郭際 施貝貝 徐凱迪

摘要：在江蘇省單季稻生育過程中，高溫?zé)岷σ约暗蜏乩浜渭镜镜墓酀{結(jié)實(shí)有顯著影響。建立了夏季高溫?zé)岷χ笖?shù)以及秋季低溫冷害指數(shù)，構(gòu)建了天氣產(chǎn)量以及單季稻減產(chǎn)率的計(jì)算公式;將1999—2015年關(guān)鍵月份逐日最高、最低以及平均氣溫進(jìn)行篩選后代入氣溫災(zāi)害指數(shù)中，定量分析單季稻的氣溫指數(shù)與減產(chǎn)率之間的關(guān)系，確定水稻的天氣保險(xiǎn)指數(shù)。將氣溫災(zāi)害指數(shù)代入相關(guān)模型可得到當(dāng)年的減產(chǎn)率并判定是否賠付，然后再運(yùn)用燃燒定價(jià)法厘定江蘇省各市在四級免賠額下的保險(xiǎn)純費(fèi)率，根據(jù)計(jì)算結(jié)果將江蘇省進(jìn)行風(fēng)險(xiǎn)分區(qū)。本研究思路可為農(nóng)產(chǎn)品氣象保險(xiǎn)產(chǎn)品的設(shè)計(jì)提供思路，實(shí)證結(jié)果可為江蘇省單季稻氣溫指數(shù)保險(xiǎn)產(chǎn)品的設(shè)計(jì)提供參考。

關(guān)鍵詞：單季稻;高溫?zé)岷?低溫冷害;災(zāi)害指數(shù);農(nóng)業(yè)氣象指數(shù)保險(xiǎn);風(fēng)險(xiǎn)區(qū)劃;費(fèi)率厘定;江蘇省;氣溫指數(shù)保險(xiǎn)產(chǎn)品

中圖分類號： S42;F840.66 ?文獻(xiàn)標(biāo)志碼： A ?文章編號：1002-1302（2019）02-0312-05

我國地處北半球中緯度地區(qū)，氣象條件復(fù)雜多樣，氣象災(zāi)害頻發(fā)。近30年來，我國1/3的農(nóng)業(yè)耕地面積受到“倒春寒”、旱澇災(zāi)害、寒露風(fēng)、霜凍低溫等氣象災(zāi)害的影響，經(jīng)濟(jì)損失不容小覷。如何利用農(nóng)產(chǎn)品氣象保險(xiǎn)規(guī)避損失，保障農(nóng)民收入，成為政府部門、學(xué)界和民眾普遍關(guān)心的熱點(diǎn)和難點(diǎn)問題。“蘇湖熟，天下足?！苯K省稻作歷史悠久，是我國南方播種粳稻面積最大的省份，而江蘇省的粳稻以單季稻為主[1]。單季稻在生長期內(nèi)非常容易受到異常氣溫的影響，開花期間，日最高氣溫大于35 ℃若超過2 d，空癟不實(shí)率可達(dá)到25%[2]。單季稻在孕穗、抽穗揚(yáng)花期若遭遇5 ℃以上的高溫，便會導(dǎo)致光合作用急劇減弱、蒸騰作用加劇，導(dǎo)致花兒不實(shí)、空殼率增加[3]。單季稻在灌漿和成熟期，若遇秋季的低溫冷害會延遲成熟，花粉無法受精。20世紀(jì)90年代以來江蘇省低溫冷害發(fā)生的頻次增加，多個(gè)城市在8、9月出現(xiàn)平均氣溫連續(xù)3 d以上低于20 ℃的低溫冷害，使正處于抽穗灌漿期的水稻空秕率增大。因此，厘清江蘇省高溫?zé)岷σ约暗蜏乩浜Πl(fā)生的風(fēng)險(xiǎn)、利用天氣指數(shù)保險(xiǎn)保障稻農(nóng)的收益值得深入研究。

天氣指數(shù)保險(xiǎn)的賠付是依據(jù)天氣指數(shù)的參數(shù)值確定的，賠償金額是基于損失分布的預(yù)估，一旦天氣指數(shù)的參數(shù)達(dá)到觸發(fā)值（如累積降雨量低于某一閾值），保險(xiǎn)公司的所有保單持有人都會收到賠付[4]。農(nóng)業(yè)氣象指數(shù)保險(xiǎn)可以避免傳統(tǒng)保險(xiǎn)中的不對稱信息和高交易成本等問題的困擾，將氣象災(zāi)害的風(fēng)險(xiǎn)轉(zhuǎn)移給保險(xiǎn)公司，具有很好的推廣價(jià)值。但目前還未見到專門針對江蘇省單季稻的氣象保險(xiǎn)產(chǎn)品。因此，本研究因地制宜設(shè)計(jì)單季稻天氣指數(shù)，有助于有效轉(zhuǎn)移農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)，減少農(nóng)戶損失。

1 國內(nèi)外研究進(jìn)展

國外學(xué)者重視天氣指數(shù)保險(xiǎn)設(shè)計(jì)的理論和方法研究。例如，Skees等設(shè)計(jì)了保險(xiǎn)賠付的計(jì)算方法，將觸發(fā)指數(shù)與氣象指數(shù)的差與觸發(fā)指數(shù)下限相除，就能確定相應(yīng)的費(fèi)率[5]。Zanini等運(yùn)用不同的統(tǒng)計(jì)模型，對不同區(qū)域26個(gè)農(nóng)場的大豆玉米的去趨勢單產(chǎn)進(jìn)行擬合，厘定不同區(qū)域的純費(fèi)率[6]。Turvey等剔除了影響農(nóng)作物產(chǎn)量的海拔、經(jīng)緯度等因素，只考慮對加拿大葡萄產(chǎn)量有主要影響的天氣指數(shù)，使用蒙特卡羅模型估計(jì)了葡萄的保險(xiǎn)費(fèi)率[7]。Clarke等利用貝葉斯模型完成了天氣指數(shù)保險(xiǎn)產(chǎn)品組合的設(shè)計(jì)和定價(jià)，提高了模型的準(zhǔn)確性[8]。Norton等發(fā)現(xiàn)，區(qū)域的時(shí)空特征會影響天氣指數(shù)的準(zhǔn)確性，導(dǎo)致基差風(fēng)險(xiǎn)增大等[9]。Miranda等設(shè)計(jì)了新型的保險(xiǎn)合同，將一份天氣指數(shù)保險(xiǎn)合同分割成等量多份，每份標(biāo)準(zhǔn)單位保險(xiǎn)費(fèi)率賠付時(shí)間都是一致的，農(nóng)戶可以根據(jù)農(nóng)作物的面積自由選擇購買的份數(shù)[10]。

國內(nèi)學(xué)者主要研究連陰雨、干旱、熱害、冷害、強(qiáng)風(fēng)等單個(gè)或綜合氣象災(zāi)害因子對單產(chǎn)的影響，并因地制宜地設(shè)計(jì)不同種類的天氣指數(shù)保險(xiǎn)產(chǎn)品。如王克等利用新疆3個(gè)縣（市、區(qū)）的棉花單產(chǎn)數(shù)據(jù)擬合不同分布模型，得到不同的保險(xiǎn)費(fèi)率，認(rèn)為選擇最優(yōu)的單產(chǎn)風(fēng)險(xiǎn)分布模型才能厘定相對準(zhǔn)確的純費(fèi)率[11]。吳利紅等綜合考慮眾多氣候因子，建立水稻減產(chǎn)率模型，設(shè)計(jì)3個(gè)風(fēng)險(xiǎn)區(qū)域在不同免賠額下的保費(fèi)[12]。路平通過面板數(shù)據(jù)建模得到天氣指數(shù)與糧食產(chǎn)量的關(guān)系，求得災(zāi)損率的概率分布后設(shè)計(jì)糧食氣象指數(shù)保險(xiǎn)合同[13]。周軍偉確定低溫凍害為山東省蘋果主要?dú)庀鬄?zāi)害，設(shè)計(jì)合理的冷害指數(shù)，分離出營養(yǎng)產(chǎn)量、趨勢產(chǎn)量，確定山東省棲霞市歷年單產(chǎn)與低溫凍害指數(shù)的線性關(guān)系，最后進(jìn)行風(fēng)險(xiǎn)區(qū)劃與費(fèi)率厘定[14]。參考以上研究，本研究也厘定了不同免費(fèi)額下的純費(fèi)率，然后劃分不同的氣象災(zāi)害風(fēng)險(xiǎn)區(qū)域。

從天氣指數(shù)保險(xiǎn)的實(shí)踐來看，國外的險(xiǎn)種豐富，投保人數(shù)多，市場化程度較高。如泰國的咖啡降雨量保險(xiǎn)、盧旺達(dá)的西紅柿天氣指數(shù)保險(xiǎn)、埃塞俄比亞的糧食降雨量指數(shù)保險(xiǎn)、加拿大的牧草指數(shù)保險(xiǎn)等。上海于2007年推出首個(gè)農(nóng)業(yè)天氣指數(shù)保險(xiǎn)——西瓜梅雨指數(shù)保險(xiǎn)之后，其他省份紛紛開始推廣天氣指數(shù)保險(xiǎn)。如2008年安徽省開發(fā)了農(nóng)村脆弱地區(qū)的水稻干旱洪澇天氣指數(shù)保險(xiǎn);2009年陜西省開展了蘋果氣象指數(shù)保險(xiǎn);福建省于2010年試點(diǎn)推出了臺風(fēng)災(zāi)害氣象指數(shù)保險(xiǎn);2016年保險(xiǎn)公司推出了可通過支付寶平臺購買的“農(nóng)作物風(fēng)力指數(shù)保險(xiǎn)”等。但總體來看，由于我國的氣象指數(shù)保險(xiǎn)模型大多借鑒國外，在實(shí)際應(yīng)用時(shí)存在基差風(fēng)險(xiǎn)問題，所以須要因地制宜進(jìn)行調(diào)整。江蘇省作為全國產(chǎn)糧大省，還未推廣應(yīng)用農(nóng)業(yè)天氣指數(shù)保險(xiǎn)，更未見到針對水稻的氣溫災(zāi)害天氣指數(shù)保險(xiǎn)。因此，本試驗(yàn)建立了夏季高溫?zé)岷χ笖?shù)以及秋季低溫冷害指數(shù)，定量分析單季稻的氣溫指數(shù)與減產(chǎn)率之間的關(guān)系，構(gòu)建單季稻的天氣保險(xiǎn)指數(shù)，既豐富了天氣保險(xiǎn)指數(shù)的理論研究，也為江蘇省天氣保險(xiǎn)指數(shù)的實(shí)踐應(yīng)用提供參考。

2 研究數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

氣象資料主要包括江蘇省8個(gè)氣象站點(diǎn)1999—2015年的逐日最低氣溫、逐日最高氣溫以及逐日平均氣溫，數(shù)據(jù)來自國家氣象信息中心以及南京信息工程大學(xué)氣象臺。單季稻總產(chǎn)量以及面積資料來源于江蘇省各地級市的統(tǒng)計(jì)年鑒。

2.2 確定氣象產(chǎn)量及減產(chǎn)率

3 結(jié)果與分析

3.1 回歸分析

將逐年的減產(chǎn)率作為因變量，高溫?zé)岷Α⒌蜏乩浜?個(gè)氣象災(zāi)害指數(shù)作為自變量，建立江蘇省各地市單季稻減產(chǎn)率與氣溫指數(shù)的回歸模型。利用SPSS進(jìn)行逐步回歸，8個(gè)城市的回歸模型在整體上顯著（P值<5%）。氣溫指數(shù)對江蘇省單季稻產(chǎn)量的影響在10%的置信水平下顯著。各個(gè)地市的回歸相關(guān)系數(shù)以及相關(guān)指數(shù)的P值如表1所示。在連云港、南京和南通等地，低溫冷害以及高溫?zé)岷︼@著影響單季稻產(chǎn)量;8個(gè)城市的單季稻產(chǎn)量都受到低溫冷害的影響;連云港、南京、南通和無錫的單季稻減產(chǎn)率還受到高溫?zé)岷Φ挠绊憽?/p>

3.2 各級免賠額下江蘇省各地市純保險(xiǎn)費(fèi)率分析

為更完整地計(jì)算江蘇省各地市的純保險(xiǎn)費(fèi)率，分別計(jì)算免賠額為2.5%、5%、7.5%、10%時(shí)的純費(fèi)率。根據(jù)回歸結(jié)果以及江蘇省單季稻生產(chǎn)實(shí)際，將安全系數(shù)定為20%，利潤率為5%，營業(yè)費(fèi)用系數(shù)為15%，則毛保險(xiǎn)費(fèi)率=純費(fèi)率×1.45[25]。運(yùn)用Kriging插值法，用ArcGis軟件作圖，更直觀地描繪全省各地市在不同免賠額下的純保險(xiǎn)費(fèi)率的分級，進(jìn)而劃分不同風(fēng)險(xiǎn)區(qū)域（這里以江蘇省的南京和蘇州等其他7個(gè)地級市的數(shù)據(jù)為基礎(chǔ)，對泰州、宿遷、淮安、揚(yáng)州、鎮(zhèn)江5個(gè)地市作插值推算）。

在2.5%的免賠額下，全省的單季稻保險(xiǎn)純費(fèi)率在 1.902%～6.180%之間，徐州、鹽城的費(fèi)率較高，大于4%。免賠額為5%時(shí)，全省的純保險(xiǎn)費(fèi)率在1.802%～6.120%之間，比2.5%免賠額下的情況有所降低，江蘇省東南區(qū)域的純費(fèi)率仍然最低，在2.7%以下。在7.5%的免賠額下，全省的純保險(xiǎn)費(fèi)率繼續(xù)降低，在1.781%～6.010%之間。西北部費(fèi)率仍然最高，但從圖1至圖4中可以明顯看出費(fèi)率較高的范圍有所縮小。在10.0%免賠額下，純費(fèi)率在1.510%～6.010% 之間波動， 純費(fèi)率在4%以上的只有徐州1個(gè)城市，很多地區(qū)甚至降到了2%以下。

通過對以上不同免賠額下的純保險(xiǎn)費(fèi)率的分析可以發(fā)現(xiàn)，江蘇省西北區(qū)域各級免賠額下的減產(chǎn)風(fēng)險(xiǎn)都相對較高，費(fèi)率也較高;東南部城市費(fèi)率都較低。根據(jù)各級免賠額下的純費(fèi)率分布情況，結(jié)合江蘇省農(nóng)業(yè)保險(xiǎn)的實(shí)際狀況，可在不同的風(fēng)險(xiǎn)區(qū)域設(shè)置不同的免賠額，降低逆向選擇和機(jī)會主義行為發(fā)生的概率。

單季稻保險(xiǎn)費(fèi)率受氣象災(zāi)害的影響，災(zāi)害風(fēng)險(xiǎn)越大，單季稻純保險(xiǎn)費(fèi)率越大?？傮w來看，江蘇省各地市高溫?zé)岷σ约暗蜏乩浜Φ娘L(fēng)險(xiǎn)都不是太高，但也不能把江蘇各市設(shè)置成相同的免賠額。雖然同一個(gè)免賠額有利于保險(xiǎn)公司管理，但是各區(qū)域的風(fēng)險(xiǎn)發(fā)生概率相差較大，容易造成基差風(fēng)險(xiǎn)。建議將江蘇省劃分成2個(gè)風(fēng)險(xiǎn)區(qū)域，徐州、鹽城為第一風(fēng)險(xiǎn)區(qū)，連云港、南京、常州、南通、無錫、蘇州為第二風(fēng)險(xiǎn)區(qū)（表2）。徐州在各個(gè)免賠額下的費(fèi)率都是最高的，主要原因是徐州的冷害指數(shù)比其他城市高，即在秋季灌漿時(shí)期日均溫低于20 ℃的時(shí)間最多，導(dǎo)致減產(chǎn)率較高。鹽城的純費(fèi)率略低于徐州，但卻顯著高于其他城市，可以設(shè)置同一免賠額5%來降低管理成本。對于其他城市如連云港、南京、常州和南通，無論純費(fèi)率還是總費(fèi)率都非常接近，因此在厘定純費(fèi)率的過程中可將其余城市的同一免賠額設(shè)定為2.5%，以減少保險(xiǎn)公司的管理費(fèi)用。

4 結(jié)論與討論

4.1 研究結(jié)論

以江蘇省單季稻為研究對象，在總結(jié)國內(nèi)外研究的基礎(chǔ)上，根據(jù)江蘇省1999—2015年逐日的氣象資料、8個(gè)城市的產(chǎn)量資料以及單季稻生產(chǎn)資料，設(shè)計(jì)江蘇省單季稻高溫指數(shù)以及低溫指數(shù)，研究單季稻減產(chǎn)率與氣溫指數(shù)的關(guān)系，厘定江蘇省單季稻氣溫指數(shù)保險(xiǎn)純費(fèi)率，完成江蘇省單季稻氣溫指數(shù)保險(xiǎn)的設(shè)計(jì)，劃分江蘇省單季稻的風(fēng)險(xiǎn)區(qū)域，且建議將徐州市作為風(fēng)險(xiǎn)一區(qū)，其他城市作為風(fēng)險(xiǎn)二區(qū)，這些結(jié)果都可為江蘇省農(nóng)業(yè)保險(xiǎn)的應(yīng)用推廣提供借鑒。

4.2 研究展望

由于江蘇省缺失部分城市2005年以前的單季稻產(chǎn)量數(shù)據(jù)，因此選擇8個(gè)城市的數(shù)據(jù)進(jìn)行實(shí)證分析，下一步可進(jìn)一步收集數(shù)據(jù)，使得研究更為完整。另外，缺乏縣級市的數(shù)據(jù)，只能按照地級市厘定純保險(xiǎn)費(fèi)率，仍然存在一定的基差風(fēng)險(xiǎn)。使用滑動平均法分離出氣象產(chǎn)量，損失了較多的產(chǎn)量數(shù)據(jù)，后期可在比較ARIMA模型和直線滑動平均法等其他模型的基礎(chǔ)上選用更好的模型。影響單季稻生育的因素很多，本研究僅將高溫?zé)岷偷蜏乩浜χ笖?shù)納入模型，今后還可以進(jìn)一步豐富和深化。

參考文獻(xiàn)：

[1]左 嬌，王雪君，郭運(yùn)玲，等. 南繁區(qū)轉(zhuǎn)基因水稻田雜草種類調(diào)查[J]. 雜草科學(xué)，2014，32（4）：40-44.

[2]徐海波，王光明，隗 溟，等. 高溫脅迫下水稻花粉粒性狀與結(jié)實(shí)率的相關(guān)分析[J]. 西南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2001，23（3）：205-207.

[3]羅麗華，劉國華，肖應(yīng)輝，等. 高溫脅迫對水稻花粉和小穗育性及稻谷粒重的影響[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，31（6）：593-596.

[4]World Bank. Weather index insurance for agriculture：Guidance for development practitioners[M]. 3rd Ed. Washington D C：Agriculture and Rural Developmnet Discussion，2013：50-54.

[5]Skees J R，Hazell P B R，Miranda M. New approaches to crop yield insurance in developing countries[J]. EPTD Discussion Papers，1999，55（3）：18-23.

[6]Zanini F C，Sherrick B J，Schnitkey G D，et al. Crop insurance valuation under alternative yield distributions[J]. American Journal of Agricultural Economics，2004，86（2）：406-419.

[7]Turvey C G，Weersink A. Pricing weather insurance with a random strike price：an application to the ontario ice wine harvest[J]. American Journal of Agricultural Economics，2005，88（3）：696-709.

[8]Clarke D J，Clarke D，Mahul O，et al. Index based crop insurance product design and ratemaking：The case of modified nais in India[R]. Policy Research Working Paper，2012.

[9]Norton M T，Turvey C，Osgood D. Quantifying spatial basis risk for weather index insurance[J]. Journal of Risk Finance，2012，14（1）：20-34.

[10]Miranda M，Skees J R，Hazell P. New approaches to public/private crop yield insurance[R]. International Food Policy Research Institute，1999.

[11]王 克，張 峭. 作物單產(chǎn)風(fēng)險(xiǎn)分布對保險(xiǎn)費(fèi)率厘定的影響——以新疆3縣市棉花單產(chǎn)保險(xiǎn)為例[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010，15（2）：114-120.

[12]吳利紅，婁偉平，姚益平，等. 水稻農(nóng)業(yè)氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)——以浙江省為例[J]. 中國農(nóng)業(yè)科學(xué)，2010，43（23）：4942-4950.

[13]路 平. 東北地區(qū)糧食作物氣象指數(shù)農(nóng)業(yè)保險(xiǎn)合同設(shè)計(jì)[D]. 北京：清華大學(xué)，2010.

[14]周軍偉. 蘋果低溫凍害氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)研究——以山東省棲霞市蘋果低溫凍害為例[D]. 泰安：山東農(nóng)業(yè)大學(xué)，2014.

[15]Bai L，Duan D X，Wan Z. Evaluating production risk in rice production of Guangdong Province[J]. Southwest China Journal of Agricultural Sciences，2014，27（4）：1762-1767.

[16]張方方. 湖北省水稻高溫?zé)岷Πl(fā)生規(guī)律的研究[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2012.

[17]尤兆祥. 江蘇省農(nóng)業(yè)保險(xiǎn)制度研究[D]. 蘇州：蘇州大學(xué)，2008.

[18]強(qiáng)慧婷. 江蘇省高溫?zé)岷捌鋵λ旧a(chǎn)的影響研究[D]. 南京：南京信息工程大學(xué)，2011.

[19]孟昭河，王玉菊，孫中勝，等. 水稻障礙型冷害及灌溉技術(shù)研究現(xiàn)狀[J]. 中國農(nóng)學(xué)通報(bào)，2005，21（6）：197-201.

[20]尹思慧，徐蔣來，朱利群. 近30年江蘇省水稻抽穗灌漿期低溫冷害時(shí)空變化及對水稻產(chǎn)量的影響[J]. 江西農(nóng)業(yè)學(xué)報(bào)，2016，28（5）：7-13.

[21]Ker A P，Goodwin B K G. Nonparametric estimation of crop insurance rates revisited[J]. American Journal of Agricultural Economics，2000，82（2）：463-478.

[22]婁偉平，吉宗偉，邱新法，等. 茶葉霜凍氣象指數(shù)保險(xiǎn)設(shè)計(jì)[J]. 自然資源學(xué)報(bào)，2011，26（12）：2053-2059.

[23]尤兆祥. 江蘇省農(nóng)業(yè)保險(xiǎn)制度研究[D]. 蘇州：蘇州大學(xué)，2008.

[24]陳 權(quán). 天氣指數(shù)保險(xiǎn)費(fèi)率厘定與修正方法研究[D]. 成都：西南財(cái)經(jīng)大學(xué)，2013.

[25]楊太明，劉布春，孫喜波，等. 安徽省水稻高溫?zé)岷ΡｋU(xiǎn)天氣指數(shù)模型設(shè)計(jì)[J]. 中國農(nóng)業(yè)氣象，2015，36（2）：220-226.