農(nóng)業(yè)氣象指數(shù)保險(xiǎn)研究與設(shè)計(jì)
——基于遼寧省玉米的面板數(shù)據(jù)

聶 榮, 宋 妍

(遼寧大學(xué) 經(jīng)濟(jì)學(xué)院, 遼寧 沈陽 110036)

遼寧省作為我國糧食主產(chǎn)區(qū),受天氣影響較大,研究遼寧省天氣指數(shù)保險(xiǎn)的設(shè)計(jì),對(duì)推動(dòng)農(nóng)業(yè)保險(xiǎn)的創(chuàng)新、穩(wěn)定糧食產(chǎn)量、保障食品安全具有重要的理論與現(xiàn)實(shí)意義。同時(shí),遼寧省地處著名的東北“黃金玉米帶”上,在四種主要的糧食作物中,玉米的產(chǎn)量和種植面積都居于首位,因此在遼寧省最重要的糧食作物是玉米,選擇遼寧省玉米為對(duì)象對(duì)天氣指數(shù)保險(xiǎn)進(jìn)行研究與設(shè)計(jì)在理論與實(shí)踐上均富有價(jià)值。本文針對(duì)玉米這一作物,嘗試?yán)眠|寧省14個(gè)地市的面板數(shù)據(jù),以玉米干旱指數(shù)保險(xiǎn)、玉米天氣指數(shù)保險(xiǎn)兩者為切入點(diǎn)進(jìn)行研究。

一、 國內(nèi)外研究進(jìn)展

天氣指數(shù)保險(xiǎn)產(chǎn)品最早于1997年在美國產(chǎn)生并應(yīng)用,最初的指數(shù)保險(xiǎn)產(chǎn)品并不首先用在農(nóng)業(yè)氣象災(zāi)害管理上,但卻最終在農(nóng)業(yè)生產(chǎn)領(lǐng)域得到應(yīng)用并在發(fā)展中國家得以推廣。在實(shí)踐層面,目前美國已有專門的天氣指數(shù)保險(xiǎn)公司,例如美國的天氣保險(xiǎn)公司W(wǎng)eather Bill,這使天氣指數(shù)保險(xiǎn)發(fā)展具備了更有利的主體條件。2002年墨西哥實(shí)施了發(fā)展中國家的首個(gè)天氣指數(shù)保險(xiǎn)產(chǎn)品。此后,印度在2003年、馬拉維在2005年、埃塞俄比亞在2006年相繼開展了農(nóng)業(yè)天氣指數(shù)保險(xiǎn)試點(diǎn)項(xiàng)目。

對(duì)比傳統(tǒng)意義的農(nóng)業(yè)保險(xiǎn),天氣指數(shù)保險(xiǎn)具有更大的理論價(jià)值與現(xiàn)實(shí)意義。天氣指數(shù)保險(xiǎn)主要具有如下優(yōu)勢:第一,天氣指數(shù)保險(xiǎn)可以抑制“逆向選擇”、降低“道德風(fēng)險(xiǎn)”[1-2]。第二,天氣指數(shù)保險(xiǎn)可以有效地減少交易成本[3]。第三,天氣指數(shù)保險(xiǎn)合約可以作為一種控制管理天氣風(fēng)險(xiǎn)的金融工具[4]。此外,天氣指數(shù)保險(xiǎn)設(shè)計(jì)和保費(fèi)厘定依賴于降水量、日照、氣溫等一系列的長期氣象數(shù)據(jù)和災(zāi)害損失數(shù)據(jù),其所需數(shù)據(jù)較之傳統(tǒng)農(nóng)業(yè)保險(xiǎn)所依據(jù)的數(shù)據(jù)更易獲取[5],理賠也更加便捷。所以針對(duì)氣候風(fēng)險(xiǎn)的天氣指數(shù)保險(xiǎn)具有更加廣闊的發(fā)展前景,在災(zāi)害管理方面更有成效。

我國學(xué)者關(guān)于此方面的研究也是從與傳統(tǒng)農(nóng)業(yè)保險(xiǎn)的對(duì)比出發(fā),集中闡述天氣指數(shù)保險(xiǎn)的理論意義和現(xiàn)實(shí)價(jià)值。曹雪琴(2008)[6]從天氣指數(shù)保險(xiǎn)合同的供給需求角度著手認(rèn)為天氣指數(shù)保險(xiǎn)具有運(yùn)行成本低,道德風(fēng)險(xiǎn)易控制,能有效利用資本市場分散風(fēng)險(xiǎn),操作簡單,理賠較科學(xué)等實(shí)踐意義。張峭(2015)[7]指出天氣指數(shù)保險(xiǎn)雖然有一定的缺點(diǎn)比如“基差風(fēng)險(xiǎn)”,但是由于不同生產(chǎn)者實(shí)際生產(chǎn)經(jīng)驗(yàn)和能力不同,采用整個(gè)地區(qū)平均水平制定的天氣指數(shù)保險(xiǎn),能夠提高天氣指數(shù)和實(shí)際損失的匹配度,為投保者提供較好的保障。汪麗萍(2016)[8]通過天氣指數(shù)保險(xiǎn)與傳統(tǒng)保險(xiǎn)的對(duì)比,分析從不同風(fēng)險(xiǎn)導(dǎo)因出發(fā)的不同風(fēng)險(xiǎn)管控形式,同時(shí)指出為了減少基差風(fēng)險(xiǎn),指數(shù)保險(xiǎn)在設(shè)計(jì)上具有更大的適應(yīng)性與便捷性。陳盛偉、王曉麗(2017)[9]指出氣象指數(shù)保險(xiǎn)是海水養(yǎng)殖業(yè)風(fēng)險(xiǎn)管理的創(chuàng)新型工具,可以有效解決傳統(tǒng)漁業(yè)保險(xiǎn)存在的技術(shù)和管理難題,并進(jìn)行了降雨指數(shù)型漁業(yè)保險(xiǎn)產(chǎn)品設(shè)計(jì)。

關(guān)于天氣指數(shù)保險(xiǎn)設(shè)計(jì)方面的研究,Stoppa & Hess(2003)[10]、Daniel & Olivier(2012)[11]分別設(shè)計(jì)了摩洛哥與印度的降雨指數(shù)保險(xiǎn)。南非、墨西哥和美國也在2006及2007年分別設(shè)計(jì)了降水指數(shù)保險(xiǎn),來降低干旱對(duì)農(nóng)業(yè)造成的風(fēng)險(xiǎn)損失。Varangis等(2005)[12]研究了世界銀行制定的玉米和花生的干旱天氣指數(shù)保險(xiǎn)方案,并在摩洛哥、埃塞俄比亞等國家開展試點(diǎn)進(jìn)行了研究。同年,Syroka(2005)[13]就美洲開發(fā)銀行對(duì)天氣指數(shù)保險(xiǎn)在墨西哥水庫水量的應(yīng)用及南非的干旱天氣指數(shù)保險(xiǎn)在蘋果的種植風(fēng)險(xiǎn)的應(yīng)用進(jìn)行了研究與整體設(shè)計(jì)。Che等(2012)[14]采用三種方法對(duì)溫度指數(shù)保險(xiǎn)進(jìn)行了定價(jià)設(shè)計(jì)。關(guān)于多因素天氣指數(shù)保險(xiǎn)的研究方面,Deng等(2007)[15]針對(duì)牛奶生產(chǎn)面臨的高溫風(fēng)險(xiǎn),設(shè)計(jì)了一個(gè)溫度-濕度指數(shù)保險(xiǎn)產(chǎn)品,并進(jìn)行了檢驗(yàn)。Daniel等(2012)[16]結(jié)合時(shí)間和空間方面的數(shù)據(jù),采用經(jīng)驗(yàn)貝葉斯方法論述了包括溫度、濕度及風(fēng)速的指數(shù)保險(xiǎn)產(chǎn)品的設(shè)計(jì)和定價(jià),這一方法也被印度農(nóng)業(yè)保險(xiǎn)公司采用。我國自2007年以來,農(nóng)業(yè)天氣指數(shù)保險(xiǎn)的產(chǎn)品設(shè)計(jì)研究逐步增多。毛裕定等(2007)[17]開始嘗試為浙江省柑橘建立凍害天氣指數(shù)保險(xiǎn)。牛浩、陳盛偉(2015)[18]利用AHP與SPSS多重比較分析確定了HP濾波模型與風(fēng)雨倒伏指數(shù)的無差異關(guān)系,通過不同保險(xiǎn)定價(jià)模型建立氣象產(chǎn)量與風(fēng)雨倒伏指數(shù)的相關(guān)關(guān)系,厘定玉米氣象指數(shù)保險(xiǎn)費(fèi)率。 吳利紅等(2010)[19]研究了水稻暴雨災(zāi)害并對(duì)降雨保險(xiǎn)氣象理賠指數(shù)進(jìn)行了設(shè)計(jì),在考慮包括氣溫及降雨等多因素影響的前提下設(shè)計(jì)了浙江省縣級(jí)水稻農(nóng)業(yè)天氣指數(shù)保險(xiǎn)產(chǎn)品。楊帆等(2015)[20]對(duì)東北三省玉米干旱指數(shù)保險(xiǎn)產(chǎn)品進(jìn)行了研究設(shè)計(jì)。王春乙(2016)等[21]、楊太明(2016)等[22]分別對(duì)海南省及安徽省的農(nóng)作物進(jìn)行了天氣指數(shù)研究與設(shè)計(jì)。楊太明、劉布春等(2013)[23]對(duì)安徽省宿州市小麥綜合天氣指數(shù)保險(xiǎn)產(chǎn)品進(jìn)行了多因素即維度設(shè)計(jì)。張萍(2015)[24]分別以平均氣溫、年降水總量、年日照時(shí)間和冬小麥單產(chǎn)為自變量和因變量,構(gòu)建了冬小麥單產(chǎn)與氣象指數(shù)的空間面板數(shù)據(jù)模型,隨后在厘定各市冬小麥天氣指數(shù)保險(xiǎn)純費(fèi)時(shí)運(yùn)用不同單產(chǎn)分布模型,選擇最合適的分布模型具體闡明了制定過程。

二、 單一氣象因素的天氣指數(shù)保險(xiǎn)研究

選擇單一指標(biāo)即干旱指數(shù)作為玉米天氣指數(shù)保險(xiǎn)的研究對(duì)象,利用遼寧省14個(gè)地市的面板數(shù)據(jù)對(duì)玉米作物干旱指數(shù)保險(xiǎn)的保險(xiǎn)費(fèi)率與保險(xiǎn)觸發(fā)值等進(jìn)行設(shè)計(jì)。

1. 研究方法與模型方程構(gòu)建

(1) 干旱指數(shù)的構(gòu)建及其與減產(chǎn)率的相關(guān)性分析

首先計(jì)算減產(chǎn)率,根據(jù)研究經(jīng)驗(yàn)選擇HP濾波法來模擬趨勢產(chǎn)量序列,然后計(jì)算減產(chǎn)率。

將實(shí)際產(chǎn)量Ya分解為:

Ya=Yt+Yw+μ

(1)

其中Yw為氣象產(chǎn)量;Yt為趨勢產(chǎn)量;μ為隨機(jī)產(chǎn)量。

減產(chǎn)率(YLR)指某年的實(shí)際產(chǎn)量(Ya)與其當(dāng)年趨勢產(chǎn)量的差值(即氣象產(chǎn)量)占趨勢產(chǎn)量的百分比的相反數(shù)。為了保證減產(chǎn)年份的減產(chǎn)率為正值,計(jì)算公式為:

(2)

降水量異常引起干旱的情況能被降水距平百分率(Pa)所直觀反映,所以以降水距平百分率為基礎(chǔ)構(gòu)造干旱指數(shù)。Pa是表征某時(shí)段降水量較常年值具體偏離程度的指標(biāo),其方程如下:

(3)

進(jìn)而根據(jù)降水距平百分率來定義干旱指數(shù)(DIq)為:

(4)

DI=αDIq+α2DIa

(5)

其中α1、α2為兩者相應(yīng)的權(quán)重系數(shù)。對(duì)不同地區(qū)代入不同時(shí)期的降水量數(shù)據(jù),即可得到該地區(qū)的干旱指數(shù)序列。

在構(gòu)造出干旱指數(shù)(DI)后,對(duì)干旱指數(shù)與減產(chǎn)率進(jìn)行回歸分析,繼而求出兩者的相關(guān)關(guān)系:

YLR=α+βDI+ε

(6)

(2) 純費(fèi)率的厘定

根據(jù)農(nóng)業(yè)保險(xiǎn)期望損失法,損失期望值與實(shí)際產(chǎn)量的比值即是農(nóng)業(yè)保險(xiǎn)的純費(fèi)率。據(jù)此對(duì)作物保險(xiǎn)純費(fèi)率進(jìn)行厘定,假定作物實(shí)際單產(chǎn)為Ya,預(yù)期單產(chǎn)為η,損失期望值為E(loss),作物保險(xiǎn)對(duì)作物的保障程度為λ,則純費(fèi)率可表示為:

(7)

厘定干旱指數(shù)保險(xiǎn)費(fèi)率時(shí),不同氣象條件下干旱災(zāi)害造成的減產(chǎn)率及其減產(chǎn)風(fēng)險(xiǎn)的概率之和可以表示純保費(fèi)率:

(8)

其中,xi為減產(chǎn)率;Pi為該減產(chǎn)率出現(xiàn)的概率。

干旱指數(shù)保險(xiǎn)的純保費(fèi)額(Pi)為保險(xiǎn)費(fèi)率(Ri)與保險(xiǎn)金額(Q)之積。計(jì)算公式為:

Pi=Ri×Q

(9)

(3) 指數(shù)保險(xiǎn)觸發(fā)值與賠付值的計(jì)算

根據(jù)回歸方程干旱指數(shù)為零時(shí)的減產(chǎn)率設(shè)定實(shí)際觸發(fā)值。隨后在賠付時(shí),將本年度的干旱指數(shù)代入回歸方程,經(jīng)過折算求出相對(duì)減產(chǎn)率,則最終干旱指數(shù)保險(xiǎn)賠付值的計(jì)算公式為:

S=Q×xs

(10)

其中S為干旱指數(shù)保險(xiǎn)的賠付值;Q為保險(xiǎn)金額;xs為根據(jù)干旱指數(shù)值計(jì)算的相對(duì)減產(chǎn)率。

2. 干旱指數(shù)保險(xiǎn)設(shè)計(jì)實(shí)例——以遼寧省玉米作物為例

根據(jù)張淑杰和張玉書[25]的研究結(jié)論與設(shè)計(jì)實(shí)際經(jīng)驗(yàn),將遼寧省玉米生長關(guān)鍵期和全育期的干旱指數(shù)DIa引入玉米干旱指數(shù)體系,來全面地反映玉米的干旱程度。氣象數(shù)據(jù)來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng),選取遼寧省下屬14個(gè)地市玉米1995—2014年20年面板數(shù)據(jù)。

(1) 確定干旱指數(shù)與減產(chǎn)率的相關(guān)系數(shù)

首先,利用HP濾波法擬合趨勢單產(chǎn),隨后將擬合的趨勢單產(chǎn)序列代入公式(2),求解對(duì)應(yīng)的減產(chǎn)率(YLR),并得到減產(chǎn)率序列。隨后按照降水距平百分率的形式構(gòu)造玉米干旱指數(shù)。將遼寧省玉米干旱指數(shù)同玉米減產(chǎn)率序列進(jìn)行回歸分析,求出兩者的相關(guān)系數(shù),經(jīng)歸一化處理后,兩者的相關(guān)系數(shù)α1、α2分別為0.343 3和0.656 7,即遼寧省玉米干旱指數(shù)為:

DI=0.656 7DIq+0.343 3DIa

(11)

其中DIq為遼寧省玉米關(guān)鍵生長期的干旱指數(shù),DIq為遼寧省玉米全育期干旱指數(shù),根據(jù)遼寧省數(shù)據(jù),再對(duì)干旱指數(shù)與減產(chǎn)率進(jìn)行回歸分析,回歸結(jié)果見表1。

表1 遼寧省玉米干旱指數(shù)與減產(chǎn)率回歸的結(jié)果

注: *表示在5%的顯著性水平上通過檢驗(yàn)

干旱指數(shù)(DI)的P值為0.000 9。F檢驗(yàn)和t檢驗(yàn)的結(jié)果均拒絕方程線性關(guān)系不顯著的假設(shè)。因此,遼寧省玉米干旱指數(shù)與減產(chǎn)率的回歸方程為:

YLR=0.602 195-0.145 338DI

(12)

由上式可知,遼寧省玉米干旱指數(shù)與玉米減產(chǎn)率之間存在負(fù)相關(guān)關(guān)系,即玉米干旱指數(shù)值越小,減產(chǎn)率對(duì)應(yīng)就越大,并且在干旱指數(shù)為0時(shí),玉米減產(chǎn)率為0.602 195%,這說明在除去干旱影響因素以外的其他因素的影響下,玉米仍會(huì)減產(chǎn)0.602 195%。

(2) 玉米干旱指數(shù)保險(xiǎn)純費(fèi)率的厘定

由于遼寧省玉米政策性保險(xiǎn)目前的保障水平為280元/畝,按照公式(8)根據(jù)損失期望理論,可以得出遼寧省不同地市的玉米干旱指數(shù)保險(xiǎn)純費(fèi)率(見表2)。

表2 遼寧省14市玉米干旱指數(shù)保險(xiǎn)純費(fèi)率

通過觀察表2的遼寧省各市玉米干旱指數(shù)保險(xiǎn)的純費(fèi)率可以看出,錦州、阜新、盤錦、朝陽、葫蘆島等五個(gè)地區(qū)的純費(fèi)率明顯高于其他地區(qū),它們均居于遼寧省的西部地區(qū),高費(fèi)率體現(xiàn)了這些地區(qū)玉米種植存在較大的干旱風(fēng)險(xiǎn),該結(jié)果正好與遼寧省“雨量不均,東濕西干”的現(xiàn)狀相符,該厘定結(jié)果較貼近遼寧省的實(shí)際情況,其中純費(fèi)率最高的朝陽市玉米干旱指數(shù)保險(xiǎn)費(fèi)率值是本溪的三倍,說明這兩個(gè)市由于氣候差異引起了風(fēng)險(xiǎn)的差別,高低各異的純費(fèi)率有利于平衡不同城市的風(fēng)險(xiǎn)。

(3) 玉米干旱指數(shù)保險(xiǎn)觸發(fā)值與賠付值的確定

由遼寧省玉米干旱指數(shù)與玉米減產(chǎn)率之間相關(guān)分析可知,即使干旱指數(shù)為零,由于其他原因玉米仍會(huì)減產(chǎn)0.602 195%。為了便于準(zhǔn)確計(jì)算,將遼寧省玉米干早指數(shù)保險(xiǎn)的觸發(fā)值定義為減產(chǎn)率為1%時(shí)的干旱指數(shù)值,得出玉米干旱指數(shù)保險(xiǎn)的觸發(fā)值為-2.74。進(jìn)一步根據(jù)公式(10),得出遼寧省玉米相應(yīng)的賠付值。賠付情況見表3。

表3 賠付情況表

表3就是根據(jù)不同的干旱指數(shù)得出的減產(chǎn)率及相應(yīng)的賠付值,以上研究結(jié)果可以為遼寧省玉米氣象保險(xiǎn)的設(shè)計(jì)提供理論與實(shí)踐依據(jù)。

三、 多氣象因素的天氣指數(shù)保險(xiǎn)設(shè)計(jì)

眾所周知,天氣指數(shù)保險(xiǎn)是指在某一約定區(qū)域,保險(xiǎn)人和投保人在合同訂立時(shí)提前約定一定的基準(zhǔn)氣象條件(用基準(zhǔn)產(chǎn)量來衡量)。如果本年的實(shí)際氣象條件(用氣象產(chǎn)量來表示)優(yōu)于這一基準(zhǔn)條件,則保險(xiǎn)公司無需賠付,否則保險(xiǎn)公司需要進(jìn)行賠付。

在實(shí)際的生產(chǎn)過程中,玉米等農(nóng)作物在生育期內(nèi)受災(zāi)產(chǎn)生實(shí)際損失有時(shí)并非僅僅由于單一天氣變量發(fā)生變化,而是由多個(gè)天氣因素共同作用引致,考慮多氣象因素的共同作用可以有效地降低基差風(fēng)險(xiǎn)[26]?？紤]氣溫、降水量、日照這三種基礎(chǔ)氣象因素對(duì)玉米產(chǎn)量影響較大,所以研究與設(shè)計(jì)這三種氣象因素共同作用下的天氣指數(shù)保險(xiǎn)。最后以沈陽市為例,給出具體保險(xiǎn)費(fèi)和賠付額的計(jì)算說明。

1. 模型構(gòu)建與保險(xiǎn)合同設(shè)計(jì)

氣溫、降水量、日照是對(duì)玉米產(chǎn)量影響較大的三種基礎(chǔ)性氣象因素,本部分構(gòu)建面板回歸模型研究以多個(gè)解釋變量為代表的氣象指標(biāo)與玉米產(chǎn)量間的定量關(guān)系。

(1) 模型構(gòu)建

考慮到多氣象指標(biāo)對(duì)于農(nóng)產(chǎn)品產(chǎn)量的影響的這種特點(diǎn),由于這些氣候指標(biāo)與水稻產(chǎn)量之間可能不是線性關(guān)系,高于或低于一定區(qū)域的值都有可能造成減產(chǎn),因此為了更好地模擬自變量與因變量的相關(guān)關(guān)系,在模型中加入各個(gè)氣象指標(biāo)的平方項(xiàng)[27]。構(gòu)建玉米單產(chǎn)(yit)與降水量(R)、日照時(shí)間(S)、氣溫(T)三個(gè)氣象指標(biāo)值及三個(gè)指標(biāo)的平方項(xiàng)(R2、S2、T2)的回歸模型如下。

yit=αi+xitβi+μit

(13)

(2) 天氣指數(shù)保險(xiǎn)合同的設(shè)計(jì)

保險(xiǎn)合同定價(jià)的原理是保險(xiǎn)費(fèi)等于期望賠付額。針對(duì)所有的價(jià)位的天氣指數(shù)保險(xiǎn),保險(xiǎn)公司和農(nóng)戶根據(jù)歷史產(chǎn)量事先約定一個(gè)基準(zhǔn)產(chǎn)量b,待保險(xiǎn)期結(jié)束,保險(xiǎn)公司根據(jù)當(dāng)年的氣象指標(biāo)值算出當(dāng)年的氣象產(chǎn)量y(R,S,T)。當(dāng)by,保險(xiǎn)公司會(huì)給出T(b-y)的賠償。

保費(fèi)P則根據(jù)求出的氣象產(chǎn)量的概率分布來計(jì)算。計(jì)算公式如下:

(14)

T為約定的農(nóng)作物價(jià)格,該方法即為該玉米天氣指數(shù)保險(xiǎn)的定價(jià)方法。

2. 多因素玉米天氣指數(shù)保險(xiǎn)設(shè)計(jì)實(shí)例

對(duì)遼寧省玉米天氣指數(shù)保險(xiǎn)進(jìn)行設(shè)計(jì),數(shù)據(jù)來源于:《遼寧統(tǒng)計(jì)年鑒》中遼寧省14個(gè)地市2002—2014年的氣象數(shù)據(jù)(包括年平均氣溫、年降水量、年日照時(shí)間)、玉米產(chǎn)量數(shù)據(jù)(包括各地市逐年玉米播種面積、總產(chǎn)量及玉米單產(chǎn)資料),以及《中國統(tǒng)計(jì)年鑒》和地方年鑒。

(1) 變截距隨機(jī)效應(yīng)模型的確定

通過驗(yàn)證三種氣象變量間的相關(guān)系數(shù)絕對(duì)值均小于0.4,可認(rèn)為三種氣象變量獨(dú)立不相關(guān)。在進(jìn)行F檢驗(yàn)和Hausman檢驗(yàn)后,最終選擇了變截距隨機(jī)效應(yīng)模型。根據(jù)選定的變截距隨機(jī)效應(yīng)模型來進(jìn)行估計(jì)的結(jié)果見表4。

表4 變截距隨機(jī)效應(yīng)模型回歸結(jié)果

從表4來看,溫度平方項(xiàng)的系數(shù)為正值,而且P值也很不顯著。從農(nóng)業(yè)生產(chǎn)經(jīng)驗(yàn)來看,玉米等農(nóng)作物的生長需要有合適的溫度區(qū)域,超出適宜溫度區(qū)域的高溫和低溫均不利于作物的生長,因此該項(xiàng)系數(shù)應(yīng)該為負(fù)值。針對(duì)溫度T的P值不顯著的問題,可以認(rèn)為針對(duì)于全年的跨度,玉米單產(chǎn)隨著平均溫度升高而升高,這種升高呈現(xiàn)線性而非“先升后降”的趨勢,因此把溫度平方項(xiàng)剔除再進(jìn)行回歸,結(jié)果見表5。

表5 剔除部分變量后回歸結(jié)果

由表5可以看出,各變量的P值均較顯著,且方程的擬合優(yōu)度為0.432 5,Prob>chi2=0.000 0,整體擬合程度良好。因此得到糧食單產(chǎn)與氣象指標(biāo)的回歸方程:

為了說明更方便,以遼寧省比較有代表性的核心城市沈陽市為例,具體說明天氣指數(shù)保險(xiǎn)合同的設(shè)計(jì)方法。利用上述方程將沈陽市的氣象數(shù)據(jù)代入求出氣象產(chǎn)量,與實(shí)際產(chǎn)量作折線圖比較,見圖1。

圖1 沈陽市2002—2014年糧食實(shí)際產(chǎn)量與氣象產(chǎn)量的比較

可以看出,兩者走勢大體相同,故沈陽地區(qū)制訂保險(xiǎn)合同時(shí)可以使用上述回歸方程。

(2) 氣象保險(xiǎn)合同設(shè)計(jì)

為了制定天氣指數(shù)保險(xiǎn)合同,保險(xiǎn)公司需要了解沈陽地區(qū)各氣象指標(biāo)的概率分布。首先利用年平均氣溫、年降水量和年日照時(shí)間的歷史數(shù)據(jù)來擬合各個(gè)氣象指標(biāo)的概率分布,表6即是三個(gè)氣象指標(biāo)的概率分布,其中R表示年降水量;T表示年平均氣溫;S表示年日照時(shí)間。

表6 氣象指標(biāo)的概率分布

對(duì)天氣指數(shù)保險(xiǎn)合同的具體設(shè)計(jì)模式進(jìn)行說明:根據(jù)頻率直方圖求出均值,設(shè)該合同的基準(zhǔn)產(chǎn)量為7 900,規(guī)定糧食價(jià)格為1元每單位*基準(zhǔn)產(chǎn)量和氣象指數(shù)產(chǎn)量都沒有一般意義的單位,這里表示一個(gè)保險(xiǎn)單位,同時(shí)糧食價(jià)格單位為元。,即T=1。以7 900為分水嶺,若最終求出的氣象產(chǎn)量大于7 900,則保險(xiǎn)公司不用向農(nóng)戶賠付;否則保險(xiǎn)公司需賠付氣象產(chǎn)量與7 900的差額,即應(yīng)賠付金額為T(7 900-y)。

根據(jù)公式(14),其中T=1,Pr為上述所求出的概率分布,可以得出價(jià)格P≈102.75。即農(nóng)戶每購買一保險(xiǎn)單元,需交付102.75元保費(fèi)。

而在賠付時(shí),只需將天氣指數(shù)值代入回歸方程,求出氣象指數(shù)產(chǎn)量。隨后根據(jù)賠付值公式(14)即可求出保險(xiǎn)人應(yīng)對(duì)農(nóng)戶進(jìn)行的賠付值(I),公式如下:

I=T(b-y)

(16)

根據(jù)式(13)～式(16),若當(dāng)年的氣象條件為R=1 000,T=9.5,S=2 600時(shí),求出的氣象指數(shù)產(chǎn)量為8 140.5,此時(shí)氣象產(chǎn)量值大于基準(zhǔn)產(chǎn)量,則保險(xiǎn)公司無需進(jìn)行賠付;若當(dāng)R=600,T=8.5,S=2 100時(shí),氣象產(chǎn)量為7 627.52,小于7 900,此時(shí)代入公式(14)則賠付額應(yīng)為273.5元。依照上述方法,利用每個(gè)地市氣象數(shù)據(jù)的頻率分布,求解對(duì)應(yīng)氣象產(chǎn)量的概率分布,可以設(shè)計(jì)出具體針對(duì)每個(gè)地市的農(nóng)作物的天氣指數(shù)保險(xiǎn)方案。

四、 政策建議

我國農(nóng)業(yè)生產(chǎn)面對(duì)眾多風(fēng)險(xiǎn),在諸多風(fēng)險(xiǎn)中,氣象災(zāi)害給農(nóng)戶帶來的損失因?yàn)榫哂邢到y(tǒng)性,最終往往只能由農(nóng)戶自己承擔(dān),因此天氣指數(shù)保險(xiǎn)應(yīng)運(yùn)而生。從過去的農(nóng)業(yè)保險(xiǎn)到現(xiàn)在的天氣指數(shù)保險(xiǎn),不斷的產(chǎn)品創(chuàng)新都是為了減少廣大農(nóng)戶的損失,給農(nóng)戶提供更高層次的保障,具體建議如下。

(1) 在進(jìn)行天氣指數(shù)保險(xiǎn)研究與設(shè)計(jì)時(shí),應(yīng)按照循序漸進(jìn)的原則。比如玉米干旱指數(shù)保險(xiǎn)設(shè)計(jì)方案,首先針對(duì)玉米生長的關(guān)鍵期(即7、8月份玉米拔節(jié)期到抽雄期)因干旱造成玉米產(chǎn)量的損失設(shè)計(jì)干旱指數(shù)保險(xiǎn),隨后保險(xiǎn)期間可以拓展至玉米全育期,覆蓋的風(fēng)險(xiǎn)種類也可以由單一的氣象因素到涵蓋多種氣象因素的玉米天氣指數(shù)保險(xiǎn)。同時(shí)在數(shù)據(jù)選取時(shí),在保證數(shù)據(jù)有效性的前提下,采用盡量多的連續(xù)年份,以保證分析結(jié)果的準(zhǔn)確性。

(2) 在具體推廣時(shí),適度強(qiáng)制投保,提高天氣指數(shù)保險(xiǎn)金額,提高農(nóng)戶參與率。適度強(qiáng)制投保,這主要是為了提高投保率、在較大范圍內(nèi)分散風(fēng)險(xiǎn),還可以降低保險(xiǎn)機(jī)構(gòu)的營運(yùn)費(fèi)用。同時(shí),當(dāng)前遼寧地區(qū)種植業(yè)機(jī)械化程度較高,平均每畝地種植成本在550元左右,而政策性農(nóng)業(yè)保險(xiǎn)的賠款每畝為280元,盡管該標(biāo)準(zhǔn)較前幾年有較大增長,但仍舊難以滿足當(dāng)?shù)剞r(nóng)民如今的實(shí)際需求,因此可以適當(dāng)提高天氣指數(shù)保險(xiǎn)的保險(xiǎn)金額,來提高農(nóng)戶投保的積極性。

:

[ 1 ]GoodwinBK,SmithVH.TheEconomicsofCropInsuranceandDisasterAid[M].Washington,D.C.:AmericanEnterpriseInstitutePress, 1995:153-167.

[ 2 ]BarnettBJ.WeatherIndexInsuranceforAgricultureandRuralAreasinLowerIncomeCountries[J].AmericanJournalofAgriculturalEconomics, 2007,89:1241-1247.

[ 3 ]MargaretA.TheRoleofRiskTransferandInsuranceinDisasterRiskReductionandClimateChangeAdaption[R].Stockholm:theSwedishCommissiononClimateChangeandDevelopment, 2008.

[ 4 ]SkeesJ,HazellP,MirandaM.NewApproachestoPublic/PrivateCropYieldInsurance[R].Washington,D.C.:TheWorldBank, 1999.

[ 5 ]BrownC.SustainableDevelopment,EastAsiaPacificRegion,FinanceandPrivateSectorDevelopment[R].Washington,D.C.:TheWorldBank, 2006.

[ 6 ] 曹雪芹. 農(nóng)業(yè)保險(xiǎn)產(chǎn)品創(chuàng)新和天氣指數(shù)保險(xiǎn)的應(yīng)用——印度實(shí)踐評(píng)析與借鑒[J]. 上海保險(xiǎn), 2008(8):53-58.

[ 7 ] 張峭. 內(nèi)蒙古鄂爾多斯市農(nóng)業(yè)保險(xiǎn)需求實(shí)證分析[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題, 2015(S1):103-108.

[ 8 ] 汪麗萍. 天氣指數(shù)保險(xiǎn)及創(chuàng)新產(chǎn)品的比較研究[J]. 保險(xiǎn)研究, 2016(10):81-88.

[ 9 ] 陳盛偉,王曉麗. 降雨指數(shù)型海水養(yǎng)殖漁業(yè)保險(xiǎn)產(chǎn)品設(shè)計(jì)研究[J]. 經(jīng)濟(jì)問題, 2017(6):67-73.

[10]StoppaA,HessU.DesignandUseofWeatherDerivativesinAgriculturalPolicies:TheCaseofRainfallIndexInsuranceinMorocco[R]∥AgriculturalPolicyReformandtheWTO:WhereAreWeHeading?Washington,D.C.:TheWorldBank, 2003.

[11]DanielJC,OlivierM,RaoKN.WeatherBasedCropInsuranceIndia[R].Washington,D.C.:TheWorldBank, 2012:1-31.

[12]VarangisP,SkeesJ,BarnettB.WeatherIndexesforDevelopingCountries[M]∥DischelRS.ClimateRiskandtheWeatherMarket:FinancialRiskManagementwithWeatherHedges.London:RiskBooks, 2005:279-294.

[13]SyrokaJHU.Weather-basedInsuranceinSouthernAfrica:TheCaseofMalawiAgricultureandRuralDevelopmentDiscussion[R].Washington,D.C.:TheWorldBank,2005.

[14]CheMI,OliverM.PricingofTemperatureIndexInsurance[J].ReviewofDevelopmentFinance, 2012,2(1):22-31.

[15]DengXiaohui,BarnetBJ,VedenovetalDV.HedgingDairyProductionLossesUsingWeather-basedIndexInsurance[J].AgriculturalEconomics, 2007,36:271-280.

[16]DanielJC,MahulO,VermaN.IndexBasedCropInsuranceProductDesignandRatemaking[R].Washington,D.C.:TheWorldBank, 2012.

[17] 毛裕定,吳利紅,苗長明. 浙江省柑橘凍害天氣指數(shù)保險(xiǎn)參考設(shè)計(jì)[J]. 中國農(nóng)業(yè)氣象, 2007,28(2):226-230.

[18] 牛浩,陳盛偉. 玉米風(fēng)雨倒伏指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)研究——以山東省寧陽縣為例[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2015(12):27-62.

[19] 吳利紅,倪滬平. 柑橘凍害保險(xiǎn)氣象理賠指數(shù)設(shè)計(jì)[J]. 中國農(nóng)業(yè)科學(xué), 2010,42(4):1339-1347.

[20] 楊帆,劉布春. 氣候變化對(duì)東北玉米干旱指數(shù)保險(xiǎn)純費(fèi)率厘定的影響[J]. 中國農(nóng)業(yè)氣象, 2015 (3):346-355.

[21] 王春乙,張亞杰. 海南省芒果寒害天氣指數(shù)保險(xiǎn)費(fèi)率厘定及保險(xiǎn)合同設(shè)計(jì)研究[J]. 氣象與環(huán)境科學(xué), 2016,39(1):108-113.

[22] 楊太明,許瑩. 安徽省夏玉米干旱天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)及應(yīng)用[J]. 氣象, 2016(4):450-455.

[23] 楊太明,劉布春. 安徽省冬小麥種植保險(xiǎn)天氣指數(shù)設(shè)計(jì)與應(yīng)用[J]. 中國農(nóng)業(yè)氣象, 2013,34(2):229-235.

[24] 張萍. 農(nóng)業(yè)天氣指數(shù)保險(xiǎn)純費(fèi)率厘定的實(shí)證研究——以山東省冬小麥為例[J]. 保險(xiǎn)職業(yè)學(xué)院學(xué)報(bào), 2015(4):59-64.

[25] 張淑杰,張玉書. 東北地區(qū)玉米生育期干旱分布特征及其成因分析[J]. 中國農(nóng)業(yè)氣象, 2013(3):350-357.

[26] 王倩,曹杰,周兆基,等. 基于面板隨機(jī)效應(yīng)模型確定魯北三地棉花干旱指數(shù)保險(xiǎn)理賠金額[J]. 中國農(nóng)業(yè)氣象, 2014(3):293-298.

[27] 王韌,鄧超,譚留芳. 基于湖南省14地市面板數(shù)據(jù)的水稻天氣指數(shù)保險(xiǎn)設(shè)計(jì)[J]. 求索, 2015(1):69-73.