梁來存

（湖南師范大學(xué)商學(xué)院，湖南長沙410081）

據(jù)聯(lián)合國統(tǒng)計(jì)資料，上個(gè)世紀(jì)全世界54個(gè)最嚴(yán)重的自然災(zāi)害中，有8個(gè)發(fā)生在中國。糧食生產(chǎn)是生物性生產(chǎn)，更容易遭受自然災(zāi)害的影響。水資源、氣候條件已經(jīng)成為提升我國糧食綜合生產(chǎn)能力的重要制約因素之一[1]。而保險(xiǎn)可以在抗災(zāi)、減災(zāi)、災(zāi)后重建中起重要作用，能分散風(fēng)險(xiǎn)，穩(wěn)定生產(chǎn)，安定災(zāi)民。因此，發(fā)展糧食保險(xiǎn)是應(yīng)對(duì)自然災(zāi)害，特別是巨災(zāi)風(fēng)險(xiǎn)，以確保我國糧食安全，維護(hù)社會(huì)穩(wěn)定的重要舉措之一。

農(nóng)業(yè)保險(xiǎn)是WTO規(guī)則中的“綠箱”政策之一，我國正利用農(nóng)業(yè)保險(xiǎn)以提高農(nóng)業(yè)生產(chǎn)經(jīng)營水平和競爭力。近幾年來，對(duì)農(nóng)業(yè)保險(xiǎn)實(shí)施保費(fèi)補(bǔ)貼的試點(diǎn)是我國政府發(fā)展農(nóng)業(yè)保險(xiǎn)以確保農(nóng)業(yè)生產(chǎn)穩(wěn)定、農(nóng)民收入穩(wěn)步增長的一項(xiàng)重要舉措，取得了明顯成效。作為政策性農(nóng)業(yè)保險(xiǎn)的糧食巨災(zāi)保險(xiǎn)，政府的保費(fèi)補(bǔ)貼應(yīng)更多地傾向于糧食主產(chǎn)區(qū)，并且補(bǔ)貼額應(yīng)與主產(chǎn)區(qū)的風(fēng)險(xiǎn)水平、費(fèi)率水平相適應(yīng)，以使補(bǔ)貼科學(xué)、公平、合理，達(dá)到提高保費(fèi)補(bǔ)貼使用效率的目的。為此，很有必要根據(jù)主產(chǎn)區(qū)各地的巨災(zāi)風(fēng)險(xiǎn)水平厘定出相應(yīng)的巨災(zāi)保險(xiǎn)費(fèi)率，為政府保費(fèi)補(bǔ)貼政策等支農(nóng)政策的制定提供參考，為保障我國糧食巨災(zāi)保險(xiǎn)的健康發(fā)展提供技術(shù)支持。

1 基于GPD模型的糧食巨災(zāi)保險(xiǎn)純費(fèi)率厘定的方法

巨災(zāi)保險(xiǎn)純費(fèi)率的厘定方法有多種，這里按照期望損失法的思路，探討糧食巨災(zāi)保險(xiǎn)的純費(fèi)率厘定方法。

設(shè)農(nóng)民以糧食單產(chǎn)投保，保障程度為λ，投保年份的趨勢單產(chǎn)（可視為正常單產(chǎn)）為Yc，則該年的保障水平為λYc。如果糧食作物的單產(chǎn)損失超過了某一限度值μ，這時(shí)遭受的自然災(zāi)害稱為巨災(zāi)。糧食作物巨災(zāi)保險(xiǎn)的純費(fèi)率為巨災(zāi)損失的期望值與保障水平之比。設(shè)y為糧食作物的單產(chǎn)巨災(zāi)損失值，fμ（y）為巨災(zāi)損失的概率密度函數(shù)。令y-μ=x，則x稱為單產(chǎn)巨災(zāi)損失超出額，相應(yīng)地fμ（x）為超出損失密度函數(shù)，fμ（x）為超出損失分布函數(shù)。這時(shí)

可見，糧食巨災(zāi)保險(xiǎn)純費(fèi)率的厘定，需要解決如下問題：

1.1 數(shù)據(jù)厚尾性的診斷

由于GPD具有厚尾分布的特征，所以需要先對(duì)數(shù)據(jù)進(jìn)行厚尾性診斷。分布函數(shù)是厚尾分布，是指它比指數(shù)分布的尾部更厚。厚尾性診斷常用的方法有兩種：一是利用樣本經(jīng)驗(yàn)平均超出函數(shù)圖分析。若圖中的點(diǎn)構(gòu)成一條水平線，則分布是指數(shù)分布；若圖中的點(diǎn)呈現(xiàn)向上的趨勢，則分布是厚尾的；若圖中的點(diǎn)呈現(xiàn)向下的趨勢，則分布是薄尾的。二是利用指數(shù)QQ圖。若所有點(diǎn)分布在一條直線上，則意味著分布是指數(shù)分布；若點(diǎn)的分布出現(xiàn)凹偏離，則說明其具有厚尾；若出現(xiàn)凸偏離，則說明其具有薄尾。

1.2 分布函數(shù)fμ（x）的逼近——GPD

fμ（x）為門限值μ的超出損失函數(shù)，Pickands（1975）證明了在MDA條件下超額損失分布函數(shù)收斂于GPD[2]。這就是說，對(duì)于充分大的門限值μ，超出損失函數(shù)可以用GPD來近似。GPD，即廣義Pareto分布，實(shí)際中用得最多的是(形狀參數(shù)ξ和尺寸參數(shù)β)雙參數(shù)情形。

要擬合GPD，需要選取合適門限值μ，并在此基礎(chǔ)上估計(jì)未知參數(shù)ξ和β。

1.3 門限值μ的確定

門限值μ的確定非常關(guān)鍵，估計(jì)門限值μ可以利用樣本平均超出函數(shù)法，或者M(jìn)cNeil和Frey提出的正態(tài)近似方法[3]，Patie提出的峰度法[4]等。峰度法的內(nèi)容是：當(dāng)所觀測的樣本為厚尾分布時(shí)，其峰度系數(shù)值大于3，而正態(tài)分布的峰度系數(shù)等于3，故可每次將樣本中使得值最大的Xi從樣本中刪除，直到刪除后的樣本的峰度等于3。此時(shí)，余留下來的樣本呈正態(tài)分布，其最大值即可選作門限值，這正是厚尾分布與正態(tài)分布的相交點(diǎn)。

1.4 參數(shù)ξ、β的估計(jì)與檢驗(yàn)

按照V.Choulakian和M.S.Stephens的研究[5]，檢驗(yàn)GPD模型采用假設(shè)檢驗(yàn)的思想，其檢驗(yàn)方法是：

提出原假設(shè)H0：隨機(jī)樣本來自xi，x2，∧，xnGPD模型。并計(jì)算如下統(tǒng)計(jì)量：

其中Zi＝F（xn.i），xn.1，xn.2，∧，xn.n為x1，x2，∧xn的遞增順序統(tǒng)計(jì)量。

將W2、A2與GPD檢驗(yàn)值表中的臨界值相比較，以判斷是否通過檢驗(yàn)。

1.5 計(jì)算純費(fèi)率

根據(jù)經(jīng)檢驗(yàn)通過的ξ^、β^值，計(jì)算

代入純費(fèi)率計(jì)算式即可求得巨災(zāi)保險(xiǎn)的純費(fèi)率。

2 主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的純費(fèi)率厘定

2.1 糧食主產(chǎn)區(qū)的劃分

糧食主產(chǎn)區(qū)是指地理、土壤、氣候、技術(shù)等條件適合種植糧食作物、產(chǎn)量及商品率高并具備糧食外調(diào)優(yōu)勢的地區(qū)。主產(chǎn)區(qū)的劃分方法有兩種：一是打破省級(jí)行政區(qū)劃根據(jù)自然條件或經(jīng)濟(jì)條件劃分，二是按照行政區(qū)劃進(jìn)行劃分。在2004年《中共中央國務(wù)院關(guān)于促進(jìn)農(nóng)民增收若干政策意見》的文件中，按播種面積、糧食產(chǎn)量和提供的商品糧數(shù)量等為依據(jù)，基于中國行政區(qū)劃將河北、內(nèi)蒙古、遼寧、吉林、黑龍江、江蘇、安徽、江西、山東、河南、湖北、湖南、四川13個(gè)?。▍^(qū)）確定為糧食主產(chǎn)區(qū)。本研究采用這種糧食產(chǎn)主區(qū)劃分作為依據(jù)。

2.2 以糧食單產(chǎn)為保險(xiǎn)標(biāo)的，選擇一切險(xiǎn)保險(xiǎn)

農(nóng)作物保險(xiǎn)可分為單一險(xiǎn)和一切險(xiǎn)。單一險(xiǎn)是指以農(nóng)作物生長期間可能遭受的某種特定的致災(zāi)因子所造成的危害作為保險(xiǎn)責(zé)任。一切險(xiǎn)是以單產(chǎn)對(duì)投保農(nóng)民擔(dān)保，若實(shí)際單產(chǎn)低于擔(dān)保單產(chǎn)，保戶就會(huì)得到賠償。一切險(xiǎn)可以分為單一農(nóng)作物保險(xiǎn)和綜合農(nóng)作物保險(xiǎn)。所謂綜合農(nóng)作物保險(xiǎn)是指對(duì)農(nóng)作物不是按某一種類獨(dú)立投保，而是合在一起，只有在綜合的收獲量低于保險(xiǎn)保障的水平時(shí)，才給以賠付。

對(duì)于糧食保險(xiǎn)來說，由于多種自然風(fēng)險(xiǎn)對(duì)糧食安全的影響無法分離，因此宜選擇一切險(xiǎn)。限于篇幅，本研究選擇一切險(xiǎn)中的綜合糧食保險(xiǎn)。這里以?。▍^(qū)）為基本單位，主要因?yàn)楦魇。▍^(qū)）是糧食保險(xiǎn)的試點(diǎn)單位，中央財(cái)政的支農(nóng)保費(fèi)補(bǔ)貼是直接針對(duì)各?。▍^(qū)）劃撥的。

2.3 數(shù)據(jù)的搜集與災(zāi)損數(shù)據(jù)的取得

根據(jù)相應(yīng)年份的《中國統(tǒng)計(jì)年鑒》，可以搜集到各主產(chǎn)區(qū)1979-2009年各年按播種面積計(jì)算的實(shí)際單產(chǎn)數(shù)據(jù)（kg/hm2）。采用趨勢方程擬合法，取1979-2009年各年的t為1-31，根據(jù)各主產(chǎn)區(qū)各年的實(shí)際單產(chǎn)，對(duì)各主產(chǎn)區(qū)所擬合的趨勢方程列如表1所示。

表1 各主產(chǎn)區(qū)的糧食單產(chǎn)趨勢方程表

從表1看，只有吉林省的精度指標(biāo)MAPE值=11.78＞10，但考慮其擬合優(yōu)度=0.78，因此仍接受所擬合的趨勢方程。其它各?。▍^(qū)）的MAPE值均小于10，符合精度要求。

根據(jù)表1的趨勢方程可以計(jì)算出各?。▍^(qū)）各年的趨勢單產(chǎn)，可以假定趨勢單產(chǎn)即為正常單產(chǎn)。將實(shí)際單產(chǎn)與正常單產(chǎn)比較：如果實(shí)際單產(chǎn)大于或等于正常單產(chǎn)，則認(rèn)為該省（區(qū)）該年的糧食作物沒有遭受自然災(zāi)害；反之，如果實(shí)際單產(chǎn)小于正常單產(chǎn)，則認(rèn)為該省（區(qū)）該年的糧食作物遭受了自然災(zāi)害。所以，各?。▍^(qū)）各年的災(zāi)損數(shù)據(jù)可以由實(shí)際單產(chǎn)與正常單產(chǎn)的差求得：若差為正值，則剔除該年數(shù)據(jù)；若差為負(fù)值，則為災(zāi)損數(shù)據(jù)。

對(duì)于各?。▍^(qū)）的災(zāi)損數(shù)據(jù)，如果分?。▍^(qū)）計(jì)算純費(fèi)率，會(huì)存在災(zāi)損數(shù)據(jù)有限、無法得到較理想的災(zāi)損數(shù)據(jù)分布的問題。由于農(nóng)民以單產(chǎn)投保，在災(zāi)害影響下，單產(chǎn)的變化在各省（區(qū)）之間是可比的，因此，這里把13個(gè)糧食主產(chǎn)區(qū)的災(zāi)損數(shù)據(jù)作為一個(gè)整體進(jìn)行分析，這是合理的。

2.4 災(zāi)損數(shù)據(jù)厚尾性的判斷

對(duì)主產(chǎn)區(qū)糧食單產(chǎn)的災(zāi)損數(shù)據(jù)進(jìn)行描述性分析，結(jié)果列于表2中。

表2 糧食單產(chǎn)災(zāi)損數(shù)據(jù)的統(tǒng)計(jì)描述

表2表明，災(zāi)損數(shù)據(jù)的峰度系數(shù)為7.29，遠(yuǎn)遠(yuǎn)大于3，說明不能以正態(tài)分布描述其分布。偏度系數(shù)大于0，說明分布呈右偏態(tài)。作災(zāi)損數(shù)據(jù)的樣本平均超出函數(shù)圖和QQ圖，進(jìn)一步證實(shí)災(zāi)損數(shù)據(jù)分布的厚尾性。那么，門限值取多大時(shí)，災(zāi)損數(shù)據(jù)服從GPD呢？

2.5 門限值的確定、參數(shù)估計(jì)與GPD模型的檢驗(yàn)

對(duì)于災(zāi)損數(shù)據(jù)，利用樣本平均超出函數(shù)法、正態(tài)近似方法都難以選出門限值。這里采用峰度法，利用MATLAB R2010a的編程功能，可以得到門限值為497.65，大于該門限值的數(shù)據(jù)個(gè)數(shù)有18個(gè)，余留下來的樣本的峰度系數(shù)為2.93≈3。這時(shí)可以認(rèn)為門限值在497.65附近。

對(duì)于初選的門限值497.65及其附近的可能門限值，采用極大似然法得到GPD的參數(shù)估計(jì)值及其檢驗(yàn)結(jié)果（表3）。

表3 門限值及其參數(shù)估計(jì)與檢驗(yàn)表

表3表明，門限值μ應(yīng)當(dāng)取563.55，這就是說，當(dāng)糧食單產(chǎn)的平均損失達(dá)到563.55kg/hm2以上時(shí)，認(rèn)為糧食作物遭受了巨災(zāi)影響。當(dāng)μ=563.55時(shí)，以最大似然法估計(jì)巨災(zāi)損失的超出損失的 GPD 的分布參數(shù)=-0.3520，=442.4139。

2.6 各主產(chǎn)區(qū)巨災(zāi)保險(xiǎn)的純費(fèi)率厘定

根據(jù)上述得到的超出損失的GPD參數(shù)估計(jì)值，計(jì)算單產(chǎn)巨災(zāi)損失超出額的數(shù)學(xué)期望E（x）=327.23(kg/hm2)，則單產(chǎn)巨災(zāi)損失的數(shù)學(xué)期望 E（y）=E（x）+μ=327.23+563.55=890.78(kg/hm2)。

各地風(fēng)險(xiǎn)水平不一，要計(jì)算各省（區(qū)）的單產(chǎn)巨災(zāi)損失的數(shù)學(xué)期望，還需要對(duì)E（y）進(jìn)行調(diào)整，調(diào)整的依據(jù)為糧食主產(chǎn)區(qū)各?。▍^(qū)）的風(fēng)險(xiǎn)水平及政策取向。

關(guān)于糧食主產(chǎn)區(qū)各省（區(qū)）的風(fēng)險(xiǎn)水平，這里采用邢鸝、鐘甫寧（2006）關(guān)于糧食生產(chǎn)的風(fēng)險(xiǎn)區(qū)劃研究成果（表4）[6]。

表4 主產(chǎn)區(qū)各?。▍^(qū)）糧食作物自然風(fēng)險(xiǎn)影響的分區(qū)結(jié)果

以風(fēng)險(xiǎn)系數(shù)K進(jìn)行調(diào)整，各?。▍^(qū)）風(fēng)險(xiǎn)系數(shù)值與該地區(qū)的風(fēng)險(xiǎn)等級(jí)、政府的政策取向等因素有關(guān)，這里假設(shè)低風(fēng)險(xiǎn)區(qū)的風(fēng)險(xiǎn)系數(shù)為1.0，較高風(fēng)險(xiǎn)區(qū)為1.4，高風(fēng)險(xiǎn)區(qū)為1.8，如表5第（1）列。調(diào)整后的各?。▍^(qū)）單產(chǎn)巨災(zāi)損失的數(shù)學(xué)期望將趨近于各地實(shí)際。

故各?。▍^(qū)）糧食巨災(zāi)保險(xiǎn)的純費(fèi)率為

如果要計(jì)算2010年的巨災(zāi)保險(xiǎn)的純費(fèi)率，則將t=32代入表1得到Y(jié)c值，如表5第（2）列。計(jì)算各主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的純費(fèi)率列于表 5第（3）、（4）列中。

表5 主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的純費(fèi)率

2.7 實(shí)證結(jié)果的分析

（1）主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的純費(fèi)率較高。從13個(gè)主產(chǎn)區(qū)純費(fèi)率的平均水平來看，當(dāng)保障程度為90%時(shí)，平均純費(fèi)率為24.22%；當(dāng)保障程度為100%時(shí)，平均純費(fèi)率為21.80%。這反映了主產(chǎn)區(qū)糧食生產(chǎn)面臨的巨災(zāi)風(fēng)險(xiǎn)較大。

（2）各主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的純費(fèi)率差異明顯。以保障程度90%為例，黑龍江、內(nèi)蒙古的純費(fèi)率很高，分別達(dá)到了38.71%、34.18%，面臨的巨災(zāi)風(fēng)險(xiǎn)很大。而湖南、江蘇分別為17.30%、16.27%。各主產(chǎn)區(qū)費(fèi)率的差異與我國自然災(zāi)害的實(shí)際狀況是一致的。從近些年來看，這些費(fèi)率高的主產(chǎn)區(qū)發(fā)生干旱、洪災(zāi)的頻數(shù)更多，對(duì)糧食生產(chǎn)的影響更嚴(yán)重。

（3）巨災(zāi)保險(xiǎn)的純費(fèi)率呈明顯的北方高、南方低的區(qū)域分布特征。這與我國自然災(zāi)害的實(shí)際狀況是一致的。以黃河流域?yàn)榉纸缇€，當(dāng)保障程度為90%時(shí)，北方主產(chǎn)區(qū)的平均純費(fèi)率為28.86%，而南方為18.80%。究其原因，北方地區(qū)水資源的嚴(yán)重不足成了制約其區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展的重要因素，尤其是近些年北方連年干旱，已經(jīng)嚴(yán)重影響到糧食生產(chǎn)。

3 拓展主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的政策建議

3.1 政府應(yīng)加大主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的扶持力度

2009年，主產(chǎn)區(qū)的糧食產(chǎn)量占全國糧食總產(chǎn)量的76.5%，主產(chǎn)區(qū)對(duì)于國家糧食安全具有特別重要的意義。鑒于主產(chǎn)區(qū)的重要地位，加之巨災(zāi)保險(xiǎn)的純費(fèi)率較高，政府對(duì)主產(chǎn)區(qū)的糧食巨災(zāi)保險(xiǎn)有必要“特殊照顧”。一是要制定《農(nóng)業(yè)保險(xiǎn)法》，通過立法確定政府在糧食巨災(zāi)保險(xiǎn)中的主導(dǎo)地位，并明確主產(chǎn)區(qū)的糧食巨災(zāi)保險(xiǎn)為強(qiáng)制保險(xiǎn)。二是加強(qiáng)對(duì)主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的財(cái)政、稅收支持。由于巨災(zāi)保險(xiǎn)的費(fèi)率較高，各級(jí)政府應(yīng)當(dāng)對(duì)本來收入不高、并且不愿意購買保險(xiǎn)的農(nóng)民進(jìn)行保費(fèi)補(bǔ)貼，對(duì)經(jīng)營糧食巨災(zāi)保險(xiǎn)的保險(xiǎn)公司實(shí)行業(yè)務(wù)費(fèi)用補(bǔ)貼和稅收優(yōu)惠。三是以政府為主導(dǎo)建立糧食巨災(zāi)風(fēng)險(xiǎn)分散體系。首先要構(gòu)建與完善糧食巨災(zāi)再保險(xiǎn)制度。由政府組建或支持的保險(xiǎn)公司經(jīng)營再保險(xiǎn)業(yè)務(wù)，針對(duì)不同糧食作物的保險(xiǎn)業(yè)務(wù)進(jìn)行風(fēng)險(xiǎn)分析，采取恰當(dāng)?shù)脑俦ｋU(xiǎn)方式確定自留額和分保額并對(duì)分入分出業(yè)務(wù)及承擔(dān)責(zé)任做出明確規(guī)定。其次要建立糧食巨災(zāi)專項(xiàng)基金組織?；饋碓粗饕钦呢?cái)政補(bǔ)貼額、巨災(zāi)救濟(jì)款以及農(nóng)戶提交的年度保費(fèi)中提取的一定比例。巨災(zāi)發(fā)生后可從中提取用于補(bǔ)償農(nóng)戶和保險(xiǎn)公司，既可緩解政府的財(cái)政壓力，又可分散風(fēng)險(xiǎn)。再次是開展糧食巨災(zāi)保險(xiǎn)風(fēng)險(xiǎn)證券化。通過巨災(zāi)保險(xiǎn)期貨、期權(quán)、債券、巨災(zāi)互換等證券化手段分散巨災(zāi)風(fēng)險(xiǎn)，并建立相應(yīng)的法律法規(guī)及配套制度規(guī)范資本市場分散風(fēng)險(xiǎn)的操作。

3.2 對(duì)不同主產(chǎn)區(qū)的糧食保險(xiǎn)給予有區(qū)別的保費(fèi)補(bǔ)貼

目前，我國政府對(duì)試點(diǎn)?。▍^(qū)）實(shí)施的保費(fèi)補(bǔ)貼政策是政府支農(nóng)的一項(xiàng)重要舉措，達(dá)到了推動(dòng)農(nóng)業(yè)保險(xiǎn)發(fā)展的較好效果。對(duì)于不同主產(chǎn)區(qū)的糧食巨災(zāi)保險(xiǎn)，政府的保費(fèi)補(bǔ)貼應(yīng)當(dāng)按費(fèi)率大小區(qū)別對(duì)待，即高費(fèi)率主產(chǎn)區(qū)補(bǔ)貼應(yīng)多，低費(fèi)率的補(bǔ)貼應(yīng)少。這樣，既有利于擴(kuò)大投保面，分散巨災(zāi)風(fēng)險(xiǎn)，放大保費(fèi)補(bǔ)貼政策的效果，又能確保對(duì)各主產(chǎn)區(qū)保費(fèi)補(bǔ)貼的科學(xué)性、公平性。

3.3 加大對(duì)北方主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)的政策扶持力度

從2009年的資料看，黃河以北的黑龍江、吉林、遼寧、內(nèi)蒙古、河北、山東、河南這些主產(chǎn)區(qū)的糧食產(chǎn)量占13個(gè)主產(chǎn)區(qū)糧食總產(chǎn)量的58%，且其中河南、山東、黑龍江是產(chǎn)糧最多的三個(gè)?。欢硪环矫?，北方主產(chǎn)區(qū)的巨災(zāi)保險(xiǎn)純費(fèi)率遠(yuǎn)高于南方主產(chǎn)區(qū)，這說明北方主產(chǎn)區(qū)發(fā)生巨災(zāi)的概率更大，農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)更落后，抵御巨災(zāi)風(fēng)險(xiǎn)的能力更弱。所以，中央政府應(yīng)當(dāng)更加重視北方主產(chǎn)區(qū)糧食生產(chǎn)面臨的巨災(zāi)風(fēng)險(xiǎn)，對(duì)糧食巨災(zāi)保險(xiǎn)的財(cái)政、稅收支持力度應(yīng)當(dāng)更大，以極力拓展北方主產(chǎn)區(qū)糧食巨災(zāi)保險(xiǎn)業(yè)務(wù)，穩(wěn)定農(nóng)民的種糧積極性，確保國家糧食安全和社會(huì)穩(wěn)定。

[1] 夏顯力,甘奇慧,黨夏寧,等.我國糧食綜合生產(chǎn)能力提升的制約因素及技術(shù)措施和保障機(jī)制[J].農(nóng)業(yè)現(xiàn)代化研究,2010,31(5):513-518.

[2] Pickands,J.Statistical inference using extreme order statistics[M].AnnualsofStatistics.1975（3）:119-131.

[3] Mcneil,A.J.and Frey,R.Estimation of tail-related riskmeasures for heteroscedastic financial time series:an extreme value approach[J].JournalofEmpirical Finance,2000（7）:271-300.

[4] Patie P.Estimation ofvalueatrisk usingextremevalue theory[EB/OL].http://math.ethz.ch/～patie/VaREvT.pdf.2000.

[5] Choulakian V.and Stephens M.A.Goodness-of-fit tests for the generalized Paretodistribution.Technometrics,2001，43(4):478-484.

[6] 邢 鸝,鐘甫寧.糧食生產(chǎn)與風(fēng)險(xiǎn)區(qū)劃研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2006(1):19-23.