王曉園，蔣經(jīng)農(nóng)

(遵義醫(yī)學(xué)院醫(yī)學(xué)信息工程系，貴州遵義 563003)

近年來(lái)農(nóng)業(yè)保險(xiǎn)越來(lái)越受到人們的關(guān)注。農(nóng)業(yè)經(jīng)營(yíng)者投保農(nóng)業(yè)保險(xiǎn)最大益處是在任何情況下都能保證農(nóng)業(yè)生產(chǎn)的收支平衡［1］。其主要是根據(jù)農(nóng)作物單位面積產(chǎn)量，把農(nóng)業(yè)生產(chǎn)中不可預(yù)期損失轉(zhuǎn)化為較低水平的保費(fèi)［2］。農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)主要是因惡劣天氣、病蟲(chóng)害等相關(guān)不利因素影響而造成的經(jīng)濟(jì)損失。農(nóng)業(yè)保險(xiǎn)發(fā)展緩慢最主要的原因是缺乏相關(guān)長(zhǎng)期統(tǒng)計(jì)數(shù)據(jù)和精確估計(jì)公平保費(fèi)的模型與方法。通常保險(xiǎn)公司收到的總保費(fèi)少于總賠償金，這將造成保險(xiǎn)公司巨大的經(jīng)濟(jì)損失，因此保險(xiǎn)公司承保農(nóng)業(yè)保險(xiǎn)存在巨大風(fēng)險(xiǎn)。通常在發(fā)達(dá)國(guó)家這部分損失由政府補(bǔ)償，這是許多國(guó)家農(nóng)業(yè)保險(xiǎn)發(fā)展緩慢，甚至許多保險(xiǎn)公司不愿承保農(nóng)業(yè)保險(xiǎn)最主要的原因［3］。

基于農(nóng)作物產(chǎn)量受空間時(shí)間分布影響的特點(diǎn)，采用分層貝葉斯方法［4－5］構(gòu)造空間時(shí)間線性分層混合相依模型。分層模型擁有分析縱向數(shù)據(jù)的自然優(yōu)勢(shì)，其核心是在模型中引入隨機(jī)效應(yīng)來(lái)體現(xiàn)“目標(biāo)”組內(nèi)數(shù)據(jù)的相關(guān)性和不同“目標(biāo)”組間的異質(zhì)性?？梢园艳r(nóng)作物產(chǎn)量數(shù)據(jù)視為分層數(shù)據(jù)，利用分層模型進(jìn)行分析，這樣不但體現(xiàn)了同一年內(nèi)農(nóng)作物單位面積產(chǎn)量數(shù)據(jù)的縱向特征，以反映組內(nèi)數(shù)據(jù)的相關(guān)性，也考慮了不同年份由未觀測(cè)到的特征所引起的異質(zhì)性，能更準(zhǔn)確預(yù)測(cè)期末農(nóng)作物單位面積產(chǎn)量，為更精確估計(jì)公平合理的個(gè)體農(nóng)業(yè)保費(fèi)提供依據(jù)。

1 補(bǔ)償金模型

假設(shè)農(nóng)業(yè)經(jīng)營(yíng)者在保險(xiǎn)期末單位面積的實(shí)際產(chǎn)量低于單位面積的承保產(chǎn)量時(shí)就會(huì)獲得補(bǔ)償金。這種農(nóng)業(yè)保險(xiǎn)被稱為個(gè)體農(nóng)業(yè)保險(xiǎn)，表達(dá)式如下［6］:

式中:φi是一個(gè)可調(diào)節(jié)系數(shù)(0＜φi＜1);yci表示承保產(chǎn)量;yi表示實(shí)際產(chǎn)量。在農(nóng)業(yè)保險(xiǎn)合同中農(nóng)業(yè)經(jīng)營(yíng)者可以自主選擇一個(gè)承保等級(jí)αi(0≤αi≤1)。單位面積的承保產(chǎn)量表示第i個(gè)生產(chǎn)區(qū)域農(nóng)作物單位面積產(chǎn)量的期望值。

2 分層線性混合相依模型構(gòu)造

研究大量不同區(qū)域農(nóng)作物單位面積產(chǎn)量的統(tǒng)計(jì)數(shù)據(jù)，可知其呈現(xiàn)以下特點(diǎn):趨向性;自回歸效應(yīng)［7］;異方差性［8］。單位面積產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)的異方差性呈現(xiàn)地域性特點(diǎn)，如平原地區(qū)農(nóng)業(yè)機(jī)械化程度相對(duì)較高，發(fā)達(dá)地區(qū)農(nóng)業(yè)生產(chǎn)新技術(shù)、新設(shè)施設(shè)備應(yīng)用較廣;同時(shí)存在廣泛相依性，如某區(qū)域內(nèi)某種農(nóng)作物發(fā)生某種病蟲(chóng)害，鄰近區(qū)域會(huì)受到一定程度影響，這種相依性為構(gòu)建空間時(shí)間相依模型奠定了基礎(chǔ)。

通常，農(nóng)作物產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)的趨向性由空間時(shí)間混合模型模擬［9－10］，時(shí)間參數(shù) T通常被中心化以提高 MCMC 算法［11－12］的收斂速度，T*=而不同區(qū)域間基礎(chǔ)設(shè)施水平差異和新科學(xué)技術(shù)推廣程度以及一些更合理、有效的新方法應(yīng)用使得不同區(qū)域單位面積產(chǎn)量數(shù)據(jù)呈現(xiàn)異方差性，這種異方差性主要由空間異方差參數(shù)vi模擬，vi服從Gamma分布。

3種分層線性模型(hierarchical linear models，HLM)［13－14］構(gòu)造如下:

1)含隨機(jī)截距項(xiàng)的一元正態(tài)HLM。

2)含隨機(jī)截距、隨機(jī)斜率項(xiàng)的一元正態(tài)HLM

其中mean［］，prec［，］為常量。

3 實(shí)例分析

對(duì)3個(gè)模型實(shí)例(表1～4)模擬結(jié)果(圖1～3)比較分析得出以下結(jié)論:模型1估計(jì)各量的均值較小，方差較大，估計(jì)結(jié)果較粗略;模型2估計(jì)各量的均值相對(duì)較大，方差較小，估計(jì)結(jié)果較穩(wěn)定;模型3估計(jì)各量的均值相對(duì)較大，和模型2估計(jì)各量的均值相比相差不大，但模型3估計(jì)各量的方差比模型2估計(jì)各量的方差稍小，估計(jì)結(jié)果較準(zhǔn)確。據(jù)此可利用模型3的估計(jì)結(jié)果做進(jìn)一步分析。

保險(xiǎn)公司依據(jù)Y的后驗(yàn)預(yù)測(cè)描述性統(tǒng)計(jì)量，由純保費(fèi)計(jì)算原理(即期末損失的均值為零)，通過(guò)式(1)可估計(jì)出φi的精確值。

表1 5個(gè)不同省份各年單位面積谷物的產(chǎn)量 kg/hm2

表2 模型1對(duì)2013年各省單位面積谷物的預(yù)期產(chǎn)量(kg/hm2)及sigma的估計(jì)

圖1 模型1中2013年各省單位面積谷物的預(yù)期產(chǎn)量及sigma的核密度和自相關(guān)函數(shù)

表3 模型2對(duì)2013年各省單位面積谷物的預(yù)期產(chǎn)量(kg/hm2)及sigma的估計(jì)

圖2 模型2中2013年各省單位面積谷物的預(yù)期產(chǎn)量及sigma的核密度和自相關(guān)函數(shù)

表4 模型3對(duì)2013年各省單位面積谷物的預(yù)期產(chǎn)量(kg/hm2)及sigma的估計(jì)

圖3 模型3中2013年各省單位面積谷物的預(yù)期產(chǎn)量及sigma的核密度和自相關(guān)函數(shù)

4 結(jié)束語(yǔ)

本文基于農(nóng)作物單位面積產(chǎn)量數(shù)據(jù)的縱向特征，考慮數(shù)據(jù)序列內(nèi)的相依性構(gòu)造了預(yù)測(cè)單位面積產(chǎn)量的時(shí)間空間相依模型，其中單位面積產(chǎn)量的均值由空間時(shí)間混合相依模型模擬。同時(shí)考慮不同區(qū)域農(nóng)作物單位面積產(chǎn)量的差異性，即考慮受空間分量對(duì)方差的影響，沒(méi)有考慮單位面積產(chǎn)量隨時(shí)間變化引起的異方差性(通常在短期內(nèi)這種差異較小)，但考慮到估計(jì)的精確性仍需對(duì)異方差性做進(jìn)一步研究。同時(shí)，還可以利用其他一些與農(nóng)業(yè)生產(chǎn)相關(guān)的信息(如地理信息、氣象信息、病蟲(chóng)害歷史數(shù)據(jù)等)建立更完善的農(nóng)業(yè)保險(xiǎn)模型。此外還需進(jìn)一步研究與農(nóng)作物單位面積產(chǎn)量相關(guān)統(tǒng)計(jì)量的分布類型，以提高預(yù)測(cè)的精確性。

［1］Makov U E.Principal Applications of Bayesian Methods in Acturaial Science:A Perspective，(with discussion)［J］.North American Actuarial Journal，2001，5(4):53－73.

［2］吳嵐.風(fēng)險(xiǎn)理論［M］.北京:中國(guó)財(cái)政經(jīng)濟(jì)出版社，2006:29－30.

［3］Ruiz-Cardenas R，Ozaki V A.A Proposal to Pricing Area Yield Crop Insurance Contracts Using Spatio-Temporal Bayesian Dynamic Models［J］.Empir Econ ，2009，34:1－4.

［4］Gómez-Déniz E ，Vázquez-Polo J F J，Pérez M.A Note on Computing Bonus-Malus InsurancePremiums Using a Hierarchical Bayesian Framework［J］.Sociedad de Estadística e Investigación Operativa Test，2006，15(2):345－359.

［5］吳永，王曉園.貝葉斯方法估計(jì)極端損失再保險(xiǎn)純保費(fèi)［J］.重慶理工大學(xué)學(xué)報(bào):自然科學(xué)版，2011(4):106－111.

［6］Paramjit S G.Bayesian Analysis of Dyadic Data［J］.NORTH AMERICAN ACTUARIAL JOURNAL，2005，17:1－24.

［7］師義民.數(shù)理統(tǒng)計(jì)［M］.3版.北京，科學(xué)出版社，2009:190－214.

［8］Vitor A O.princing farmer-lever agricultural insurance a Bayesian approach［J］.Empir Econ，2009，36:231－242.

［9］傅軍.基于先驗(yàn)信息的貝葉斯統(tǒng)計(jì)檢驗(yàn)和經(jīng)典統(tǒng)計(jì)檢驗(yàn)的比較［J］.統(tǒng)計(jì)決策，2008(2):155－156.

［10］Pinheiro J C，Bates D C.Mixed-effects models in s and splus［M］.New York:Springer-Verlag，2000.

［11］David P M.Actuarial Modeling with MCMC and BUGS［J］.North American Actuarial Journal，2000，22:96－125.

［12］Yong Wu，Xiaoyuan Wang，Na Liu.Monte Carlo method with application in Automobile Insurance［EB/OL］.［2005－05－05］.http:E-Business and Government(ICEE)2011 Internation Conference.

［13］Raudenbush S W.Hierarchical linear models applications and data analysis method［M］.SAGE Publications:Second Edition，2002.

［14］Gelman A.Data analysis using regression and multilevel/hierarchical models［M］.New York:Cambrige University Press，2007.