發(fā)揮大數(shù)據(jù)技術(shù)的功效；另一方面，由于農(nóng)業(yè)生產(chǎn)活動(dòng)受自然因素干擾較大，因而其損失模型的建立需要考慮更多的物理過程，以迅速提升人工智能技術(shù)的表現(xiàn)。與此同時(shí)，高性能計(jì)算技術(shù)也應(yīng)該被集成在該平臺(tái)內(nèi)，以提高整個(gè)系統(tǒng)的運(yùn)行效率。在不遠(yuǎn)的將來，基于大數(shù)據(jù)技術(shù)和人工智能技術(shù)的定價(jià)平臺(tái)除了可用于農(nóng)業(yè)巨災(zāi)指數(shù)保障方案設(shè)計(jì)外，對(duì)于任何指數(shù)保險(xiǎn)產(chǎn)品的設(shè)計(jì)均具有革命性的意義?！?/p>

（何興龍為瑞士再保險(xiǎn)中國(guó)農(nóng)險(xiǎn)負(fù)責(zé)人，陳晗為瑞士再保險(xiǎn)農(nóng)險(xiǎn)核保人）