梁來存 皮友靜

〔1.廣西財(cái)經(jīng)學(xué)院 廣西（東盟）財(cái)經(jīng)研究中心，廣西 南寧 530003；2.廣西財(cái)經(jīng)學(xué)院 圖書館，廣西 南寧 530003〕

一、引言

準(zhǔn)確測算糧食作物天氣指數(shù)保險(xiǎn)的政府保費(fèi)補(bǔ)貼支出，對于實(shí)施天氣指數(shù)保險(xiǎn)、促進(jìn)農(nóng)業(yè)保險(xiǎn)的健康發(fā)展，以及加強(qiáng)財(cái)政預(yù)算管理、提高財(cái)政保費(fèi)補(bǔ)貼資金的使用效率，具有重要的意義。

相對于傳統(tǒng)農(nóng)業(yè)保險(xiǎn)，天氣指數(shù)保險(xiǎn)是一種創(chuàng)新型的農(nóng)業(yè)保險(xiǎn)。傳統(tǒng)農(nóng)業(yè)保險(xiǎn)存在很多不足，突出的缺陷是管理成本太高，并存在著道德風(fēng)險(xiǎn)和逆選擇（庹國柱，2019）[1]。天氣指數(shù)保險(xiǎn)較好地克服了傳統(tǒng)農(nóng)業(yè)保險(xiǎn)的弊端，是傳統(tǒng)農(nóng)業(yè)保險(xiǎn)的創(chuàng)新，展現(xiàn)出獨(dú)特的優(yōu)勢和較好的發(fā)展?jié)摿?，受到了保險(xiǎn)業(yè)界和管理層的高度重視（張峭等，2019）[2]。天氣指數(shù)保險(xiǎn)透明度更高，減少了道德風(fēng)險(xiǎn)和逆選擇[3][4]。在實(shí)踐中，天氣指數(shù)保險(xiǎn)操作相對簡單，有效地減少了行政成本和交易成本[5][6]。天氣指數(shù)保險(xiǎn)賠付與否，只需要觀察客觀實(shí)際的天氣指數(shù)的變化情況，既避免了保險(xiǎn)人與被保險(xiǎn)人在核災(zāi)時(shí)的爭議，又大大減少了查勘定損的工作量，提高了農(nóng)業(yè)保險(xiǎn)經(jīng)營效率（朱俊生等，2016）[7]。當(dāng)然，天氣指數(shù)保險(xiǎn)也有不足之處，主要是天氣指數(shù)保險(xiǎn)的賠款數(shù)與作物損失之間不匹配，存在基差風(fēng)險(xiǎn)[8][9]。

對天氣指數(shù)保險(xiǎn)產(chǎn)品，學(xué)術(shù)界進(jìn)行了積極探索。牛浩等（2015）[10]以寧陽縣玉米作物為樣本，分析了玉米生長周期的氣象致災(zāi)因子，設(shè)立了風(fēng)雨倒伏指數(shù)，并基于1984—2013年的數(shù)據(jù)設(shè)計(jì)了玉米風(fēng)雨倒伏天氣指數(shù)保險(xiǎn)產(chǎn)品。劉凱文等（2017）[11]基于試點(diǎn)縣中稻的氣溫?cái)?shù)據(jù)資料，建立了高溫?zé)岷p產(chǎn)模型，并采用Weibull分布，構(gòu)建分時(shí)段的高溫?zé)岷︼L(fēng)險(xiǎn)分布模型，探討出高溫?zé)岷μ鞖庵笖?shù)保險(xiǎn)多種投保方案。曲思邈等（2018）[12]利用吉林省歷年的氣象觀測資料和玉米產(chǎn)量資料，采用參數(shù)化產(chǎn)量風(fēng)險(xiǎn)分析方法，建立了吉林省玉米干旱保險(xiǎn)模型，設(shè)計(jì)了不同免賠額的玉米干旱天氣指數(shù)保險(xiǎn)產(chǎn)品。王月琴等（2019）[13]以山西沁縣谷子為例，構(gòu)建了干旱指數(shù)和暴雨指數(shù)，并利用數(shù)據(jù)優(yōu)化匹配方法，定量評估了天氣指數(shù)對作物產(chǎn)量的影響，進(jìn)行了綜合天氣指數(shù)保險(xiǎn)研究，計(jì)算了保險(xiǎn)費(fèi)率、天氣指數(shù)觸發(fā)值和賠付標(biāo)準(zhǔn)。曹雯等（2019）[14]以河南冬小麥為研究對象，根據(jù)歷史資料分析了干旱發(fā)生規(guī)律，開展了干旱風(fēng)險(xiǎn)評估，構(gòu)建了減產(chǎn)率關(guān)于干旱天氣指數(shù)的模型，設(shè)計(jì)了冬小麥干旱保險(xiǎn)產(chǎn)品。梁來存（2019）[15]基于廣義Pareto分布對稻谷巨災(zāi)進(jìn)行了界定，并按照參數(shù)法對其保險(xiǎn)費(fèi)率進(jìn)行了厘定。

測算糧食作物天氣指數(shù)保險(xiǎn)的政府保費(fèi)補(bǔ)貼支出，天氣指數(shù)觸發(fā)值的確定至關(guān)重要。以往研究，或者取平均值（如平均日照時(shí)間、平均氣溫等）作為觸發(fā)值，或者根據(jù)歷史數(shù)據(jù)和經(jīng)驗(yàn)假定某個(gè)值為觸發(fā)值，這樣選取的觸發(fā)值帶有隨意性。本文根據(jù)概率分布理論確定觸發(fā)值，使觸發(fā)值的確定具有理論基礎(chǔ)。這樣，保險(xiǎn)費(fèi)率的厘定就更加科學(xué)，測算的政府保費(fèi)補(bǔ)貼支出就更加準(zhǔn)確。

借鑒中外學(xué)者的研究成果，本文以長沙縣短日照保險(xiǎn)為例，探討了測算糧食作物天氣指數(shù)保險(xiǎn)保費(fèi)補(bǔ)貼支出的方法：首先分析糧食單產(chǎn)因氣候變化而降低的幅度，計(jì)算氣候減產(chǎn)率；再利用概率分布理論，確定短日照觸發(fā)值；然后計(jì)算短日照測度指標(biāo)，分析短日照災(zāi)害的嚴(yán)重程度；最后測算短日照災(zāi)害對氣候減產(chǎn)率的影響程度，并估計(jì)短日照測度指標(biāo)的期望值，進(jìn)而厘定出短日照保險(xiǎn)的費(fèi)率，測算政府保費(fèi)補(bǔ)貼支出。

二、研究方法

（一）氣候減產(chǎn)率

對于糧食作物的實(shí)際單產(chǎn)X，其影響因素可以分為兩類：根本性因素和偶然因素。相應(yīng)地，實(shí)際單產(chǎn)X可以分解為兩個(gè)部分：一部分是趨勢單產(chǎn)，這是由農(nóng)業(yè)生產(chǎn)力水平?jīng)Q定的，即在氣候正常的年代，由生產(chǎn)力水平?jīng)Q定的單產(chǎn)理應(yīng)達(dá)到的水平，它可以通過建立時(shí)間序列模型求得。隨著農(nóng)業(yè)生產(chǎn)技術(shù)水平的逐步提高，趨勢單產(chǎn)呈上升趨向。另一部分是氣候單產(chǎn)XQ，是由意外的、偶然發(fā)生的多種多樣的自然災(zāi)害（如短日照）導(dǎo)致的，氣候單產(chǎn)的變化是隨機(jī)的、不規(guī)則的。

按式（1）計(jì)算的氣候減產(chǎn)率恒有Y≥0。當(dāng)災(zāi)害很嚴(yán)重時(shí)，實(shí)際單產(chǎn)X會很小，Y就會很大；當(dāng)災(zāi)害不嚴(yán)重時(shí)，實(shí)際單產(chǎn)與趨勢單產(chǎn)相差較小，Y就會很??；當(dāng)沒有發(fā)生災(zāi)害時(shí)，氣候減產(chǎn)率為0。

（二）短日照觸發(fā)值

在大樣本情況下，近似地有：

據(jù)此可得：

（三）短日照測度指標(biāo)

（四）短日照保險(xiǎn)的費(fèi)率厘定

糧食作物保險(xiǎn)屬于財(cái)產(chǎn)保險(xiǎn)，按照財(cái)產(chǎn)保險(xiǎn)的定價(jià)思路，糧食作物短日照天氣指數(shù)保險(xiǎn)純費(fèi)率為：

再分析保險(xiǎn)機(jī)構(gòu)業(yè)務(wù)經(jīng)營管理的有關(guān)費(fèi)用、財(cái)務(wù)經(jīng)營的穩(wěn)定性、利潤等因素，從而得到保險(xiǎn)費(fèi)率R。

（五）政府保費(fèi)補(bǔ)貼支出的測算

三、實(shí)證研究

（一）樣本選擇與數(shù)據(jù)來源

根據(jù)氣象數(shù)據(jù)的可得性，本文選擇湖南省長沙縣早稻作物作為樣本，時(shí)間范圍為1987—2019年。

長沙縣早稻作物整個(gè)生長期為5個(gè)月，3月播種，7月收割，每年的早稻單產(chǎn)數(shù)據(jù)來源于《長沙統(tǒng)計(jì)年鑒》。日照時(shí)間以月作為統(tǒng)計(jì)口徑，以各月每天的日照時(shí)間之和表示，數(shù)據(jù)來源于國家氣象信息中心氣象資料室?，F(xiàn)對長沙縣早稻單產(chǎn)X和3—7月各月份的日照時(shí)間Rj（j=3，4，5，6，7）的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)描述，如表1所示。

表1 1987—2019年長沙縣早稻單產(chǎn)和3—7月日照時(shí)間的統(tǒng)計(jì)描述

從表1看，1987—2019年間的平均單產(chǎn)為6081.37公斤/公頃。1998年單產(chǎn)4666.12公斤/公頃，為最低單產(chǎn)。1996年單產(chǎn)6829.25公斤/公頃，為最高單產(chǎn)。3—7月份，各月日照時(shí)間歷年平均值逐月上升，從3月份的78.96小時(shí)上升到7月份的233.83小時(shí)。3月份的日照時(shí)間標(biāo)準(zhǔn)差系數(shù)為0.34。各年間日照時(shí)間變化最大，7月份的標(biāo)準(zhǔn)差系數(shù)為0.24，各年間差異程度最小。

3—7月的每月日照時(shí)間都可以作為保險(xiǎn)標(biāo)的，因此本文將厘定每月短日照保險(xiǎn)的費(fèi)率，并測算相應(yīng)的政府保費(fèi)補(bǔ)貼支出。

（二）計(jì)算氣候減產(chǎn)率

ADF檢驗(yàn)法和PP檢驗(yàn)法檢驗(yàn)表明，單產(chǎn)X和3—7月份的日照時(shí)間Rj（j=3，4，5，6，7）都是平穩(wěn)的。

對于單產(chǎn)X，建立的時(shí)間序列模型為：

R2=0.5414，調(diào)整的 R2=0.4396，AIC=14.9689，DW=2.1134，F(xiàn)值=3.2846，F(xiàn)值對應(yīng)的P值=0.0270。特征根為 0.265±0.834i，特征根的模│0.265±0.834i│<1，故模型（5）平穩(wěn)。

基于模型（5），選擇靜態(tài)預(yù)測法，可以得到各年份的單產(chǎn)趨勢值。再利用式（1），計(jì)算出氣候減產(chǎn)率Y。

（三）測算短日照測度指標(biāo)

1987—2019年3月份的日照時(shí)數(shù)序列是平穩(wěn)的，故可建立ARMA模型：

R2=0.4578，F(xiàn) 值=4.6252，AIC=9.2867，DW=1.8791。特征根為0.8089，其模小于1，故模型（6）是平穩(wěn)的。

（四）氣候減產(chǎn)率關(guān)于短日照測度指標(biāo)的計(jì)量模型

表2 氣候減產(chǎn)率與短日照測度指標(biāo)的協(xié)整檢驗(yàn)

短日照測度指標(biāo)越大，表示短日照災(zāi)害越嚴(yán)重，短日照災(zāi)害對糧食單產(chǎn)的影響越顯著，氣候減產(chǎn)率越大；短日照測度指標(biāo)越小，氣候減產(chǎn)率越小。所以，從定性分析看，表2第（1）列的協(xié)整回歸方程都是合理的。

對于殘差項(xiàng)檢驗(yàn)的AEG回歸，取檢驗(yàn)水平1%，當(dāng)樣本容量T=28時(shí)，查協(xié)整檢驗(yàn)臨界值表，計(jì)算協(xié)整檢驗(yàn)臨界值。

C0.01=φx+φ1T-1+φ2T-2-3.9001-10.534/28-30.03/282=-4.3146

當(dāng) T=29時(shí)，C0.01=-4.2990。

（五）短日照保險(xiǎn)的定價(jià)

1.估計(jì)短日照測度指標(biāo)的期望值

表3 短日照測度指標(biāo)的分布判斷與期望值估計(jì)

2.厘定保險(xiǎn)費(fèi)率

利用式（4），并依據(jù)表 2第（1）列的協(xié)整回歸模型，以及表3第（3）列的短日照測度指標(biāo)的期望值，可以計(jì)算短日照天氣指數(shù)保險(xiǎn)的純費(fèi)率。例如，當(dāng)賠付概率為40%時(shí)，3月份短日照天氣指數(shù)保險(xiǎn)的純費(fèi)率為：

由于天氣指數(shù)保險(xiǎn)比傳統(tǒng)農(nóng)業(yè)保險(xiǎn)更能節(jié)省業(yè)務(wù)經(jīng)營管理費(fèi)用，所以，這里將純費(fèi)率轉(zhuǎn)換為費(fèi)率時(shí)，選擇轉(zhuǎn)換系數(shù)為1.5，得到相應(yīng)的短日照保險(xiǎn)的費(fèi)率，如表4所示。

表4 40%賠付概率時(shí)短日照保險(xiǎn)費(fèi)率厘定結(jié)果

（六）政府保費(fèi)補(bǔ)貼支出的測算

表5 賠付概率40%時(shí)3月份政府保費(fèi)補(bǔ)貼支出的測算表

（續(xù)表）

以表5第（2）列為例，當(dāng)保險(xiǎn)公司3月份短日照保險(xiǎn)賠付概率為40%時(shí)，第（2）列表示1989—2019年各年由中央財(cái)政承擔(dān)的每公頃的保費(fèi)補(bǔ)貼序列。這里采用實(shí)物單位“公斤”而不采用價(jià)值單位，旨在確保該序列數(shù)據(jù)不受價(jià)格的影響，在時(shí)序上具有可比性。對于該序列的分布形式，采用修正的A-D值最小的原則進(jìn)行判斷，判定結(jié)果為邏輯分布（Logistic）。據(jù)此計(jì)算該序列的期望值為3.5718公斤/公頃，即中央政府為每公頃早稻作物提供的保費(fèi)補(bǔ)貼年平均為3.5718公斤。如果按早稻作物平均價(jià)格140元/50公斤進(jìn)行換算，就是10.0010元/公頃，即0.6667元/畝。

與表5中測算3月份政府保費(fèi)補(bǔ)貼支出類似，再分別測算4—7月份的政府保費(fèi)補(bǔ)貼支出，一并列于表6中。計(jì)算3—7月的合計(jì)數(shù)，再按早稻作物平均價(jià)格140元/50公斤進(jìn)行換算，得到年均每畝的政府保費(fèi)補(bǔ)貼支出。

表6 賠付概率40%時(shí)整個(gè)生長期政府保費(fèi)補(bǔ)貼支出的測算表

（七）實(shí)證結(jié)論分析

分析表6，可以看出：

1.從短日照保險(xiǎn)單位面積的政府年均保費(fèi)補(bǔ)貼支出分析。如果中央、省、市縣的財(cái)政保費(fèi)補(bǔ)貼占保費(fèi)收入的比重分別按40%、25%、10%來計(jì)算，當(dāng)保險(xiǎn)公司的賠付概率為40%時(shí)，中央、省、市縣每畝年均分別補(bǔ)貼保費(fèi)2.58元、1.61元、0.65元。

和區(qū)域產(chǎn)量保險(xiǎn)相比，中央、省、市縣政府每畝年均保費(fèi)補(bǔ)貼的額度較低，這是由于費(fèi)率較低導(dǎo)致的。費(fèi)率較低的原因主要有三個(gè)方面，一是因?yàn)檫@是短日照保險(xiǎn)，僅僅承保單一風(fēng)險(xiǎn)——短日照風(fēng)險(xiǎn)；二是因?yàn)殚L沙縣地處東亞季風(fēng)區(qū)，氣候較為濕潤，陽光比較充裕，發(fā)生短日照的概率較低；三是因?yàn)殚L沙縣是湖南省經(jīng)濟(jì)最發(fā)達(dá)的縣，農(nóng)田基礎(chǔ)設(shè)施比較完善，抵御自然災(zāi)害的能力較強(qiáng)。

2.從短日照保險(xiǎn)政府年均保費(fèi)補(bǔ)貼總支出分析。如果長沙縣早稻作物投保面積為53萬畝，當(dāng)保險(xiǎn)公司的賠付概率為40%時(shí)，中央、省、市縣財(cái)政年均保費(fèi)補(bǔ)貼支出分別為136.93萬元、85.58萬元、34.23萬元。

3.從市縣政府保費(fèi)補(bǔ)貼的支付能力分析。長沙縣2019年地區(qū)生產(chǎn)總值為1509.3億元，全年實(shí)現(xiàn)財(cái)政總收入356.4億元。對于長沙縣早稻作物的短日照保險(xiǎn)，當(dāng)保險(xiǎn)公司賠付概率為40%時(shí)，市縣政府年均保費(fèi)補(bǔ)貼支出為34.23萬元，約占地區(qū)生產(chǎn)總值的0.00023%，占全年財(cái)政總收入的0.00096%。

四、結(jié)論

測算短日照保險(xiǎn)的政府保費(fèi)補(bǔ)貼支出的方法是：首先分析氣候因素導(dǎo)致糧食作物減產(chǎn)的程度，計(jì)算氣候減產(chǎn)率；其次基于統(tǒng)計(jì)理論與方法設(shè)計(jì)短日照測度指標(biāo)，測算短日照災(zāi)害的嚴(yán)重程度；再次利用計(jì)量經(jīng)濟(jì)學(xué)理論與方法，構(gòu)建了氣候減產(chǎn)率關(guān)于短日照測度指標(biāo)的計(jì)量模型，確定短日照因素對單產(chǎn)降低的影響程度；最后根據(jù)該計(jì)量模型體現(xiàn)的影響程度和短日照測度指標(biāo)的期望，厘定短日照保險(xiǎn)的費(fèi)率，進(jìn)而測算政府的保費(fèi)補(bǔ)貼支出。

以長沙縣早稻作物為樣本，實(shí)證研究結(jié)果表明：如果短日照賠付概率取40%，中央、省、市縣政府的財(cái)政保費(fèi)補(bǔ)貼占保費(fèi)收入的比重分別按40%、25%、10%來計(jì)算，那么，中央、省、市縣每畝年均分別補(bǔ)貼保費(fèi)2.58元、1.61元、0.65元。當(dāng)短日照賠付概率取值變化時(shí)，中央、省、市縣的政府補(bǔ)貼也相應(yīng)變化。

測算政府保費(fèi)補(bǔ)貼支出的關(guān)鍵是觸發(fā)值的確定。本文探討了短日照天氣指數(shù)保險(xiǎn)政府保費(fèi)補(bǔ)貼的測算，基于概率分布理論較好地解決了觸發(fā)值的確定問題，并將保險(xiǎn)公司的賠付概率、短日照觸發(fā)值、保險(xiǎn)費(fèi)率、政府保費(fèi)補(bǔ)貼支出有機(jī)地聯(lián)系在一起，為探討其他天氣指數(shù)保險(xiǎn)的費(fèi)率厘定、測算相應(yīng)的政府保費(fèi)補(bǔ)貼支出提供了新思路。◆