谷政 張悅 杜春婷

摘 ? 要：天氣指數(shù)保險(xiǎn)是近幾年農(nóng)業(yè)保險(xiǎn)領(lǐng)域的新型產(chǎn)品，在應(yīng)對(duì)全球天氣變化帶來的農(nóng)業(yè)風(fēng)險(xiǎn)方面具有重要作用，該產(chǎn)品設(shè)計(jì)的核心環(huán)節(jié)是費(fèi)率厘定。本文以我國黑龍江省單季稻天氣指數(shù)保險(xiǎn)為例，從與粳稻生長相關(guān)的氣溫、降水量、日照、濕度、風(fēng)速和光溫比六個(gè)氣候因素出發(fā)，進(jìn)一步以生長周期為標(biāo)準(zhǔn)細(xì)分出四月、五月、六月，三個(gè)月分別的氣溫、降水量、日照、濕度、風(fēng)速和光溫比，共得到18個(gè)天氣因子，探討了精算定價(jià)法中的經(jīng)典燃燒模型在費(fèi)率厘定中的實(shí)際應(yīng)用，并針對(duì)我國農(nóng)業(yè)天氣指數(shù)保險(xiǎn)定價(jià)的現(xiàn)存問題提出相關(guān)建議，以促進(jìn)天氣指數(shù)保險(xiǎn)的未來發(fā)展。

關(guān)鍵詞：天氣指數(shù)保險(xiǎn);機(jī)器學(xué)習(xí);松弛Lasso;篩參;費(fèi)率厘定

DOI：10.3969/j.issn.1003-9031.2021.07.009

中圖分類號(hào)：F840.4 ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：1003-9031（2021）07-0068-12

一、引言

農(nóng)業(yè)一直在國家經(jīng)濟(jì)中占據(jù)重要地位，其生產(chǎn)過程具有特殊性，既要面對(duì)外部的自然風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)以及政策風(fēng)險(xiǎn)，又要面臨自身能力制約存在的技術(shù)風(fēng)險(xiǎn)。諸多風(fēng)險(xiǎn)中，天氣風(fēng)險(xiǎn)指由于具有不確定性的天氣條件發(fā)生變化而引起的農(nóng)作物種植成本和市場需求發(fā)生巨大波動(dòng)，引發(fā)種植者收益面對(duì)不確定性變化的風(fēng)險(xiǎn)。天氣指數(shù)保險(xiǎn)這一產(chǎn)品概念最早出現(xiàn)于20世紀(jì)的90年代，是指把天氣風(fēng)險(xiǎn)（如氣溫、降水、風(fēng)速等）對(duì)農(nóng)作物的產(chǎn)量損失指數(shù)化，每個(gè)指數(shù)都有對(duì)應(yīng)的農(nóng)作物產(chǎn)量和損益，保險(xiǎn)合同以這種指數(shù)為基礎(chǔ)，當(dāng)指數(shù)達(dá)到預(yù)先設(shè)定的觸發(fā)值并對(duì)農(nóng)產(chǎn)品造成一定影響時(shí)，投保人就可以獲得相應(yīng)標(biāo)準(zhǔn)的賠款。與傳統(tǒng)農(nóng)業(yè)保險(xiǎn)相比，天氣指數(shù)保險(xiǎn)的設(shè)計(jì)依據(jù)可量化的氣象學(xué)指數(shù)，并由氣象局等第三方公允機(jī)構(gòu)提供，可以降低道德風(fēng)險(xiǎn)，同時(shí)具有抑制逆向選擇，降低理賠成本等優(yōu)勢，風(fēng)險(xiǎn)規(guī)避和分散風(fēng)險(xiǎn)能力更強(qiáng)，可以有效轉(zhuǎn)移農(nóng)業(yè)風(fēng)險(xiǎn)，從而天氣指數(shù)保險(xiǎn)越來越受到人們的關(guān)注。我國天氣指數(shù)保險(xiǎn)試點(diǎn)工作的開展得到了國際國內(nèi)組織的聯(lián)合支持，在我國的發(fā)展范圍越來越廣，天氣指數(shù)保險(xiǎn)在中國的應(yīng)用已拓展到農(nóng)業(yè)領(lǐng)域以外，開始了其更多社會(huì)服務(wù)功能的探索。2014年8月13日，國務(wù)院出臺(tái)《關(guān)于加快發(fā)展現(xiàn)代保險(xiǎn)服務(wù)業(yè)的若干意見》，提出探索天氣指數(shù)保險(xiǎn)等新興產(chǎn)品和服務(wù)，從保障社會(huì)民生的戰(zhàn)略高度確定了天氣指數(shù)保險(xiǎn)的地位。

天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)的核心環(huán)節(jié)是費(fèi)率厘定，本文在運(yùn)用精算定價(jià)法的基礎(chǔ)上，以我國黑龍江省單季稻天氣指數(shù)保險(xiǎn)為例，初步選取多個(gè)氣候因素，通過統(tǒng)計(jì)實(shí)證得出顯著天氣因子，對(duì)黑龍江單季稻指數(shù)保險(xiǎn)產(chǎn)品進(jìn)行費(fèi)率厘定，并針對(duì)我國農(nóng)業(yè)天氣指數(shù)保險(xiǎn)現(xiàn)存問題提出相關(guān)建議，以促進(jìn)天氣指數(shù)保險(xiǎn)的未來發(fā)展。

二、文獻(xiàn)綜述

關(guān)于天氣指數(shù)保險(xiǎn)，因?yàn)槲覈乩憝h(huán)境復(fù)雜，影響農(nóng)作物生長的氣象因素眾多，李順會(huì)（2013）指出天氣指數(shù)保險(xiǎn)具有諸多優(yōu)勢，如幫助農(nóng)民有效應(yīng)對(duì)各類氣象風(fēng)險(xiǎn)，但在設(shè)計(jì)保險(xiǎn)產(chǎn)品時(shí)，應(yīng)盡可能包含農(nóng)作物可能面臨的全部氣象風(fēng)險(xiǎn)。與之相對(duì)應(yīng)，劉亞洲等（2019）研究認(rèn)為，中國并不適用天氣指數(shù)保險(xiǎn)，原因是中國農(nóng)作物氣象災(zāi)害風(fēng)險(xiǎn)不滿足“小概率、大損失”的基本可保條件，并且天氣指數(shù)保險(xiǎn)的風(fēng)險(xiǎn)管理作用有限。為了克服天氣指數(shù)保險(xiǎn)的不足，牛浩等（2015），陳盛偉等（2017）經(jīng)過研究提出，可以針對(duì)性地在特定地區(qū)針對(duì)特定作物的典型氣象災(zāi)害有條件地開展天氣指數(shù)保險(xiǎn)，設(shè)置標(biāo)的時(shí)無需太過復(fù)雜，但風(fēng)險(xiǎn)類型需要明確，實(shí)施區(qū)域中不可有太多微氣候。Raushan（2018）采用了三個(gè)選定的Archimedean copulas來捕獲農(nóng)場產(chǎn)量和特定天氣指數(shù)的聯(lián)合分布中的左尾依賴。應(yīng)用分級(jí)貝葉斯模型以使用相對(duì)較短的時(shí)間序列獲得對(duì)尾部依賴性的一致估計(jì)，并且對(duì)來自哈薩克斯坦的47個(gè)大型谷物農(nóng)場的實(shí)證結(jié)果表明，鑒于選擇適當(dāng)?shù)奶鞖庵笖?shù)來表示災(zāi)難性事件（如嚴(yán)重干旱），基于copula的天氣保險(xiǎn)合同可能比基于回歸的天氣保險(xiǎn)合同降低更多的風(fēng)險(xiǎn)。

關(guān)于天氣指數(shù)保險(xiǎn)定價(jià)問題，國內(nèi)外學(xué)者都進(jìn)行了大量研究。早在21世紀(jì)初，Jerry R.Skew（2000）設(shè)定出天氣指數(shù)保險(xiǎn)賠付的基礎(chǔ)公式，為后續(xù)定價(jià)研究打下基石。早期Brockett & Wang（2003）、Richards Manfredo & Sanders（2004）、Turvey（2005）大多使用基礎(chǔ)定價(jià)模型進(jìn)行分析，如資本資產(chǎn)定價(jià)模型、無差異定價(jià)模型和卡斯均衡定價(jià)模型等，忽略市場價(jià)格，從而進(jìn)行天氣指數(shù)保險(xiǎn)的定價(jià)研究。隨著學(xué)界對(duì)天氣指數(shù)保險(xiǎn)研究的深入，關(guān)于天氣指數(shù)保險(xiǎn)定價(jià)方法也不斷更新，主要目的在于設(shè)計(jì)出最合適的天氣指數(shù)保險(xiǎn)產(chǎn)品，減小基差風(fēng)險(xiǎn)。Bokusheva（2011）較早使用回歸模型來探索天氣指數(shù)與農(nóng)業(yè)產(chǎn)量之間的關(guān)系問題，但關(guān)鍵在于如何最優(yōu)選擇天氣因子。國內(nèi)最早于2007年產(chǎn)生天氣指數(shù)保險(xiǎn)的概念，將地域農(nóng)業(yè)風(fēng)險(xiǎn)進(jìn)行分類，利用聚類分析的方法，以事物間相似性為標(biāo)準(zhǔn)劃分，設(shè)定不同種植區(qū)域的風(fēng)險(xiǎn)等級(jí)?；蚴且钥h級(jí)為單位進(jìn)行劃分，利用歷史生產(chǎn)法，設(shè)定不同檔次的保險(xiǎn)費(fèi)率。談豐（2010）基于概率知識(shí)，設(shè)計(jì)出天氣指數(shù)保險(xiǎn)的賠付標(biāo)準(zhǔn)和方案。此外，丁燁毅等（2015）基于降水量指數(shù)和產(chǎn)量損失之間的關(guān)系，設(shè)計(jì)不同觸發(fā)指數(shù)和指數(shù)下限的保險(xiǎn)純費(fèi)率，構(gòu)建產(chǎn)量災(zāi)損模型，從而設(shè)計(jì)出新型天氣指數(shù)保險(xiǎn)產(chǎn)品——降水氣象指數(shù)保險(xiǎn)產(chǎn)品。在最新的國內(nèi)外研究中，李永等（2020）利用時(shí)變 O-U 模型，假定氣溫序列服從分形布朗運(yùn)動(dòng)，結(jié)合時(shí)間序列模型、均值回復(fù)速率和蒙特卡洛法，精確擬合日均氣溫?cái)?shù)據(jù)變動(dòng)，并測算出氣溫指數(shù)保險(xiǎn)合約雙方的收益，發(fā)現(xiàn)農(nóng)民的收益呈現(xiàn)正向上升，同時(shí)保險(xiǎn)公司也可以獲得更高的保費(fèi)收入，達(dá)到雙贏。而張譯元和孟生旺（2020）則梳理了農(nóng)業(yè)風(fēng)險(xiǎn)評(píng)估方法，針對(duì)當(dāng)前天氣指數(shù)保險(xiǎn)定價(jià)研究存在的問題，提出改進(jìn)方法。如利用非參數(shù)分位回歸模型來克服天氣指數(shù)與產(chǎn)量損失之間的尾部相關(guān)性差異問題。國外學(xué)者則提出了一個(gè)新的框架，通過由各種冷藏情景驅(qū)動(dòng)的經(jīng)過良好校準(zhǔn)的量化玉米生產(chǎn)風(fēng)險(xiǎn)。首先分析了東北地區(qū)的低溫風(fēng)險(xiǎn)，其次建立了綜合低溫指數(shù)（CCI）和基于CCI的脆弱性曲線，以得出相應(yīng)的產(chǎn)量損失。最后分別在研究區(qū)域的16個(gè)站點(diǎn)上計(jì)算了特定的純溢價(jià)率。結(jié)果表明，在量化產(chǎn)量損失時(shí)，綜合指數(shù)保險(xiǎn)都優(yōu)于單指數(shù)。這樣的框架將使保險(xiǎn)公司迅速估算出產(chǎn)量損失并設(shè)計(jì)出更有前景的產(chǎn)品，從而使保險(xiǎn)公司受益，并有可能在其他地區(qū)應(yīng)用其他作物和危害，從而在未來轉(zhuǎn)移氣候風(fēng)險(xiǎn)。

通過上述文獻(xiàn)梳理，可以看出當(dāng)前國內(nèi)外學(xué)者已對(duì)天氣指數(shù)保險(xiǎn)定價(jià)問題進(jìn)行了深入研究，奠定了堅(jiān)實(shí)的理論基礎(chǔ)和實(shí)踐基礎(chǔ)。本文對(duì)單一氣象因素的選擇方法做出了改進(jìn)，不再局限于從理論出發(fā)，而是從實(shí)證角度利用模型計(jì)算得出最顯著的相關(guān)天氣因子，將機(jī)器學(xué)習(xí)應(yīng)用于農(nóng)業(yè)天氣指數(shù)保險(xiǎn)的產(chǎn)品設(shè)計(jì)中。利用松弛Lasso回歸縮減協(xié)變量算法對(duì)懲罰參數(shù)的選擇，對(duì)高維函數(shù)進(jìn)行篩參，從多維協(xié)變量中篩選出最顯著的天氣因子，得到比多元OLS回歸更具有解釋性的稀疏模型，并對(duì)產(chǎn)量進(jìn)行預(yù)測。

三、研究方法

（一）定價(jià)模型

設(shè)計(jì)保險(xiǎn)產(chǎn)品最通用的方法是精算定價(jià)法，對(duì)某個(gè)既定的保險(xiǎn)產(chǎn)品形態(tài)搭建精算模型，運(yùn)用設(shè)定好的精算假設(shè)，計(jì)算該保險(xiǎn)產(chǎn)品保費(fèi)水平，在農(nóng)業(yè)指數(shù)保險(xiǎn)設(shè)計(jì)中，需要對(duì)天氣指數(shù)和農(nóng)作物單產(chǎn)之間的相關(guān)性進(jìn)行建模，主要通過建立產(chǎn)量與天氣指數(shù)之間的線性回歸模型來刻畫它們之間的相依關(guān)系，并據(jù)此構(gòu)造關(guān)于天氣指數(shù)的分段線性賠付函數(shù)。

假設(shè)為某農(nóng)作物單產(chǎn)投保，保障比例為？姿，趨勢單產(chǎn)為？滋，則投保的農(nóng)作物保險(xiǎn)合同的保障水平為？姿？滋，R為純保費(fèi)費(fèi)率，E（Loss）表示作物單產(chǎn)受災(zāi)損失期望值，則農(nóng)業(yè)保險(xiǎn)純費(fèi)率計(jì)算理論中的通用定價(jià)公式為：

（二）松弛Lasso

機(jī)器學(xué)習(xí)中的Lasso算法，又可以叫做最小絕對(duì)值收斂和選擇算子或者套索算法，1996年由Robert Tibshirani首次提出。Lasso算法的原理是通過構(gòu)造懲罰函數(shù)，根據(jù)零點(diǎn)處導(dǎo)數(shù)的奇異性性質(zhì)，將無相關(guān)性的參數(shù)系數(shù)用較大的概率收縮至零，即采用正則化線性回歸使得部分學(xué)習(xí)到的不相關(guān)特征的系數(shù)為0，回歸分析可以同時(shí)進(jìn)行特征選擇和參數(shù)正則化，通過稀疏模型加強(qiáng)模型的經(jīng)濟(jì)可解釋性。

在松弛Lasso算法中，參數(shù)？姿在一般Lasso中選擇變量，松弛參數(shù)？準(zhǔn)控制系數(shù)的收縮。當(dāng)？準(zhǔn)=1時(shí)，普通Lasso和松弛Lasso是一致的。對(duì)于？準(zhǔn)<1，與一般的Lasso估計(jì)方法相比所選模型的系數(shù)收縮程度有所降低。松弛Lasso的優(yōu)點(diǎn)在于稀疏估計(jì)，選擇的系數(shù)的數(shù)量通常是非常小的放松套索，不影響預(yù)測的準(zhǔn)確性，松弛套索產(chǎn)生的模型因此更容易解釋。同時(shí)，在信噪比較低的情況下，普通Lasso和松弛Lasso的預(yù)測精度相當(dāng)，但對(duì)于高信噪比，松弛Lasso通?？梢詫?shí)現(xiàn)更準(zhǔn)確的預(yù)測。對(duì)于高信噪比，松弛套索的優(yōu)勢可以通過使用Lars-OLS混合算法實(shí)現(xiàn)。然而，Lars-OLS混合算法對(duì)信噪比不能很好適用，在低信噪比的情況下，其性能要比普通Lasso差得多。而松弛套索可以自適應(yīng)不同的信噪比，實(shí)現(xiàn)在各種數(shù)據(jù)集上的最優(yōu)估計(jì)。

四、實(shí)證分析

水稻是我國的重要糧食作物，而黑龍江省作為國家糧食安全的“壓艙石”，更是全國最大優(yōu)質(zhì)粳稻主產(chǎn)區(qū)，黑龍江省單季稻的產(chǎn)量變化關(guān)系著國家糧食安全。研究黑龍江省水稻指數(shù)保險(xiǎn)費(fèi)率厘定可以為天氣指數(shù)保險(xiǎn)產(chǎn)品的進(jìn)一步推廣和應(yīng)用提供一定的參考思路。

（一）機(jī)器學(xué)習(xí)篩參

以黑龍江省單季稻為例，為單季稻天氣指數(shù)保險(xiǎn)進(jìn)行純費(fèi)率定價(jià)。根據(jù)可收集到的完整數(shù)據(jù)，本文整理了1999—2019共21年的黑龍江省單季稻的產(chǎn)量數(shù)據(jù)和相關(guān)天氣指標(biāo)數(shù)據(jù)，所有數(shù)據(jù)均來源于《黑龍江統(tǒng)計(jì)年鑒》和《中國統(tǒng)計(jì)年鑒》。黑龍江省單季稻一年一收，生長周期為每年的4月到8月，共歷時(shí)五個(gè)月。對(duì)單季稻生長有較大影響的氣象因素主要包括氣溫、降水量、日照、濕度、風(fēng)速和光溫比這六個(gè)因素。前三個(gè)月的農(nóng)作物長勢對(duì)單季稻的收成有較大影響，考慮到不同生長時(shí)期的不同天氣因素對(duì)作物收成影響不同，如水稻在分蘗期受降水量的影響較大，而水稻的分蘗有效性與單位面積的結(jié)穗數(shù)直接相關(guān)，因此這里將六個(gè)維度的天氣因素進(jìn)一步細(xì)化為不同月份，共18個(gè)天氣因子。本文使用機(jī)器學(xué)習(xí)中的松弛Lasso降維模型篩選了與產(chǎn)量具有相關(guān)性的天氣因子。具體天氣因子及其代碼如表1所示。

通過構(gòu)造機(jī)器學(xué)習(xí)中松弛Lasso對(duì)天氣因子與單季稻單產(chǎn)產(chǎn)量的相關(guān)性進(jìn)行篩選，產(chǎn)生只涉及原變量集合的子集的稀疏模型。松弛Lasso算法通過運(yùn)行Lasso來識(shí)別一組非零參數(shù)，然后將一個(gè)不受限制的線性模型擬合到所選的特征集。懲罰參數(shù)最優(yōu)選擇可以由交叉驗(yàn)證的方法得到。

首先，對(duì)K折交叉驗(yàn)證中的參數(shù)K進(jìn)行選參，K值不小于3。先將初始樣本分割成K個(gè)子樣本，一個(gè)單獨(dú)的子樣本被保留作為驗(yàn)證模型的數(shù)據(jù)，其他K-1個(gè)樣本用來訓(xùn)練，也就是在給定的建模樣本中，拿出大部分樣本進(jìn)行建模型，留小部分樣本用剛建立的模型進(jìn)行預(yù)報(bào)，并求這小部分樣本的預(yù)報(bào)誤差，記錄它們的平方加和，把每個(gè)樣本的預(yù)報(bào)誤差平方加和，稱為PRESS。K折交叉驗(yàn)證的優(yōu)勢在于，同時(shí)重復(fù)運(yùn)用隨機(jī)產(chǎn)生的子樣本進(jìn)行訓(xùn)練和驗(yàn)證，每次的結(jié)果驗(yàn)證一次。本文共有21組樣本，當(dāng)交叉驗(yàn)證的折數(shù)大于8時(shí)，每組子樣本的觀測值小于3無法估算。K折交叉驗(yàn)證選參結(jié)果見表2。

由表2可知，當(dāng)K折交叉驗(yàn)證的參數(shù)等于6時(shí)，驗(yàn)證中小部分樣本的預(yù)報(bào)平方誤差值最小為0.3712，因此選擇6折交叉驗(yàn)證對(duì)Lasso表達(dá)式中的懲罰參數(shù)進(jìn)行估算。

其次，通過上文得到的6折交叉驗(yàn)證對(duì)懲罰力度參數(shù)進(jìn)行選參和調(diào)參，這里將平均絕對(duì)誤差（MAE）作為判斷標(biāo)準(zhǔn)，計(jì)算結(jié)果見圖1。

圖1中兩條垂線位置指明兩個(gè)可供選擇的最優(yōu)？姿值，右邊垂線表示使交叉驗(yàn)證誤差均值最小的懲罰力度？姿值，左邊垂線使誤差在最小的一個(gè)標(biāo)準(zhǔn)誤差之內(nèi)的最大？姿值，這里懲罰力度參數(shù)選擇右垂線指向的？姿值。通過Lasso算法篩選參數(shù)結(jié)果見表3。

如表3所示，系數(shù)為零代表該天氣因子與單季稻產(chǎn)量不相關(guān)，本文在降水、日照、濕度、風(fēng)速、氣溫、光溫比六個(gè)維度的18個(gè)協(xié)變量中，通過Lasso算法篩參得出5個(gè)重要變量，分別是4月平均氣溫，4月平均降水，5月平均風(fēng)速，6月平均風(fēng)速和6月平均光溫比，由此建立回歸模型并對(duì)產(chǎn)量進(jìn)行預(yù)測。實(shí)線為實(shí)際產(chǎn)量，虛線為預(yù)測產(chǎn)量，產(chǎn)量預(yù)測如圖2所示。

最后，利用逐步回歸模型，從中選擇影響最顯著的天氣因子。逐步回歸分析法結(jié)合了逐個(gè)引入法和逐個(gè)剔除法的特點(diǎn)，是多元線性回歸分析的拓展方法之一。其基本思想是對(duì)所有解釋變量與被解釋變量作回歸分析，再假設(shè)檢驗(yàn)偏回歸平方和，一次剔除一個(gè)偏回歸平方和最小且與被解釋變量相關(guān)性不顯著的解釋變量。然后在此基礎(chǔ)上反復(fù)進(jìn)行回歸分析和偏回歸平方和檢驗(yàn)，直到所有包含在模型中的自變量對(duì)因變量都有顯著作用。逐步回歸結(jié)果如表4所示。

由表4可知，模型整體擬合效果較好，95%顯著性水平下，6月平均光溫比指數(shù)（G6）的影響程度最大。因此本文選取該天氣因子作為天氣指數(shù)可保風(fēng)險(xiǎn)，將樣本期間6月光溫比指數(shù)的平均值作為觸發(fā)值，可得觸發(fā)值為10.501。由Lasso模型估計(jì)可知6月平均光溫比參數(shù)估計(jì)結(jié)果為負(fù)值，說明6月光溫比指數(shù)越大對(duì)單產(chǎn)減少的影響越大。歷史六月平均光溫比數(shù)據(jù)波動(dòng)較大，屬可保風(fēng)險(xiǎn)，確定對(duì)黑龍江單季稻六月光溫比指數(shù)保險(xiǎn)進(jìn)行產(chǎn)品純費(fèi)率定價(jià)。

（二）黑龍江單季稻六月光溫比指數(shù)保險(xiǎn)純費(fèi)率厘定

1.天氣指數(shù)保險(xiǎn)定價(jià)模型

本文選擇精算定價(jià)法中使用最廣泛的經(jīng)典燃燒模型。天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)環(huán)節(jié)最關(guān)鍵的是設(shè)定發(fā)生賠付事件的觸發(fā)值R，當(dāng)相應(yīng)天氣指數(shù)高于或低于觸發(fā)值時(shí)，保險(xiǎn)公司對(duì)投保人進(jìn)行相應(yīng)的賠付。賠付公式為：

2.六月光溫比指數(shù)保險(xiǎn)純保費(fèi)計(jì)算

由松弛Lasso模型估計(jì)結(jié)果得到產(chǎn)品天氣因子為6月平均光溫比，保險(xiǎn)賠付觸發(fā)值為樣本期間6月光溫比指數(shù)平均值，觸發(fā)值R為10.051，當(dāng)6月光溫比大于觸發(fā)值時(shí)，保險(xiǎn)公司對(duì)每單位產(chǎn)量進(jìn)行賠付。2021年3月26日黑龍江各類粳米稻谷現(xiàn)貨市場平均價(jià)格為3943元/噸，進(jìn)而可得賠付觸發(fā)值所對(duì)應(yīng)的單產(chǎn)產(chǎn)量為每公頃7.0405噸，平均每單位天氣指數(shù)對(duì)應(yīng)的價(jià)格為（元/公頃）：

P=7.0405×3949×0.1685=4684.794

當(dāng)6月平均光溫比指數(shù)大于10.051時(shí)，發(fā)生賠付，每單位賠付額度為（元）：

W（It）=4684.794×max{It-10.501，0}

根據(jù)松弛Lasso回歸建立天氣因子模型，對(duì)每年單產(chǎn)進(jìn)行預(yù)測得到各年的單產(chǎn)產(chǎn)量損失，進(jìn)而根據(jù)純保費(fèi)等于平均年賠付額，得到黑龍江單季稻六月光溫比指數(shù)保險(xiǎn)純保費(fèi)為786.376元/公頃，當(dāng)降水量指數(shù)超過觸發(fā)值10.501且發(fā)生減產(chǎn)事件時(shí)，保險(xiǎn)公司按照每公頃786.376元賠償農(nóng)戶收入損失。

五、結(jié)論與建議

（一）結(jié)論

實(shí)證分析發(fā)現(xiàn)，在指數(shù)保險(xiǎn)發(fā)展較為成功的國家和地區(qū)，精算定價(jià)法的應(yīng)用最為廣泛，尤其是經(jīng)典燃燒分析法，能夠基于有限的歷史數(shù)據(jù)進(jìn)行相對(duì)簡便的計(jì)算，且成本較低，適合在發(fā)展中國家推廣。本文以我國黑龍江省水稻指數(shù)保險(xiǎn)的費(fèi)率厘定為例，從降水、氣溫、日照、濕度、風(fēng)速、光溫比指數(shù)六個(gè)維度的氣候因素中選取了18個(gè)天氣因子協(xié)變量，用松弛Lasso算法對(duì)多元模型進(jìn)行降維處理，從高維變量中篩選出五個(gè)顯著相關(guān)天氣因子，再進(jìn)行逐步回歸估計(jì)，結(jié)論得出6月份光溫比指數(shù)與單季稻每單位產(chǎn)量顯著相關(guān)，利用經(jīng)典燃燒模型較為快捷有效地實(shí)現(xiàn)相關(guān)指數(shù)保險(xiǎn)產(chǎn)品的定價(jià)，結(jié)論為黑龍江省單季稻六月光溫比指數(shù)保險(xiǎn)產(chǎn)品純保費(fèi)為786.376元/公頃。

（二）建議

1.推動(dòng)氣象站建設(shè)發(fā)展

氣象監(jiān)測是開展天氣指數(shù)保險(xiǎn)的必要條件。通過歷史氣象數(shù)據(jù)與農(nóng)產(chǎn)品產(chǎn)量等數(shù)據(jù)，準(zhǔn)確分析出天氣指數(shù)與單產(chǎn)產(chǎn)量損失之間的相關(guān)性，制定合理的賠付標(biāo)準(zhǔn)及產(chǎn)品費(fèi)率，是天氣指數(shù)保險(xiǎn)定價(jià)的核心過程。一個(gè)標(biāo)準(zhǔn)的氣象觀測站可以覆蓋平方公里風(fēng)險(xiǎn)區(qū)域，按照這一標(biāo)準(zhǔn)，我國現(xiàn)有站點(diǎn)數(shù)量無法滿足實(shí)際需要。雖然氣象產(chǎn)業(yè)在我國是依靠政府撥款的基礎(chǔ)行業(yè)，但也可以針對(duì)保險(xiǎn)公司產(chǎn)品定價(jià)需求提供有償?shù)亩ㄖ品?wù)，一方面為保險(xiǎn)公司提供更詳細(xì)的數(shù)據(jù)有利于有效費(fèi)率厘定，另一方面可以促進(jìn)氣象站觀測條件改進(jìn)，提供更精準(zhǔn)、快速且全面的氣象信息資料，增強(qiáng)對(duì)極端天氣時(shí)間的預(yù)測預(yù)警能力，以此形成良性循環(huán)。

2.政府擔(dān)負(fù)監(jiān)管責(zé)任

對(duì)大部分農(nóng)戶來說，天氣指數(shù)保險(xiǎn)是新型事物，加上多數(shù)農(nóng)戶本身存在對(duì)保險(xiǎn)產(chǎn)品的不信任情緒，為解決這一問題，政府應(yīng)對(duì)農(nóng)戶進(jìn)行天氣指數(shù)保險(xiǎn)相關(guān)知識(shí)的普及，介紹該新型保險(xiǎn)相較于傳統(tǒng)農(nóng)業(yè)保險(xiǎn)的的優(yōu)勢，并且提升農(nóng)戶對(duì)保險(xiǎn)公司的信任度，鼓勵(lì)農(nóng)戶積極參與農(nóng)業(yè)天氣指數(shù)保險(xiǎn)試點(diǎn)工作。鑒于農(nóng)戶有限的保險(xiǎn)知識(shí)和水平，如果對(duì)該保險(xiǎn)產(chǎn)品的接受度如果無法明顯提高，政府應(yīng)進(jìn)一步采取自愿和強(qiáng)制相結(jié)合的方式。此外，政府的數(shù)據(jù)和技術(shù)支持也是極為重要因素。天氣指數(shù)數(shù)據(jù)庫不夠成熟完善是中國農(nóng)業(yè)天氣指數(shù)保險(xiǎn)發(fā)展的短板。政府應(yīng)建立健全農(nóng)業(yè)生產(chǎn)氣候數(shù)據(jù)庫，如加強(qiáng)天氣數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，成立獨(dú)立的第三方機(jī)構(gòu)監(jiān)測和公布?xì)庀髷?shù)據(jù)，并根據(jù)實(shí)際情況要對(duì)指數(shù)值定期進(jìn)行調(diào)整。同時(shí)，政府應(yīng)開展與天氣指數(shù)保險(xiǎn)相關(guān)的法律法規(guī)建設(shè)，將試點(diǎn)流程規(guī)范化為天氣指數(shù)保險(xiǎn)試點(diǎn)提供法律支持，提供保險(xiǎn)產(chǎn)品設(shè)計(jì)的知識(shí)產(chǎn)權(quán)保護(hù)機(jī)制，以此來推動(dòng)天氣指數(shù)保險(xiǎn)的探索與實(shí)踐。

3.因地制宜設(shè)計(jì)保險(xiǎn)產(chǎn)品

發(fā)展農(nóng)業(yè)天氣指數(shù)保險(xiǎn)需要考慮地域性，我國幅員遼闊，生態(tài)環(huán)境千差萬別，不同地區(qū)種植的主要農(nóng)業(yè)作物不同，并且作物種植的習(xí)慣也不同，不同緯度地區(qū)面臨的主要?dú)庀鬄?zāi)害不同，單產(chǎn)產(chǎn)量損失也不同。所以想要建立一個(gè)全國統(tǒng)一的、一致的農(nóng)業(yè)天氣指數(shù)保險(xiǎn)是非常困難且不切實(shí)際的。各個(gè)農(nóng)業(yè)生產(chǎn)種植地區(qū)應(yīng)當(dāng)因地制宜，針對(duì)不同地區(qū)和氣候條件有目的地篩選可保天氣因子，選擇與產(chǎn)量高度相關(guān)的天氣因子，同時(shí)要將氣候因素進(jìn)一步按照生長周期細(xì)分，以體現(xiàn)不同氣候條件對(duì)農(nóng)作物不同生長時(shí)期的不同影響。設(shè)計(jì)針對(duì)本地區(qū)地方特性的農(nóng)業(yè)天氣指數(shù)保險(xiǎn)產(chǎn)品，合理選擇目標(biāo)作物，首選高價(jià)值的經(jīng)濟(jì)作物為主要目標(biāo)作物，來減少基差風(fēng)險(xiǎn)，并且選擇合適的賠付額度、觸發(fā)值、保險(xiǎn)區(qū)間，將天氣指數(shù)保險(xiǎn)更好地應(yīng)用于實(shí)踐。

（責(zé)任編輯：孟潔）

參考文獻(xiàn)：

[1]Li Ziyue，Zhang Zhao，Zhang Jing，Luo Yuchuan，Zhang Liangliang.A new framework to quantify maize production risk from chilling injury in Northeast China[J].Climate Risk Management，2021，（prepublish）.

[2]Jerry R Skees. Opportunities for improved efficiency in risk sharing using capital markets[J]. America Journal of Agricultural Economics，1999，81（5）：1228-1233.

[3]Cao M.，Wei J.Weather Derivatives Valuation and Market Price of Weather Risk [J].Journal of Futures Markets，2004，24（11）：1065-1089.

[4]Wei Xu，Martin Odening，Oliver Musshoff. Indifference Pricing of Weather Derivatives[J]. American Journal of Agricultural Economics，2008，90（4）：979-993.

[5]Hideo Aizaki，Jun Furuya，Takeshi Sakurai，Swe Swe Mar.Measuring farmers preferences for weather index insurance in the Ayeyarwady Delta，Myanmar：a discrete choice experiment approach[J].Paddy and Water Environment，2021，19（3）：1-11.

[6]Raushan Bokusheva.Using copulas for rating weather index insurance contracts[J].Journal of Applied Statistics，2018，13（10）： 2328-2356.

[7]Nicolai Meinshausen.Relaxed Lasso[J].Computational Statistics and Data Analysis，2006，52（1）：374-393.

[8]Robert Tibshirani.Regression Shrinkage and Selection Via the Lasso[J].Journal of the Royal Statistical Society：Series B（Methodological），1996，58（1）： 267-288.

[9]李永，侍歡，李海英.時(shí)變O-U模型在農(nóng)業(yè)氣溫指數(shù)保險(xiǎn)定價(jià)中的適用性研究[J].管理評(píng)論，2020（4）：3-11.

[10]張譯元，孟生旺.農(nóng)業(yè)指數(shù)保險(xiǎn)定價(jià)模型的研究進(jìn)展及改進(jìn)策略[J].統(tǒng)計(jì)與信息論壇，2020（1）：30-39.

[11]譚英平，龔環(huán).天氣指數(shù)保險(xiǎn)產(chǎn)品的定價(jià)方法及應(yīng)用——基于對(duì)我國農(nóng)業(yè)領(lǐng)域的應(yīng)用探索[J].價(jià)格理論與實(shí)踐，2018（4）：110-113.

[12]丁燁毅，楊棟，陳鑫磊，等.楊梅降水氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)—以慈溪市為例[J].浙江農(nóng)業(yè)學(xué)報(bào)，2017（12）：2032-2037.

[13]婁偉平，吳利紅，姚益平.水稻暴雨災(zāi)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（3）：632-639.

[14]劉映寧，賀文麗，李艷莉，等.陜西果區(qū)蘋果花期凍害農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)指數(shù)的設(shè)計(jì)[J].中國農(nóng)業(yè)氣象，2010（1）：125-129.

[15]李思佳.基于災(zāi)害風(fēng)險(xiǎn)分析的農(nóng)業(yè)氣象指數(shù)保險(xiǎn)研究[D].南京：南京信息工程大學(xué)，2013.

[16]趙建軍，蔣遠(yuǎn)勝.基于APH法的水稻區(qū)域產(chǎn)量旱災(zāi)保險(xiǎn)費(fèi)率厘定研究——以四川省為例[J].保險(xiǎn)研究，2012（6）：64-69.

[17]寧威.農(nóng)業(yè)保險(xiǎn)定價(jià)方式創(chuàng)新研究——農(nóng)產(chǎn)品價(jià)格保險(xiǎn)期權(quán)定價(jià)方法探析[J].價(jià)格理論與實(shí)踐，2016（10）：38-41.

[18]尹冰艷.基于指數(shù)化保險(xiǎn)的湖南水稻作物保險(xiǎn)費(fèi)率厘定[D].長沙：湖南師范大學(xué)，2016.

[19]吳姍.天氣指數(shù)保險(xiǎn)及其定價(jià)研究[D].成都：西南財(cái)經(jīng)大學(xué)，2014.

[20]吳敏.我國農(nóng)產(chǎn)品天氣指數(shù)保險(xiǎn)研究[D].長沙：中南林業(yè)科技大學(xué)，2016.

[21]蒲玥成.天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)[D].重慶：重慶大學(xué)，2015.

[22]梁來存，周勇.氣溫天氣指數(shù)保險(xiǎn)的費(fèi)率厘定——以糧食作物為例[J].統(tǒng)計(jì)與信息論壇，2019（8）：57-65.

[23]許光清，陳曉玉，劉海博，等.氣候保險(xiǎn)的概念、理論及在中國的發(fā)展建議[J].氣候變化研究進(jìn)展，2020（3）：373-382.

[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]牛浩，陳盛偉.中國農(nóng)業(yè)氣象指數(shù)保險(xiǎn)產(chǎn)品的發(fā)展現(xiàn)狀、面臨難題及解決建議[J]中國科技論壇，2015（7）：130-135.

[26]李順會(huì)，楊波.氣象指數(shù)保險(xiǎn)在農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)管理中的應(yīng)用探析[J].中國農(nóng)業(yè)信息，2013（21）：177.

[27]劉亞洲，鐘甫寧，呂開宇.氣象指數(shù)保險(xiǎn)是合適的農(nóng)業(yè)風(fēng)險(xiǎn)管理工具嗎？[J]中國農(nóng)村經(jīng)濟(jì)，2019（5）：2-21.