農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的不確定性：研究進(jìn)展和破解之道

張峭，王克

農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的不確定性：研究進(jìn)展和破解之道

張峭1，2，王克1，3

1中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京 100081；2中央財(cái)經(jīng)大學(xué)中國(guó)精算研究院，北京 102206；3中國(guó)農(nóng)業(yè)再保險(xiǎn)股份有限公司，北京 100083

鑒于準(zhǔn)確厘定農(nóng)業(yè)保險(xiǎn)費(fèi)率在保障農(nóng)業(yè)保險(xiǎn)持續(xù)健康發(fā)展中的重要性，20世紀(jì)80年代起學(xué)界圍繞農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的科學(xué)評(píng)估和農(nóng)業(yè)保險(xiǎn)精算開(kāi)展了大量研究，但尚不完善，評(píng)估結(jié)果仍存在較大不確定性。為提高農(nóng)業(yè)保險(xiǎn)定價(jià)的可信度，推動(dòng)我國(guó)農(nóng)業(yè)保險(xiǎn)精算技術(shù)的發(fā)展，本文作者對(duì)國(guó)內(nèi)外學(xué)界關(guān)于農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的最新研究進(jìn)行了綜述，在文獻(xiàn)梳理的基礎(chǔ)上分析了農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定不確定產(chǎn)生的根源及應(yīng)對(duì)之策。研究發(fā)現(xiàn)，數(shù)據(jù)的稀缺性、技術(shù)問(wèn)題的模糊性以及風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)定價(jià)的空間不匹配性是造成農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定結(jié)果存在不確定性的3個(gè)主要原因，提高農(nóng)業(yè)保險(xiǎn)定價(jià)結(jié)果的可信度成為國(guó)外學(xué)者最新研究的努力方向。在大數(shù)據(jù)時(shí)代，降低農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定不確定性、提高農(nóng)險(xiǎn)定價(jià)信度最終需要依靠大數(shù)據(jù)技術(shù)，融合多種數(shù)據(jù)資源，但農(nóng)業(yè)保險(xiǎn)的精算定價(jià)并不能完全解決逆選擇問(wèn)題，還需要提供更加多樣更具有彈性的農(nóng)業(yè)保險(xiǎn)產(chǎn)品進(jìn)行配合。

農(nóng)業(yè)保險(xiǎn)；農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估；農(nóng)業(yè)保險(xiǎn)定價(jià)；費(fèi)率厘定；不確定性

近半個(gè)世紀(jì)以來(lái)，世界各國(guó)政府對(duì)農(nóng)業(yè)保險(xiǎn)和農(nóng)業(yè)風(fēng)險(xiǎn)管理的重視程度不斷增加，農(nóng)業(yè)保險(xiǎn)在全球獲得了快速發(fā)展，已在100多個(gè)國(guó)家推廣或試點(diǎn)[1]。在有關(guān)農(nóng)業(yè)保險(xiǎn)的研究問(wèn)題中，農(nóng)業(yè)保險(xiǎn)精算及農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估得到了學(xué)術(shù)界的高度關(guān)注，許多學(xué)者都將之視為克服農(nóng)業(yè)保險(xiǎn)逆選擇問(wèn)題、確保農(nóng)業(yè)保險(xiǎn)持續(xù)健康發(fā)展的重要手段[2-5]。20世紀(jì)80年代起國(guó)外學(xué)者主要是美國(guó)的學(xué)者圍繞農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)精算開(kāi)展了大量深入的研究，相關(guān)研究極大地支撐和促進(jìn)了美國(guó)農(nóng)業(yè)保險(xiǎn)的發(fā)展[6-7]，我國(guó)學(xué)者在這方面的研究起步較晚，盡管發(fā)展很快，初步形成了農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估理論方法和技術(shù)體系[8]，但當(dāng)前農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)精算的技術(shù)方法還不成熟，不管是經(jīng)驗(yàn)費(fèi)率法還是基于單產(chǎn)分布的費(fèi)率厘定方法都存在相當(dāng)程度的不確定性[9]，前者簡(jiǎn)單易行，但受數(shù)據(jù)所限信度不高，而后者理論方法嚴(yán)謹(jǐn)，但對(duì)趨勢(shì)擬合和產(chǎn)量分布模型選擇等技術(shù)環(huán)節(jié)非常敏感[10-11]。對(duì)同一地區(qū)的風(fēng)險(xiǎn)評(píng)估，采用不同的技術(shù)方法得到的結(jié)果差異明顯，甚至?xí)玫酵耆喾吹慕Y(jié)論[12]。目前，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)精算在全球仍是一個(gè)具有挑戰(zhàn)性的工作，農(nóng)業(yè)保險(xiǎn)為精算師開(kāi)辟了一個(gè)新興領(lǐng)域，但許多關(guān)鍵精算技術(shù)依然在發(fā)展中，不夠完善[13]。從國(guó)內(nèi)外最新文獻(xiàn)看，學(xué)者們近期的研究圍繞如何提高農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的精確度和可信度開(kāi)展了許多卓有成效的研究。為推動(dòng)我國(guó)農(nóng)業(yè)保險(xiǎn)精算技術(shù)的發(fā)展，使之在我國(guó)農(nóng)業(yè)保險(xiǎn)科學(xué)定價(jià)和保險(xiǎn)區(qū)劃等業(yè)務(wù)實(shí)踐中發(fā)揮更大作用，助力農(nóng)業(yè)保險(xiǎn)的精細(xì)化和高質(zhì)量發(fā)展，本文基于前人研究對(duì)農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定不確定產(chǎn)生的根源及應(yīng)對(duì)之策進(jìn)行分析，并提出下一步研究的思路和設(shè)想。

1 當(dāng)前農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及保險(xiǎn)費(fèi)率厘定的主要方法及不確定性

農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定是兩個(gè)不同的概念，前者是指對(duì)農(nóng)業(yè)生產(chǎn)過(guò)程中遭受的各種影響因素發(fā)生可能性及由此引起的實(shí)際產(chǎn)量低于預(yù)期產(chǎn)量的偏差程度進(jìn)行評(píng)估[4]，后者是在前者工作基礎(chǔ)上確定農(nóng)業(yè)保險(xiǎn)價(jià)格，實(shí)現(xiàn)“保費(fèi)和風(fēng)險(xiǎn)對(duì)等原則”的過(guò)程。保險(xiǎn)費(fèi)率厘定的基礎(chǔ)和核心是風(fēng)險(xiǎn)評(píng)估[14]，嚴(yán)謹(jǐn)科學(xué)的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估是準(zhǔn)確厘定農(nóng)業(yè)保險(xiǎn)費(fèi)率的基礎(chǔ)和前提[8]，因此，從方法角度講，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)費(fèi)率厘定所采用的方法具有相當(dāng)程度的一致性（除特殊說(shuō)明外，本文未將農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定方法進(jìn)行區(qū)分）。

農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定方法主要有損失成本比率法（loss cost ratio，LCR）和產(chǎn)量風(fēng)險(xiǎn)分析法[15]。損失成本比率法又稱經(jīng)驗(yàn)費(fèi)率法，是依據(jù)單個(gè)農(nóng)戶或地區(qū)的經(jīng)驗(yàn)賠付數(shù)據(jù)，先通過(guò)歷史的實(shí)際賠付金額與保障水平之比計(jì)算個(gè)體的損失成本比率，再對(duì)個(gè)體的損失成本比率取平均，得到一個(gè)基準(zhǔn)的損失成本比率，這種費(fèi)率厘定的方法和非壽險(xiǎn)精算領(lǐng)域的精算方法基本一致，也是美國(guó)農(nóng)作物保險(xiǎn)精算業(yè)務(wù)中的推薦方案[6,16]。但由于兩個(gè)方面的原因，農(nóng)業(yè)保險(xiǎn)采用LCR費(fèi)率厘定方法可能導(dǎo)致較大的誤差。第一個(gè)原因是農(nóng)業(yè)保險(xiǎn)開(kāi)辦時(shí)間較短，歷史賠付數(shù)據(jù)積累較少，保險(xiǎn)理賠數(shù)據(jù)質(zhì)量不高，保險(xiǎn)賠付很可能不能真實(shí)反映風(fēng)險(xiǎn)大小，這一點(diǎn)在發(fā)展中國(guó)家尤為明顯?！吨袊?guó)農(nóng)業(yè)保險(xiǎn)保障研究報(bào)告2019》研究發(fā)現(xiàn)，2008—2018年我國(guó)農(nóng)業(yè)保險(xiǎn)賠付率在不斷走高的同時(shí)賠付率波動(dòng)變小，不能排除農(nóng)業(yè)保險(xiǎn)協(xié)議理賠的可能性[17]。“協(xié)議賠付”的普遍存在使得依據(jù)實(shí)際賠付數(shù)據(jù)的精算定價(jià)變得不可靠，足以影響準(zhǔn)確定價(jià)[18]；第二個(gè)原因是，即便農(nóng)業(yè)保險(xiǎn)賠付沒(méi)有行政干預(yù)，完全按照實(shí)際損失進(jìn)行賠付，但農(nóng)業(yè)保險(xiǎn)合約條款在不同年份會(huì)發(fā)生變化和調(diào)整，保險(xiǎn)條款、承保單位和保險(xiǎn)期限可能都不一樣，如何處理這種變化使不同年份的農(nóng)業(yè)保險(xiǎn)賠付率具有可比性，即Restate 的方法也對(duì)費(fèi)率厘定結(jié)果會(huì)產(chǎn)生顯著影響[19-20]。

產(chǎn)量風(fēng)險(xiǎn)分析法是從作物單位面積產(chǎn)量的時(shí)間序列數(shù)據(jù)出發(fā)，遵循“作物單產(chǎn)—趨勢(shì)剔除—分布擬合—定量評(píng)估”的范式，通過(guò)趨勢(shì)產(chǎn)量的擬合和去趨勢(shì)化，分離出單產(chǎn)波動(dòng)序列，隨后用參數(shù)、半?yún)?shù)或非參數(shù)方法擬合單產(chǎn)波動(dòng)序列的概率分布，進(jìn)而得到費(fèi)率[8]。國(guó)內(nèi)外的學(xué)術(shù)研究主要采用這一方法，相關(guān)研究成果很多在此不再贅述?？傮w來(lái)看，該方法具有理論嚴(yán)謹(jǐn)、數(shù)學(xué)推理性強(qiáng)等許多優(yōu)點(diǎn)[8]，但是存在幾個(gè)方面的缺點(diǎn)：一是趨勢(shì)和單產(chǎn)分布的選擇還沒(méi)有一致的方法和結(jié)論[14,21]，費(fèi)率對(duì)產(chǎn)量分布的擬合方法非常敏感，無(wú)論是選擇參數(shù)方法還是核密度方法，估計(jì)的費(fèi)率都存在較大差異；二是點(diǎn)估計(jì)的誤差沒(méi)有得到恰當(dāng)?shù)乜坍?。費(fèi)率制定者常常對(duì)結(jié)果的選擇感到困惑，缺乏足夠的可確信度[9]；三是受限于統(tǒng)計(jì)數(shù)據(jù)的可得性，大多數(shù)時(shí)候只能得到較大空間尺度（如縣域）的歷史單產(chǎn)序列數(shù)據(jù)，而大尺度的單產(chǎn)數(shù)據(jù)會(huì)產(chǎn)生空間加總偏差的問(wèn)題[12,22]，基于產(chǎn)量統(tǒng)計(jì)方法得到的保費(fèi)是區(qū)域產(chǎn)量保險(xiǎn)的保費(fèi)，和業(yè)務(wù)實(shí)踐中對(duì)個(gè)體農(nóng)戶收取保費(fèi)進(jìn)行賠付的操作不相符[23]。由于農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的空間相關(guān)性，風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)費(fèi)率厘定中如果不考慮這一點(diǎn)將會(huì)放大評(píng)估結(jié)果的偏誤程度[24]，而且農(nóng)業(yè)生產(chǎn)的特點(diǎn)決定了一年只有一個(gè)農(nóng)業(yè)產(chǎn)量數(shù)據(jù)，和其他財(cái)產(chǎn)險(xiǎn)定價(jià)相比，農(nóng)業(yè)保險(xiǎn)精算定價(jià)所依賴的數(shù)據(jù)量太小，數(shù)據(jù)量嚴(yán)重不足，致使農(nóng)業(yè)保險(xiǎn)費(fèi)率缺乏足夠的可信度[25]。

綜合來(lái)看，盡管上述兩種方法不盡相同，但具有共通性。筆者認(rèn)為，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)和保險(xiǎn)費(fèi)率厘定的通用流程可分為4步（圖1）。第一步是收集整理能夠反映和刻畫農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的數(shù)據(jù)資料。候選的數(shù)據(jù)類型較多，除了作物產(chǎn)量數(shù)據(jù)和保險(xiǎn)損失數(shù)據(jù)以外，也有學(xué)者利用氣象數(shù)據(jù)、災(zāi)害數(shù)據(jù)、衛(wèi)星遙感等數(shù)據(jù)開(kāi)展農(nóng)業(yè)風(fēng)險(xiǎn)評(píng)估。第二步是估算能反映特定產(chǎn)品（保險(xiǎn)標(biāo)的）風(fēng)險(xiǎn)的損失數(shù)據(jù)，根據(jù)原始數(shù)據(jù)的不同所采用的方法也不同，既可以直接計(jì)算，也可以通過(guò)單產(chǎn)數(shù)據(jù)去趨勢(shì)化、損失數(shù)據(jù)再調(diào)整（Restate）等技術(shù)處理手段進(jìn)行間接估計(jì)；第三步是利用概率論和數(shù)理統(tǒng)計(jì)等方法對(duì)風(fēng)險(xiǎn)損失序列進(jìn)行量化評(píng)估，計(jì)算得到均值、偏度、峰度、標(biāo)準(zhǔn)差、在險(xiǎn)價(jià)值（VaR）等統(tǒng)計(jì)量，所用的方法主要是利用參數(shù)、非參數(shù)或半?yún)?shù)方法進(jìn)行概率分布擬合；第四步是結(jié)合保險(xiǎn)方案條款，對(duì)第三步得到的風(fēng)險(xiǎn)量化結(jié)果進(jìn)行空間轉(zhuǎn)化，計(jì)算得到農(nóng)業(yè)保險(xiǎn)精算費(fèi)率。

在圖1所示農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)費(fèi)率厘定的過(guò)程中，農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的不確定性主要產(chǎn)生于后3個(gè)環(huán)節(jié)。（1）損失數(shù)據(jù)估計(jì)環(huán)節(jié)，該環(huán)節(jié)的不確定性來(lái)源于兩個(gè)方面，一是數(shù)據(jù)量不足或數(shù)據(jù)質(zhì)量不高造成的誤差，因?yàn)樵诮y(tǒng)計(jì)學(xué)上統(tǒng)計(jì)結(jié)果的可信度很大程度上取決于數(shù)據(jù)量的多少，如果數(shù)據(jù)量太小，則任何一個(gè)異常值或“臟數(shù)據(jù)”都會(huì)對(duì)定價(jià)結(jié)果造成很大影響；二是利用風(fēng)險(xiǎn)數(shù)據(jù)間接估計(jì)風(fēng)險(xiǎn)損失過(guò)程中技術(shù)處理上的模糊性，如對(duì)產(chǎn)量數(shù)據(jù)進(jìn)行去趨勢(shì)處理可采用不同方法，導(dǎo)致不同的風(fēng)險(xiǎn)損失計(jì)算結(jié)果；（2）量化評(píng)估環(huán)節(jié)，該環(huán)節(jié)的不確定性主要來(lái)源于從風(fēng)險(xiǎn)損失到風(fēng)險(xiǎn)量化的技術(shù)處理環(huán)節(jié)，如概率分布模型和分布擬合方法的選擇及由此產(chǎn)生的不穩(wěn)定性；（3）風(fēng)險(xiǎn)表達(dá)和費(fèi)率厘定環(huán)節(jié)，該環(huán)節(jié)的不確定性主要來(lái)自于風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)定價(jià)空間尺度不一致造成的誤差。因?yàn)樵谖覈?guó)和大多數(shù)國(guó)家農(nóng)業(yè)保險(xiǎn)是對(duì)個(gè)體農(nóng)戶進(jìn)行承保、依據(jù)被保險(xiǎn)農(nóng)戶個(gè)體損失進(jìn)行理賠的“個(gè)體保險(xiǎn)”，農(nóng)業(yè)保險(xiǎn)保費(fèi)應(yīng)該是和該個(gè)體農(nóng)戶的風(fēng)險(xiǎn)情況相對(duì)應(yīng)，但是由于微觀尺度農(nóng)戶數(shù)據(jù)不足，只能基于較大尺度（如縣級(jí)）數(shù)據(jù)厘定農(nóng)業(yè)保險(xiǎn)費(fèi)率，厘定出的費(fèi)率自然和農(nóng)戶真實(shí)的風(fēng)險(xiǎn)大小不完全對(duì)應(yīng)?？紤]到第一個(gè)環(huán)節(jié)的不確定性有部分原因是技術(shù)造成的，本文將之和第二個(gè)環(huán)節(jié)的技術(shù)問(wèn)題進(jìn)行合并，認(rèn)為造成農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定結(jié)果不確定性的原因主要有數(shù)據(jù)的稀缺性、技術(shù)問(wèn)題的模糊性以及風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)定價(jià)的空間不匹配性。

2 應(yīng)對(duì)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及保險(xiǎn)費(fèi)率厘定不確定性的國(guó)內(nèi)外研究進(jìn)展

從研究脈絡(luò)看，國(guó)外學(xué)者圍繞農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)精算的研究大體可以分為兩個(gè)階段：一是側(cè)重于風(fēng)險(xiǎn)損失概率分布擬合的早期研究階段，這方面的研究主要是2000年之前。第二個(gè)階段是2000年之后，研究的重點(diǎn)轉(zhuǎn)向農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)損失的估計(jì)和農(nóng)業(yè)保險(xiǎn)精算的可信度。相比國(guó)外，我國(guó)學(xué)者在農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及保險(xiǎn)費(fèi)率厘定方面的研究在2004年以后才開(kāi)始逐漸增多，目前基本停留在國(guó)外第一個(gè)階段的水平，但開(kāi)始有學(xué)者注意到了農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)損失估計(jì)的重要性，在提高農(nóng)業(yè)保險(xiǎn)精算可信度方面開(kāi)展了相關(guān)研究。

2.1 為破解農(nóng)業(yè)保險(xiǎn)精算數(shù)據(jù)量不足而開(kāi)展的研究

針對(duì)農(nóng)業(yè)保險(xiǎn)精算數(shù)據(jù)量少的問(wèn)題，不管是國(guó)外學(xué)者還是國(guó)內(nèi)學(xué)者，基本思路都是利用氣象、土壤等信息來(lái)補(bǔ)充和擴(kuò)展農(nóng)業(yè)保險(xiǎn)精算所需的數(shù)據(jù)量。REJESUS等[26]提出了在農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定中考慮氣象數(shù)據(jù)信息以提升費(fèi)率厘定科學(xué)性的方法。SHEN等[27]提出了將專家知識(shí)納入農(nóng)業(yè)保險(xiǎn)定價(jià)的新框架，以中國(guó)東北三省水稻產(chǎn)量巨災(zāi)保險(xiǎn)為例的實(shí)證研究表明，該框架會(huì)提升定價(jià)的穩(wěn)健性。Ker等[28]提出了一個(gè)新的定價(jià)思路，某區(qū)域 i 的費(fèi)率并不僅以該地區(qū)數(shù)據(jù)為基礎(chǔ)進(jìn)行測(cè)算，而是以所有區(qū)域的數(shù)據(jù)進(jìn)行計(jì)算，研究表明該方法具有很好的優(yōu)勢(shì)，可以提高費(fèi)率厘定的精度。WOODARD 等[29]提出了在農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定中將土壤信息納入模型進(jìn)行考慮的思路和方法，研究結(jié)果表明納入土壤信息后農(nóng)業(yè)保險(xiǎn)費(fèi)率更加準(zhǔn)確和穩(wěn)健。PORTH等[25]針對(duì)農(nóng)業(yè)保險(xiǎn)精算數(shù)據(jù)不足的問(wèn)題，首次將保險(xiǎn)精算領(lǐng)域的信度理論納入農(nóng)業(yè)保險(xiǎn)精算，利用全國(guó)平均賠付率或氣象數(shù)據(jù)來(lái)對(duì)某一省份農(nóng)業(yè)保險(xiǎn)費(fèi)率定價(jià)進(jìn)行賦權(quán)，提升了定價(jià)的信度。在國(guó)內(nèi)，有學(xué)者根據(jù)我國(guó)有較高質(zhì)量農(nóng)業(yè)災(zāi)情統(tǒng)計(jì)數(shù)據(jù)的情況，提出了基于災(zāi)情數(shù)據(jù)的農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法[30-31]。還有很多學(xué)者利用氣候數(shù)據(jù)對(duì)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)進(jìn)行評(píng)估（如，王月琴等[32]、趙思健等[33]、牛浩等[34]），但這類研究多用于天氣指數(shù)保險(xiǎn)的定價(jià)。吳海平等[35]以河北省為例驗(yàn)證了Ker（2016）研究思路在中國(guó)應(yīng)用的可行性，結(jié)果表明同時(shí)利用特定縣及風(fēng)險(xiǎn)同質(zhì)區(qū)域的產(chǎn)量數(shù)據(jù)進(jìn)行農(nóng)業(yè)保險(xiǎn)定價(jià)，能夠顯著提升農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的信度。除此之外，肖宇谷等[9]提出了農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定區(qū)間估計(jì)的思路和方法，在傳統(tǒng)評(píng)估方法的基礎(chǔ)上利用Bootstrap方法估算出可能的保險(xiǎn)費(fèi)率區(qū)間，并利用區(qū)間的長(zhǎng)度來(lái)判斷費(fèi)率厘定的可信度水平，為解決農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估信度不高問(wèn)題提供了新的思路。

2.2 解決農(nóng)業(yè)風(fēng)險(xiǎn)評(píng)估技術(shù)不確定性而開(kāi)展的研究

在“作物單產(chǎn)－趨勢(shì)剔除－分布擬合－定量評(píng)估”—這一國(guó)外學(xué)者普遍采用的評(píng)估范式中，早期學(xué)者研究集中在分布擬合方面，就農(nóng)業(yè)風(fēng)險(xiǎn)分布擬合模型開(kāi)展了深入的研究。2000年左右有學(xué)者對(duì)這些研究提出批評(píng)，認(rèn)為這些研究不嚴(yán)謹(jǐn)，沒(méi)有經(jīng)過(guò)嚴(yán)謹(jǐn)?shù)膯萎a(chǎn)趨勢(shì)處理就輕率得出作物生產(chǎn)風(fēng)險(xiǎn)不服從正態(tài)分布的結(jié)論[36-37]。這幾篇文獻(xiàn)指出了國(guó)外早期研究忽視作物風(fēng)險(xiǎn)損失估計(jì)的不足[21]，引起了國(guó)外學(xué)者的重視，對(duì)如何準(zhǔn)確估計(jì)作物風(fēng)險(xiǎn)損失的研究越來(lái)越多。但學(xué)者們對(duì)采用何種方法準(zhǔn)確擬合和刻畫作物單產(chǎn)的時(shí)間趨勢(shì)并沒(méi)有達(dá)成一致，有學(xué)者主張利用計(jì)量經(jīng)濟(jì)學(xué)中的經(jīng)典回歸技術(shù)（如線性、二次回歸）[38]，有學(xué)者認(rèn)為ARIMA等現(xiàn)代時(shí)間序列技術(shù)是作物產(chǎn)量趨勢(shì)擬合最好的方法[39]，還有的學(xué)者認(rèn)為過(guò)于簡(jiǎn)單或復(fù)雜的方法都不合適，主張使用直線滑動(dòng)平均法或非線性局部回歸法[40-41]，任金政和李曉濤針對(duì)單產(chǎn)去趨勢(shì)可能存在的主觀選擇和異方差問(wèn)題，提出了基于異方差調(diào)整的糧食作物風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)費(fèi)率厘定方法[42]。RAUSHAN對(duì)上述研究提出了挑戰(zhàn)，認(rèn)為產(chǎn)量和氣象的關(guān)系并不是穩(wěn)定不變的，主張利用分層貝葉斯的方法來(lái)準(zhǔn)確刻畫技術(shù)進(jìn)步、氣象變化和產(chǎn)量趨勢(shì)之間的關(guān)系[43]。TOLHURST等的研究也表明，過(guò)去60年氣候變化使農(nóng)業(yè)產(chǎn)量波動(dòng)增加，對(duì)作物損失的影響更大[44]。

除了盡可能準(zhǔn)確擬合作物單產(chǎn)趨勢(shì)外，國(guó)外學(xué)者也在早期參數(shù)分布、非參數(shù)分布和半?yún)?shù)分布模型的基礎(chǔ)上，對(duì)農(nóng)業(yè)保險(xiǎn)定價(jià)中的單產(chǎn)分布模型進(jìn)行了更深入的研究，主要有3個(gè)研究趨向。一是針對(duì)農(nóng)業(yè)保險(xiǎn)定價(jià)中納入更多數(shù)據(jù)變量的需求，提出了新的單產(chǎn)分布模型和農(nóng)業(yè)保險(xiǎn)定價(jià)原則，如Erlang mixed model[45]和多變量加權(quán)定價(jià)原則（The multivariate weighted premium principle，MWPP）[46]；二是在農(nóng)業(yè)保險(xiǎn)定價(jià)中對(duì)尾部風(fēng)險(xiǎn)和農(nóng)業(yè)風(fēng)險(xiǎn)的空間相關(guān)性給予更多考慮，如利用廣義皮爾洛模型（Generalized Pareto Distribution）和貝葉斯克里金方法（Bayesian Kriging Approach）對(duì)單產(chǎn)分布進(jìn)行擬合和農(nóng)業(yè)保險(xiǎn)定價(jià)[47]；三是研究提出新的農(nóng)業(yè)保險(xiǎn)定價(jià)方法，如利用嵌套雙正態(tài)分布法直接厘定保險(xiǎn)費(fèi)率，不再需要先從產(chǎn)量數(shù)據(jù)中進(jìn)行趨勢(shì)擬合，分離單產(chǎn)波動(dòng)后進(jìn)行擬合。新方法的優(yōu)點(diǎn)：（1）更加靈活，可近似表達(dá)為多種分布；（2）可以檢驗(yàn)單產(chǎn)分布隨時(shí)間的變化情況[48]。

2.3 針對(duì)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)定價(jià)空間尺度不一致而開(kāi)展的研究

由于農(nóng)戶層次單產(chǎn)時(shí)序數(shù)據(jù)的缺乏，利用單產(chǎn)歷史數(shù)據(jù)評(píng)估作物生產(chǎn)風(fēng)險(xiǎn)的研究大部分都基于大空間尺度（至少為縣級(jí)）的單產(chǎn)時(shí)序數(shù)據(jù)，而在一個(gè)較大的空間區(qū)域內(nèi)，部分農(nóng)戶的高風(fēng)險(xiǎn)可能會(huì)被另外一些農(nóng)戶的低風(fēng)險(xiǎn)所“抵消”，導(dǎo)致區(qū)域平均后的單產(chǎn)波動(dòng)變小，不能反映農(nóng)戶真實(shí)風(fēng)險(xiǎn)損失，產(chǎn)生“數(shù)據(jù)空間加總偏差（Data Aggregation Bias）”和低估風(fēng)險(xiǎn)的問(wèn)題[49-50]，且空間尺度越大風(fēng)險(xiǎn)低估程度也越大[12,51-52]。COBLE 等利用農(nóng)戶、縣、省和全國(guó)4個(gè)不同空間尺度的單產(chǎn)數(shù)據(jù)對(duì)美國(guó)玉米、大豆和棉花的單產(chǎn)變異系數(shù)進(jìn)行了比較，結(jié)果表明利用農(nóng)戶層次數(shù)據(jù)計(jì)算出的作物單產(chǎn)變異系數(shù)最大，是省級(jí)和全國(guó)水平變異系數(shù)的2倍和3倍多[53]。

如何解決數(shù)據(jù)空間加總偏差的問(wèn)題？在過(guò)去的5年里，許多研究提供了關(guān)于農(nóng)戶和區(qū)域產(chǎn)量尺度置換關(guān)系模型，為使用縣級(jí)單產(chǎn)數(shù)據(jù)推算農(nóng)戶級(jí)別保險(xiǎn)損失風(fēng)險(xiǎn)和費(fèi)率厘定提供了更多的經(jīng)驗(yàn)數(shù)據(jù)[54]?；舅悸肥鞘紫扔?jì)算出不同空間尺度（如農(nóng)戶層次和縣域?qū)哟危┳魑飭萎a(chǎn)波動(dòng)水平，然后估算兩者的差異或比值，最后利用該比值對(duì)基于大空間尺度單產(chǎn)數(shù)據(jù)的風(fēng)險(xiǎn)評(píng)估結(jié)果進(jìn)行修正，其中，農(nóng)戶層次單產(chǎn)波動(dòng)的計(jì)算方法又分為兩種，第一種是利用農(nóng)戶層次可獲得的有限樣本直接計(jì)算[55-56]，另一種是利用農(nóng)業(yè)保險(xiǎn)公司的實(shí)際賠付數(shù)據(jù)間接估計(jì)[50,52,57]。國(guó)內(nèi)也有一些研究致力于解決這個(gè)問(wèn)題，王克等提出了綜合利用災(zāi)情數(shù)據(jù)和農(nóng)情數(shù)據(jù)，通過(guò)數(shù)據(jù)融合的風(fēng)險(xiǎn)評(píng)估來(lái)克服“數(shù)據(jù)空間加總偏差”的新方法[12]；陳軍等實(shí)證檢驗(yàn)了數(shù)據(jù)空間加總的程度，研究結(jié)果表明從縣級(jí)單產(chǎn)到地市級(jí)單產(chǎn)數(shù)據(jù)的加總，導(dǎo)致湖北三地級(jí)市水稻單產(chǎn)風(fēng)險(xiǎn)程度低估了51.27%，為農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定后的空間尺度轉(zhuǎn)換提供了參考[22]。ZHANG等構(gòu)建了作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估中數(shù)據(jù)空間加總偏差程度及其主要影響因素（生產(chǎn)集中度和區(qū)域氣候條件一致性）的計(jì)量經(jīng)濟(jì)模型，提出了利用該規(guī)律對(duì)作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估結(jié)果進(jìn)行修正的建議[58]。

3 農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的研究展望

準(zhǔn)確評(píng)估農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)、科學(xué)厘定農(nóng)業(yè)保險(xiǎn)費(fèi)率定是解決逆選擇道德風(fēng)險(xiǎn)問(wèn)題、確保農(nóng)業(yè)保險(xiǎn)持續(xù)健康發(fā)展的根本保障，也是推動(dòng)農(nóng)業(yè)保險(xiǎn)高質(zhì)量發(fā)展的重要力量。但如本文第一部分所言，目前農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定還存在較大的不確定性，這一問(wèn)題不僅在中國(guó)存在，在全球范圍內(nèi)也是一個(gè)棘手的難題，提高農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定結(jié)果的可信度或可靠性已經(jīng)成為本領(lǐng)域研究的一個(gè)重點(diǎn)。筆者認(rèn)為，在造成農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定結(jié)果不確定的根源中，第一個(gè)問(wèn)題（數(shù)據(jù)的稀缺性）是最為根本和亟需解決的問(wèn)題。第二個(gè)問(wèn)題（技術(shù)問(wèn)題的模糊性）盡管也會(huì)造成誤差，但會(huì)隨著方法的進(jìn)步和研究的深入應(yīng)該會(huì)逐漸得到解決。而造成第三個(gè)問(wèn)題（風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)定價(jià)的空間不匹配性）的根本原因是在較小的空間尺度上，長(zhǎng)序列、高質(zhì)量的風(fēng)險(xiǎn)數(shù)據(jù)缺失，盡管不同空間尺度風(fēng)險(xiǎn)評(píng)估轉(zhuǎn)換關(guān)系方面的深入研究有助于解決這一問(wèn)題，但治本之策還是要依靠數(shù)據(jù)稀缺問(wèn)題的解決。

從國(guó)際最新研究文獻(xiàn)看，針對(duì)農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的數(shù)據(jù)稀缺性問(wèn)題，國(guó)內(nèi)外學(xué)者研究的一個(gè)共同點(diǎn)是利用其他類型的數(shù)據(jù)對(duì)作物產(chǎn)量數(shù)據(jù)或損失數(shù)據(jù)進(jìn)行“增信”，這無(wú)疑是一個(gè)正確的方向，也是大數(shù)據(jù)時(shí)代第四科學(xué)范式數(shù)據(jù)密集型研究的必然要求[59]。在大數(shù)據(jù)時(shí)代，社會(huì)科學(xué)領(lǐng)域的研究開(kāi)始從模型驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)變[60]，從本領(lǐng)域的研究趨向看，隨著數(shù)據(jù)獲取技術(shù)、渠道的多樣化以及社會(huì)經(jīng)濟(jì)發(fā)展不確定性的增大，學(xué)者們對(duì)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及農(nóng)業(yè)保險(xiǎn)費(fèi)厘定的可信度或可靠性給予了更高的關(guān)注，開(kāi)展了基于多源數(shù)據(jù)融合的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的努力和探索。令人高興的是，這些努力和探索不僅局限在學(xué)術(shù)研究，還體現(xiàn)在產(chǎn)業(yè)應(yīng)用方面的突破。2020年在《關(guān)于加快農(nóng)業(yè)保險(xiǎn)高質(zhì)量發(fā)展的指導(dǎo)意見(jiàn)》指導(dǎo)下，我國(guó)農(nóng)業(yè)保險(xiǎn)精算工作取得了重大突破。中國(guó)銀保監(jiān)會(huì)組織中國(guó)精算師協(xié)會(huì)和中國(guó)銀保信息技術(shù)管理有限公司等行業(yè)力量，基于全國(guó)農(nóng)業(yè)保險(xiǎn)平臺(tái)積累的11.6億條保單級(jí)農(nóng)業(yè)保險(xiǎn)理賠數(shù)據(jù)，采用“一體兩翼”的策略完成并發(fā)布了全國(guó)地市級(jí)三大主糧作物農(nóng)業(yè)保險(xiǎn)純風(fēng)險(xiǎn)費(fèi)率區(qū)劃，在推動(dòng)農(nóng)業(yè)保險(xiǎn)精細(xì)化發(fā)展、破解“一省一費(fèi)”的粗放發(fā)展模式上邁出了堅(jiān)實(shí)一步。另外，在此之前，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所農(nóng)業(yè)風(fēng)險(xiǎn)管理研究創(chuàng)新團(tuán)隊(duì)也在10余年研究基礎(chǔ)上，利用詳實(shí)的農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)、農(nóng)業(yè)保險(xiǎn)業(yè)務(wù)數(shù)據(jù)、典型農(nóng)戶調(diào)查數(shù)據(jù)和一些典型案例研究數(shù)據(jù)，完成并發(fā)布了《中國(guó)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)區(qū)劃地圖冊(cè)》，對(duì)全國(guó)31個(gè)省份自治區(qū)縣域尺度上11種主要農(nóng)產(chǎn)品的生產(chǎn)風(fēng)險(xiǎn)情況進(jìn)行了區(qū)劃和制圖（“農(nóng)險(xiǎn)論壇”微信公眾號(hào), 《成果推薦：中國(guó)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)區(qū)劃地圖冊(cè)》https://mp.weixin.qq.com/s/bz4rt7PNtxjCh6DcudEpEQ）。這兩項(xiàng)成果都在行業(yè)產(chǎn)生了極為重要的影響，從技術(shù)路線上來(lái)講都不是局限于某一種數(shù)據(jù)源和某一方法，前者以經(jīng)驗(yàn)費(fèi)率法為基礎(chǔ)，賦予基于單產(chǎn)的費(fèi)率厘定方法10%權(quán)重和基于災(zāi)害因子的費(fèi)率厘定方法10%權(quán)重進(jìn)行調(diào)整。后者以作物單產(chǎn)統(tǒng)計(jì)方法為基礎(chǔ)，根據(jù)省級(jí)尺度農(nóng)業(yè)保險(xiǎn)賠付數(shù)據(jù)和不同空間尺度費(fèi)率厘定結(jié)果的轉(zhuǎn)換關(guān)系對(duì)評(píng)估結(jié)果進(jìn)行調(diào)整，都是在已有研究成果上的集成創(chuàng)新，是基于多源數(shù)據(jù)融合農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和保險(xiǎn)費(fèi)率厘定的生動(dòng)實(shí)踐。但這兩項(xiàng)成果仍有改進(jìn)的余地。前者對(duì)3種費(fèi)率厘定結(jié)果給予80%、10%和10%權(quán)重的做法有較大的武斷性，當(dāng)前我國(guó)農(nóng)業(yè)保險(xiǎn)領(lǐng)域廣泛存在的“協(xié)議賠付”和“數(shù)據(jù)失真”問(wèn)題也降低了其可信度；而后者風(fēng)險(xiǎn)評(píng)估結(jié)果的準(zhǔn)確性在很大程度上依賴于作物單產(chǎn)數(shù)據(jù)的質(zhì)量以及數(shù)據(jù)調(diào)整方法的科學(xué)性，無(wú)法證明風(fēng)險(xiǎn)評(píng)估結(jié)果的可靠性有多大。未來(lái)建議，一是要開(kāi)展兩項(xiàng)成果的互相校正，二是要研究不同數(shù)據(jù)源風(fēng)險(xiǎn)評(píng)估結(jié)果的信度，完善農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的數(shù)據(jù)融合方法，為我國(guó)農(nóng)業(yè)保險(xiǎn)提供更加科學(xué)、更為可靠的費(fèi)率厘定結(jié)果。

未來(lái)，筆者認(rèn)為應(yīng)該重點(diǎn)開(kāi)展兩方面的工作，一是深入開(kāi)展農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定多源數(shù)據(jù)融合的機(jī)理和方法研究，不斷提升農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的科學(xué)性和可靠性；二是要特別注重農(nóng)業(yè)保險(xiǎn)基礎(chǔ)數(shù)據(jù)的積累、整合和開(kāi)放共享，這是數(shù)據(jù)融合技術(shù)應(yīng)用的基礎(chǔ)，也是對(duì)農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定科學(xué)性和可靠性的根本支持。需要說(shuō)明的是，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估及農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定自20世紀(jì)80年代以來(lái)一直是國(guó)際農(nóng)業(yè)保險(xiǎn)領(lǐng)域研究的重點(diǎn)，相關(guān)領(lǐng)域的研究可謂汗牛充棟，許多國(guó)際知名的學(xué)者都對(duì)此開(kāi)展過(guò)深入研究。受知識(shí)背景、能力和水平的限制，筆者在對(duì)本領(lǐng)域最新研究進(jìn)展梳理和歸納時(shí)并沒(méi)有將所有最新文獻(xiàn)都涵蓋在內(nèi)，如本文并未涉及作物模型、衛(wèi)星遙感和機(jī)器學(xué)習(xí)應(yīng)用于農(nóng)業(yè)保險(xiǎn)定價(jià)的研究文獻(xiàn)，這方面的研究同樣重要，也是大數(shù)據(jù)時(shí)代非常重要的研究領(lǐng)域，但超出了現(xiàn)階段筆者的能力范圍，只能留待未來(lái)加以解決。

另外，從學(xué)理上講，科學(xué)評(píng)估農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)、準(zhǔn)確厘定農(nóng)業(yè)保險(xiǎn)費(fèi)率的根本目的在于通過(guò)保費(fèi)的精準(zhǔn)來(lái)降低農(nóng)業(yè)保險(xiǎn)運(yùn)作中的逆選擇問(wèn)題，但保險(xiǎn)精算方法是用歷史數(shù)據(jù)來(lái)推測(cè)未來(lái)，暗含的假設(shè)是“歷史會(huì)重演、歷史損失數(shù)據(jù)能夠反映未來(lái)”，這一假設(shè)并不成立，因此，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估以及農(nóng)業(yè)保險(xiǎn)費(fèi)率精算的準(zhǔn)確性和可靠性只能是一個(gè)相對(duì)的概念，農(nóng)業(yè)保險(xiǎn)精算并不能完全消除逆選擇問(wèn)題[61]。由此，筆者提出兩條實(shí)務(wù)性建議，一是除了利用大數(shù)據(jù)和數(shù)據(jù)融合技術(shù)不斷提升農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估和農(nóng)業(yè)保險(xiǎn)精算結(jié)果的可信度之外，還需要在多元化多層次的農(nóng)業(yè)保險(xiǎn)供給上下功夫，通過(guò)提供更加多樣更具有彈性的農(nóng)業(yè)保險(xiǎn)產(chǎn)品來(lái)滿足不同農(nóng)戶的多樣化需求，這也是降低農(nóng)業(yè)保險(xiǎn)逆選擇行為的一種有效手段[62]；二是在未來(lái)農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定結(jié)果的發(fā)布時(shí)，除展示風(fēng)險(xiǎn)損失率和純費(fèi)率外，增加一個(gè)費(fèi)率波動(dòng)值或費(fèi)率參考區(qū)間，給予費(fèi)率一定的變動(dòng)性，使各地政府和保險(xiǎn)機(jī)構(gòu)在保險(xiǎn)實(shí)務(wù)應(yīng)用中可根據(jù)需要進(jìn)行調(diào)整。

[1] Mahul O, Stutley C J. Government Support to Agricultural Insurance: Challenges and Options for Developing Countries. The World Bank: Washington D.C. 2010,

[2] Knight T O, Coble K H. Survey of US multiple peril crop insurance literature since 1980. Review of Agricultural Economics, 1997, 19(1): 128. doi:10.2307/1349683.

[3] Glauber J W. Crop insurance reconsidered. American Journal of Agricultural Economics, 2004, 86(5): 1179-1195.

[4] 張峭. 中國(guó)農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估及區(qū)劃理論與實(shí)踐. 北京: 中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社, 2013.

ZHANG Q. The Theory and Practice of Chinese Crop Yield Risk Assessment and Regionalization. Beijing: China Agricultural Science and Technology Press, 2003. (in Chinese)

[5] 張峭, 徐磊, 王克. 加強(qiáng)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估與區(qū)劃 保障農(nóng)保持續(xù)健康發(fā)展.人民網(wǎng), 2011.

ZHANG Q, XU L, WANG K. Promoting the sustainable development of Chinese agricultural insurance program by enhancing the crop yield risk assessment and regionalization. People Newspaer, 2011. (in Chinese)

[6] Coble K H, Knight t o, goodwin b, miller m f, rejesus r m. A Comprehensive Review of the RMA APH and COMBO Rating Methodology, 2010, RMA USDA.

[7] RACINE J, KER A. Rating crop insurance policies with efficient nonparametric estimators that admit mixed data types. Journal of Agricultural and Resource Economics, 2006, 31(1): 27-39.

[8] 王克, 張峭. 農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法的評(píng)述及展望. 農(nóng)業(yè)展望, 2013(2): 38-43.

WANG K, ZHANG Q. Agricultural yield risk assessment: review and outlook. Agricultural Outlook, 2013, 9(2): 38-43. (in Chinese)

[9] 肖宇谷, 王克, 王曄. Bootstrap方法在農(nóng)業(yè)產(chǎn)量保險(xiǎn)費(fèi)率厘定中的應(yīng)用. 保險(xiǎn)研究, 2014(9): 21-28.

XIAO Y G, WANG K, WANG Y. The application of bootstrap method in ratemaking procedure of crop yield insurance. Insurance Studies, 2014(9): 21-28. (in Chinese)

[10] 葉濤, 譚暢, 劉楊賓. 基于縣域單產(chǎn)數(shù)據(jù)的種植業(yè)保險(xiǎn)定價(jià)模型關(guān)鍵假設(shè)檢驗(yàn). 保險(xiǎn)研究, 2014(6): 3-10.

YE T, TAN C, LIU Y B. Testing for the key assumptions of crop insurance pricing models using county-level yield data. Insurance Studies, 2014(6): 3-10. (in Chinese)

[11] 王克, 張峭. 農(nóng)作物單產(chǎn)風(fēng)險(xiǎn)分布對(duì)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. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2010, 15(2): 114-120.

WANG K, ZHANG Q. Influence of flexible crop yield distributions on crop insurance premium rate: A case study on cotton insurance in three counties of Xinjiang Province. Journal of Agricultural University, 2010, 15(2): 114-120. (in Chinese)

[12] 王克, 張峭. 基于數(shù)據(jù)融合的農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估新方法. 中國(guó)農(nóng)業(yè)科學(xué), 2013, 46(5): 1054-1060.

WANG K, ZHANG Q. A new approach to assess crop yield risk based on mixed source of data. Scientia Agricultura Sinica, 2013, 46(5): 1054-1060. (in Chinese)

[13] VILLENEUVE R. Issues in Agricultural Insurance, in 2015 SOA Annual Meeting. 2015.

[14] 葉濤, 聶建亮, 武賓霞，李曼, 史培軍. 基于產(chǎn)量統(tǒng)計(jì)模型的農(nóng)作物保險(xiǎn)定價(jià)研究進(jìn)展. 中國(guó)農(nóng)業(yè)科學(xué), 2012, 45(12): 2544-2551.

YE T, NIE J L, WU B X, LI M, SHI P J. Crop insurance premium rating based on yield simulation models. Scientia Agricultura Sinica, 2012, 45(12): 2544-2551. (in Chinese)

[15] 肖宇谷. 農(nóng)業(yè)保險(xiǎn)中的精算模型研究. 北京: 清華大學(xué)出版社, 2018.

Xiao Y G. The Actuarial Model in Agricultural Insurance. Beijing: Tsinghua University Press, 2018. (in Chinese)

[16] WOODARD J D, SHERRICK B J, SCHNITKEY G D. Actuarial impacts of loss cost ratio ratemaking in US crop insurance programs. Journal of Agricultural and Resource Economics, 2011, 36(1): 211.

[17] 張峭, 王克, 宋建國(guó). 中國(guó)農(nóng)業(yè)保險(xiǎn)保障分析與評(píng)價(jià). 北京: 中國(guó)金融出版社, 2020.

ZHANG Q, WANG K, SONG J G. The Analysis and Evaluation of Chinese Agricultural Insurance. Beijing: China Financial Publication House, 2020. (in Chinese)

[18] 庹國(guó)柱. 農(nóng)業(yè)保險(xiǎn)協(xié)議理賠該清理了. 中國(guó)銀行保險(xiǎn)報(bào), 2020.

TUO G. Z. The claim deal of Chinese agricultural insurance should be cleaned up. China Banking and Insurance News, 2020. (in Chinese)

[19] VILLENEUVE R. Restating Losses in Crop Insurance, in International Agricultural Risk. Finance and Insurane Conference, Vancouver Canada. 2013.

[20] ELAINE H A, GOODWIN B. Big assumptions for small samples in crop insurance. Agricultural Finance Review, 2014, 74(4): 477-491.

[21] Ye T, NIE J L, WANG J, SHI P J, WANG Z. Performance of detrending models of crop yield risk assessment: evaluation on real and hypothetical yield data. Stochastic Environmental Research and Risk Assessment, 2015, 29(1): 109-117.

[22] 陳軍, 趙思健, 聶謙. 區(qū)域農(nóng)業(yè)產(chǎn)量風(fēng)險(xiǎn)低估的評(píng)價(jià)研究. 保險(xiǎn)研究, 2020(2): 19-29.

CHEN J, ZHAO S J, NIE Q. A study on the underestimated evaluation of regional agricultural yield risk. Insurance Studies, 2020(2): 19-29. (in Chinese)

[23] 葉濤, 史培軍, 王靜愛(ài). 種植業(yè)自然災(zāi)害風(fēng)險(xiǎn)模型研究進(jìn)展. 保險(xiǎn)研究, 2014(10): 12-23.

YE T, SHI P J, WANG J A. A review on crop natural disaster risk models. Insurance Studies, 2014(10): 12-23. (in Chinese)

[24] GOODWIN B K, HUNGERFORD A. Copula-based models of systemic risk in u.s. agriculture: implications for crop insurance and reinsurance contracts. American Journal of Agricultural Economics, 2015, 97(3): 879-896.

[25] PORTH L, ZHU W K, TAN K S. A credibility-based Erlang mixture model for pricing crop reinsurance. Agricultural Finance Review, 2014, 74(2): 162-187.

[26] Rejesus R M, COBLE K H, MILLER M F, GOODWIN B K, AND KNIGHT T O, Accounting for weather probabilities in crop insurance rating. Journal of Agricultural and Resource Economics, 2015, 40(2): 306-324.

[27] SHEN Z W, ODENING M, OKHRIN O. Can expert knowledge compensate for data scarcity in crop insurance pricing? European Review of Agricultural Economics, 2015, 43(2): 237-269.

[28] KER A P, TOLHURST T N, LIU Y. Bayesian estimation of possibly similar yield densities: Implications for rating crop insurance contracts. American Journal of Agricultural Economics, 2015, 98(2): 360-382.

[29] WOODARD J D, VERTERAMO-CHIU L J. Efficiency impacts of utilizing soil data in the pricing of the federal crop insurance program. American Journal of Agricultural Economics, 2017, 99(3): 757-772.

[30] 張峭, 王克. 我國(guó)農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2011, 32(3): 32-36.

ZHANG Q, WANG K. Assessment and regional planning of Chinese agricultural natural disaster risks. Chinese Journal of Agricultural Resources and Regional Planning, 2011, 32(3): 32-36. (in Chinese)

[31] 張峭, 王克, 張希. 農(nóng)作物災(zāi)損風(fēng)險(xiǎn)的評(píng)估方法研究. 上海農(nóng)業(yè)學(xué)報(bào), 2010, 26(增刊): 22-26.

ZHANG Q, WANG K, ZHANG X. Research on the assessment approach of agricultural disaster and loss risk. Acta Agriculturae Shanghai, 2010, 26(Suppl.): 22-26. (in Chinese)

[32] 王月琴, 趙思健, 聶謙. 山西沁縣谷子綜合天氣指數(shù)保險(xiǎn)研究. 保險(xiǎn)研究, 2019(4): 15-26.

WANG Y Q, ZHAO S J, NIE Q. A study on synthetic weather index insurance for millet in Qinxian, Shanxi Province. Insurance Studies, 2019(4): 15-26. (in Chinese)

[33] 趙思健, 張峭, 聶謙, 鄭茗曦. 農(nóng)作物氣象災(zāi)害風(fēng)險(xiǎn)識(shí)別與評(píng)估研究. 災(zāi)害學(xué), 2018, 33(2): 51-57.

ZHAO S J, ZHANG Q, NIE Q, ZHENG M X. Weather-related diaster risk recognizing and assessment of crop. Journal of Catastrophology, 2018, 33(2): 51-57. (in Chinese)

[34] 牛浩, 陳盛偉. 山東省玉米氣象產(chǎn)量分離方法的多重比較分析. 山東農(nóng)業(yè)科學(xué), 2015, 47(8): 95-99.

NIU H, CHEN S W. Multiple comparative analyses of separation methods for meteorological yield of corn in Shandong Province. Shandong Agricultural Sciences, 2015, 47(8): 95-99. (in Chinese)

[35] 吳海平, 李士森, 李曉濤, 任金政. 混合數(shù)據(jù)信度優(yōu)化模型及其在農(nóng)作物保險(xiǎn)定價(jià)中的應(yīng)用: 以河北省縣級(jí)玉米保險(xiǎn)費(fèi)率厘定為例. 金融理論與實(shí)踐, 2020(12): 110-115.

WU H P, LI S S, LI X T, REN J Z. Mixed data optimal model and its application in crop insurance pricKing: taken the county-level maize insurance pricing of Hebei Province as an example. Financial Theory and Practice, 2020(12): 110-115. (in Chinese)

[36] Just R E, Weninger q. Are crop yields normally distributed? American Journal of Agricultural Economics, 1999, 81(2): 287-304.

[37] HARRI A, ERDEM C, COBLE K H, KNIGHT T O. Crop yield distributions: A reconciliation of previous research and statistical tests for normality. Review of Agricultural Economics, 2009, 31(1): 163-182.

[38] WOODARD J D, SHERRICK B J, SCHNITKEY G D. Revenue risk reduction impacts of crop insurance in a multi crop framework. Applied Economic Perspectives and Policy, 2010, 32(3): 472-488.

[39] GOODWIN B K, KER A P. Nonparametric estimation of crop yield distributions: Implications for rating group-risk crop insurance contracts. American Journal of Agricultural Economics, 1998, 80(1): 139-153.

[40] KER A P, GOODWIN B K. Nonparametric estimation of crop insurance rates revisited. American Journal of Agricultural Economics, 2000, 82(2): 463-478.

[41] ZHANG Q, WANG K. Evaluating production risks for wheat producers in Beijing. China Agricultural Economic Review, 2010, 2(2): 200-211.

[42] 任金政, 李曉濤. 基于異方差調(diào)整的糧食單產(chǎn)風(fēng)險(xiǎn)分布對(duì)保險(xiǎn)費(fèi)率厘定的影響研究. 保險(xiǎn)研究, 2019(9): 74-87.

REN J Z, LI X T. The impact of crop unit yield risk distribution based on heteroscedasticity adjustment on premium rates. Insurance Studies, 2019(9): 74-87. (in Chinese)

[43] BOKUSHEVA R. Measuring dependence in joint distributions of yield and weather variables. Agricultural Finance Review, 2011, 71(1): 120-141.

[44] TOLHURST T N, KER A P. Innovation Induced Volatility: 65 Years of Increasing and Asymmetric Crop Yield Volatility in the US Corn Belt. 2017.

[45] ZHU W. Actuarial Ratemaking in Agricultural Insurance[D]. University of Waterloo, 2015.

[46] ZHU W J, TAN K S, PORTH L. Agricultural insurance ratemaking: Development of a new premium principle. North American Actuarial Journal, 2019: 23(4): 512-534.

[47] PARK E J, BRORSEN B W, HARRI A. Using bayesian Kriging for spatial smoothing in crop insurance rating. American Journal of Agricultural Economics, 2019, 101(1): 330-351.

[48] TOLHURST T N, KER A P. On technological change in crop yields. American Journal of Agricultural Economics, 2015, 97(1): 137-158.

[49] BECHTEL A, YOUNG D L. The importance of using farm level risk estimates in crop enrollment decisions. Western Agricultural Economics Association, 1999.

[50] KNIGHT T O, COBLE K H, GOODWIN B K, REJESUS R M, SEO S. Developing variable unit-structure premium rate differentials in crop insurance. American Journal of Agricultural Economics, 2010, 92(1): 141-151.

[51] WANG H H, ZHANG H. Model-based clustering for cross-sectional time series data. Journal of Agricultural, Biological, and Environmental Statistics, 2002, 7(1): 107.

[52] CLAASSEN R, JUST R E. Heterogeneity and distributional form of farm-level yields. American Journal of Agricultural Economics, 2011, 93(1): 144-160.

[53] COBLE K H, DISMUKES R, THOMAS S. Policy implications of crop yield and revenue variability at differing levels of disaggregation, in Selected Paper for presentation at the American Agricultural Economics Association Annual Meeting, Portland, Oregon, July 29-August 1, 2007. 2007: Portland, Oregon.

[54] 葉濤, 牟青洋, 史培軍. 編制全國(guó)農(nóng)業(yè)保險(xiǎn)區(qū)劃、支撐農(nóng)業(yè)保險(xiǎn)高質(zhì)量發(fā)展//中國(guó)保險(xiǎn)學(xué)會(huì). 加快農(nóng)業(yè)保險(xiǎn)高質(zhì)量發(fā)展政策解讀和成果匯編. 北京: 中國(guó)金融出版社, 2020: 186-199.

YE T, MOU Q X Y, SHI P J. Supporting the high-quality development of China agricultural insurance by drafting the national agricultural insurance regionalization//Chinese Insurance Society. The Collection of Papers on Promoting China Agricultural Insurance High-quality Development. Beijing: China Financial Publication House, 2020: 186-199. (in Chinese)

[55] WANG H H, MAKUS L D, CHEN X M. The impact of US commodity programmes on hedging in the presence of crop insurance. European Review of Agricultural Economics, 2004, 31(3): 331-352.

[56] POPP M, RUDSTROM M, MANNING P. Spatial yield risk across region, crop and aggregation method. Canadian Journal of Agricultural Economics, 2005, 53(2.3): 103-115.

[57] RUDSTROM M, POPP M, MANNING P, GBUR E. Data aggregation issues for crop yield risk analysis. Canadian Journal of Agricultural Economics, 2002, 50(2): 185-200.

[58] ZHANG Q, LI Y, WANG K. The measure of data aggregation bias for crop production risk assessment//HUANG C. Emerging Economies, Risk and Development, and Intelligent Technology—Proceedings of the 5th International Conference on Risk Analysis and Crisis Response. USA: CRC Press, 2015: 35-42.

[59] 鄧仲華, 李志芳. 科學(xué)研究范式的演化——大數(shù)據(jù)時(shí)代的科學(xué)研究第四范式. 情報(bào)資料工作, 2013(4): 19-23.

Deng Z H, Li Z F. The evolution of scientific research paradigm: the fourth paradigm of scientific research in the era of big data. Information and Documentation Services, 2013(4): 19-23. (in Chinese)

[60] 黃欣卓, 彭康珺. 第四研究范式: 大數(shù)據(jù)時(shí)代的社會(huì)科學(xué)研究——“大數(shù)據(jù)與社會(huì)科學(xué)轉(zhuǎn)型高端學(xué)術(shù)研討會(huì)”綜述. 清華社會(huì)科學(xué), 2019, 1(1): 254-264.

HUANG X Z, PENG K J. The fourth paradigm of scientific research: social sciences research in the era of big data—the workshop review of big data and social sciences research. Tsinghua Social Sciences, 2019, 1(1): 254-264. (in Chinese)

[61] Ramirez O A, Colson G. Premium estimation inaccuracy and the distribution of crop insurance subsidies across participating producers// Agricultural & Applied Economics Association's 2013 AAEA & CAES Joint Annual Meeting. Washington D.C, 2013.

[62] MAISASHVILI A, BRYANT H L, JONES J P H. Implications of alternative crop insurance subsidies. Journal of Agricultural and Applied Economics, 2020, 52(2): 240-263.

The Uncertainty of Agricultural Yield Risk Assessment and Agricultural Insurance Pricing: Literature Review and Wayforward

ZHANG Qiao1,2, WANG Ke1,3

1Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081;2China Institute for Actuarial Science of Central University of Finance and Economics, Beijing 102206;3China Agriculture Reinsurance Corporation, Beijing 100083

As the importance of making an accurate rate to the sustainable development of agricultural insurance programs, lots of literature on agricultural risk assessment and agricultural insurance pricing had been conducted since the 1980s. Yet, uncertainty still existed regarding the risk assessment results and/or the agricultural insurance premium. With the purpose of improving the credibility of Chinese agricultural insurance pricing, we firstly conduct a literature review on the recent development in the field of agricultural risk assessment and insurance pricing, and then put forward the uncertainty sources for agricultural insurance pricing, followed by a solution. It is found that the data scarcity, the fuzziness in dealing with technical issues, and the unmatched spatial scale of risk assessment and pricing are the three reasons for the uncertainty of agricultural risk assessment and insurance pricing, and improving the agricultural insurance pricing credibility has been emerging as a hot topic in recent literature. Reducing the uncertainty of agricultural insurance pricing can be achieved in the big data era with the help of data mixing technology and data-intensive research. While making a sound agricultural insurance rate cannot overcome the essential adverse selection problem which could hamper the agricultural insurance sustainable development, however, it can be partly addressed by providing more flexible agricultural insurance products with alternative coverage levels.

agricultural insurance; agricultural yield risk assessment; agricultural insurance pricing; insurance ratemaking; uncertainty

2021-01-18；

2021-04-27

教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目（17JJD910002）

張峭，E-mail：zhangqiao@caas.cn。通信作者王克，E-mail：wangke@China-agrore.com

（責(zé)任編輯 李云霞）