張峭，王克

農(nóng)業(yè)生產(chǎn)風(fēng)險評估及農(nóng)業(yè)保險費率厘定的不確定性：研究進(jìn)展和破解之道

張峭1，2，王克1，3

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

鑒于準(zhǔn)確厘定農(nóng)業(yè)保險費率在保障農(nóng)業(yè)保險持續(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)險的科學(xué)評估和農(nóng)業(yè)保險精算開展了大量研究，但尚不完善，評估結(jié)果仍存在較大不確定性。為提高農(nóng)業(yè)保險定價的可信度，推動我國農(nóng)業(yè)保險精算技術(shù)的發(fā)展，本文作者對國內(nèi)外學(xué)界關(guān)于農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險費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)保險費率厘定不確定產(chǎn)生的根源及應(yīng)對之策。研究發(fā)現(xiàn)，數(shù)據(jù)的稀缺性、技術(shù)問題的模糊性以及風(fēng)險評估和保險定價的空間不匹配性是造成農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險費率厘定結(jié)果存在不確定性的3個主要原因，提高農(nóng)業(yè)保險定價結(jié)果的可信度成為國外學(xué)者最新研究的努力方向。在大數(shù)據(jù)時代，降低農(nóng)業(yè)保險費率厘定不確定性、提高農(nóng)險定價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)保險的精算定價并不能完全解決逆選擇問題，還需要提供更加多樣更具有彈性的農(nóng)業(yè)保險產(chǎn)品進(jìn)行配合。

農(nóng)業(yè)保險；農(nóng)業(yè)生產(chǎn)風(fēng)險評估；農(nóng)業(yè)保險定價；費率厘定；不確定性

近半個世紀(jì)以來，世界各國政府對農(nóng)業(yè)保險和農(nóng)業(yè)風(fēng)險管理的重視程度不斷增加，農(nóng)業(yè)保險在全球獲得了快速發(fā)展，已在100多個國家推廣或試點[1]。在有關(guān)農(nóng)業(yè)保險的研究問題中，農(nóng)業(yè)保險精算及農(nóng)業(yè)生產(chǎn)風(fēng)險評估得到了學(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)保險逆選擇問題、確保農(nóng)業(yè)保險持續(xù)健康發(fā)展的重要手段[2-5]。20世紀(jì)80年代起國外學(xué)者主要是美國的學(xué)者圍繞農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險精算開展了大量深入的研究，相關(guān)研究極大地支撐和促進(jìn)了美國農(nóng)業(yè)保險的發(fā)展[6-7]，我國學(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)險評估理論方法和技術(shù)體系[8]，但當(dāng)前農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險精算的技術(shù)方法還不成熟，不管是經(jīng)驗費率法還是基于單產(chǎn)分布的費率厘定方法都存在相當(dāng)程度的不確定性[9]，前者簡單易行，但受數(shù)據(jù)所限信度不高，而后者理論方法嚴(yán)謹(jǐn)，但對趨勢擬合和產(chǎn)量分布模型選擇等技術(shù)環(huán)節(jié)非常敏感[10-11]。對同一地區(qū)的風(fēng)險評估，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)險評估和農(nóng)業(yè)保險精算在全球仍是一個具有挑戰(zhàn)性的工作，農(nóng)業(yè)保險為精算師開辟了一個新興領(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)險評估及農(nóng)業(yè)保險費率厘定的精確度和可信度開展了許多卓有成效的研究。為推動我國農(nóng)業(yè)保險精算技術(shù)的發(fā)展，使之在我國農(nóng)業(yè)保險科學(xué)定價和保險區(qū)劃等業(yè)務(wù)實踐中發(fā)揮更大作用，助力農(nóng)業(yè)保險的精細(xì)化和高質(zhì)量發(fā)展，本文基于前人研究對農(nóng)業(yè)保險費率厘定不確定產(chǎn)生的根源及應(yīng)對之策進(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)險評估及保險費率厘定的主要方法及不確定性

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

農(nóng)業(yè)保險費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)險分析法[15]。損失成本比率法又稱經(jīng)驗費率法，是依據(jù)單個農(nóng)戶或地區(qū)的經(jīng)驗賠付數(shù)據(jù)，先通過歷史的實際賠付金額與保障水平之比計算個體的損失成本比率，再對個體的損失成本比率取平均，得到一個基準(zhǔn)的損失成本比率，這種費率厘定的方法和非壽險精算領(lǐng)域的精算方法基本一致，也是美國農(nóng)作物保險精算業(yè)務(wù)中的推薦方案[6,16]。但由于兩個方面的原因，農(nóng)業(yè)保險采用LCR費率厘定方法可能導(dǎo)致較大的誤差。第一個原因是農(nóng)業(yè)保險開辦時間較短，歷史賠付數(shù)據(jù)積累較少，保險理賠數(shù)據(jù)質(zhì)量不高，保險賠付很可能不能真實反映風(fēng)險大小，這一點在發(fā)展中國家尤為明顯。《中國農(nóng)業(yè)保險保障研究報告2019》研究發(fā)現(xiàn)，2008—2018年我國農(nóng)業(yè)保險賠付率在不斷走高的同時賠付率波動變小，不能排除農(nóng)業(yè)保險協(xié)議理賠的可能性[17]。“協(xié)議賠付”的普遍存在使得依據(jù)實際賠付數(shù)據(jù)的精算定價變得不可靠，足以影響準(zhǔn)確定價[18]；第二個原因是，即便農(nóng)業(yè)保險賠付沒有行政干預(yù)，完全按照實際損失進(jìn)行賠付，但農(nóng)業(yè)保險合約條款在不同年份會發(fā)生變化和調(diào)整，保險條款、承保單位和保險期限可能都不一樣，如何處理這種變化使不同年份的農(nóng)業(yè)保險賠付率具有可比性，即Restate 的方法也對費率厘定結(jié)果會產(chǎn)生顯著影響[19-20]。

產(chǎn)量風(fēng)險分析法是從作物單位面積產(chǎn)量的時間序列數(shù)據(jù)出發(fā)，遵循“作物單產(chǎn)—趨勢剔除—分布擬合—定量評估”的范式，通過趨勢產(chǎn)量的擬合和去趨勢化，分離出單產(chǎn)波動序列，隨后用參數(shù)、半?yún)?shù)或非參數(shù)方法擬合單產(chǎn)波動序列的概率分布，進(jìn)而得到費率[8]。國內(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。總體來看，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[8]，但是存在幾個方面的缺點：一是趨勢和單產(chǎn)分布的選擇還沒有一致的方法和結(jié)論[14,21]，費率對產(chǎn)量分布的擬合方法非常敏感，無論是選擇參數(shù)方法還是核密度方法，估計的費率都存在較大差異；二是點估計的誤差沒有得到恰當(dāng)?shù)乜坍?。費率制定者常常對結(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)計數(shù)據(jù)的可得性，大多數(shù)時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)會產(chǎn)生空間加總偏差的問題[12,22]，基于產(chǎn)量統(tǒng)計方法得到的保費是區(qū)域產(chǎn)量保險的保費，和業(yè)務(wù)實踐中對個體農(nóng)戶收取保費進(jìn)行賠付的操作不相符[23]。由于農(nóng)業(yè)生產(chǎn)風(fēng)險的空間相關(guān)性，風(fēng)險評估和保險費率厘定中如果不考慮這一點將會放大評估結(jié)果的偏誤程度[24]，而且農(nóng)業(yè)生產(chǎn)的特點決定了一年只有一個農(nóng)業(yè)產(chǎn)量數(shù)據(jù)，和其他財產(chǎn)險定價相比，農(nóng)業(yè)保險精算定價所依賴的數(shù)據(jù)量太小，數(shù)據(jù)量嚴(yán)重不足，致使農(nóng)業(yè)保險費率缺乏足夠的可信度[25]。

綜合來看，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)險和保險費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)開展農(nóng)業(yè)風(fēng)險評估。第二步是估算能反映特定產(chǎn)品（保險標(biāo)的）風(fēng)險的損失數(shù)據(jù)，根據(jù)原始數(shù)據(jù)的不同所采用的方法也不同，既可以直接計算，也可以通過單產(chǎn)數(shù)據(jù)去趨勢化、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；第三步是利用概率論和數(shù)理統(tǒng)計等方法對風(fēng)險損失序列進(jìn)行量化評估，計算得到均值、偏度、峰度、標(biāo)準(zhǔn)差、在險價值（VaR）等統(tǒng)計量，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)合保險方案條款，對第三步得到的風(fēng)險量化結(jié)果進(jìn)行空間轉(zhuǎn)化，計算得到農(nóng)業(yè)保險精算費率。

在圖1所示農(nóng)業(yè)生產(chǎn)風(fēng)險評估和保險費率厘定的過程中，農(nóng)業(yè)保險費率厘定的不確定性主要產(chǎn)生于后3個環(huán)節(jié)。（1）損失數(shù)據(jù)估計環(huán)節(jié)，該環(huán)節(jié)的不確定性來源于兩個方面，一是數(shù)據(jù)量不足或數(shù)據(jù)質(zhì)量不高造成的誤差，因為在統(tǒng)計學(xué)上統(tǒng)計結(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，則任何一個異常值或“臟數(shù)據(jù)”都會對定價結(jié)果造成很大影響；二是利用風(fēng)險數(shù)據(jù)間接估計風(fēng)險損失過程中技術(shù)處理上的模糊性，如對產(chǎn)量數(shù)據(jù)進(jìn)行去趨勢處理可采用不同方法，導(dǎo)致不同的風(fēng)險損失計算結(jié)果；（2）量化評估環(huán)節(jié)，該環(huán)節(jié)的不確定性主要來源于從風(fēng)險損失到風(fēng)險量化的技術(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)險表達(dá)和費率厘定環(huán)節(jié)，該環(huán)節(jié)的不確定性主要來自于風(fēng)險評估和保險定價空間尺度不一致造成的誤差。因為在我國和大多數(shù)國家農(nóng)業(yè)保險是對個體農(nóng)戶進(jìn)行承保、依據(jù)被保險農(nóng)戶個體損失進(jìn)行理賠的“個體保險”，農(nóng)業(yè)保險保費應(yīng)該是和該個體農(nóng)戶的風(fēng)險情況相對應(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）數(shù)據(jù)厘定農(nóng)業(yè)保險費率，厘定出的費率自然和農(nóng)戶真實的風(fēng)險大小不完全對應(yīng)?？紤]到第一個環(huán)節(jié)的不確定性有部分原因是技術(shù)造成的，本文將之和第二個環(huán)節(jié)的技術(shù)問題進(jìn)行合并，認(rèn)為造成農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險費率厘定結(jié)果不確定性的原因主要有數(shù)據(jù)的稀缺性、技術(shù)問題的模糊性以及風(fēng)險評估和保險定價的空間不匹配性。

2 應(yīng)對農(nóng)業(yè)生產(chǎn)風(fēng)險評估及保險費率厘定不確定性的國內(nèi)外研究進(jìn)展

從研究脈絡(luò)看，國外學(xué)者圍繞農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險精算的研究大體可以分為兩個階段：一是側(cè)重于風(fēng)險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。第二個階段是2000年之后，研究的重點轉(zhuǎn)向農(nóng)業(yè)生產(chǎn)風(fēng)險損失的估計和農(nóng)業(yè)保險精算的可信度。相比國外，我國學(xué)者在農(nóng)業(yè)生產(chǎn)風(fēng)險評估及保險費率厘定方面的研究在2004年以后才開始逐漸增多，目前基本停留在國外第一個階段的水平，但開始有學(xué)者注意到了農(nóng)業(yè)生產(chǎn)風(fēng)險損失估計的重要性，在提高農(nóng)業(yè)保險精算可信度方面開展了相關(guān)研究。

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

針對農(nóng)業(yè)保險精算數(shù)據(jù)量少的問題，不管是國外學(xué)者還是國內(nèi)學(xué)者，基本思路都是利用氣象、土壤等信息來補(bǔ)充和擴(kuò)展農(nóng)業(yè)保險精算所需的數(shù)據(jù)量。REJESUS等[26]提出了在農(nóng)業(yè)保險費率厘定中考慮氣象數(shù)據(jù)信息以提升費率厘定科學(xué)性的方法。SHEN等[27]提出了將專家知識納入農(nóng)業(yè)保險定價的新框架，以中國東北三省水稻產(chǎn)量巨災(zāi)保險為例的實證研究表明，該框架會提升定價的穩(wěn)健性。Ker等[28]提出了一個新的定價思路，某區(qū)域 i 的費率并不僅以該地區(qū)數(shù)據(jù)為基礎(chǔ)進(jìn)行測算，而是以所有區(qū)域的數(shù)據(jù)進(jìn)行計算，研究表明該方法具有很好的優(yōu)勢，可以提高費率厘定的精度。WOODARD 等[29]提出了在農(nóng)業(yè)保險費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)保險費率更加準(zhǔn)確和穩(wěn)健。PORTH等[25]針對農(nóng)業(yè)保險精算數(shù)據(jù)不足的問題，首次將保險精算領(lǐng)域的信度理論納入農(nóng)業(yè)保險精算，利用全國平均賠付率或氣象數(shù)據(jù)來對某一省份農(nóng)業(yè)保險費率定價進(jìn)行賦權(quán)，提升了定價的信度。在國內(nèi)，有學(xué)者根據(jù)我國有較高質(zhì)量農(nóng)業(yè)災(zāi)情統(tǒng)計數(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)險評估方法[30-31]。還有很多學(xué)者利用氣候數(shù)據(jù)對農(nóng)業(yè)生產(chǎn)風(fēng)險進(jìn)行評估（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)保險的定價。吳海平等[35]以河北省為例驗證了Ker（2016）研究思路在中國應(yīng)用的可行性，結(jié)果表明同時利用特定縣及風(fēng)險同質(zhì)區(qū)域的產(chǎn)量數(shù)據(jù)進(jìn)行農(nóng)業(yè)保險定價，能夠顯著提升農(nóng)業(yè)保險費率厘定的信度。除此之外，肖宇谷等[9]提出了農(nóng)業(yè)保險費率厘定區(qū)間估計的思路和方法，在傳統(tǒng)評估方法的基礎(chǔ)上利用Bootstrap方法估算出可能的保險費率區(qū)間，并利用區(qū)間的長度來判斷費率厘定的可信度水平，為解決農(nóng)業(yè)生產(chǎn)風(fēng)險評估信度不高問題提供了新的思路。

2.2 解決農(nóng)業(yè)風(fēng)險評估技術(shù)不確定性而開展的研究

在“作物單產(chǎn)－趨勢剔除－分布擬合－定量評估”—這一國外學(xué)者普遍采用的評估范式中，早期學(xué)者研究集中在分布擬合方面，就農(nóng)業(yè)風(fēng)險分布擬合模型開展了深入的研究。2000年左右有學(xué)者對這些研究提出批評，認(rèn)為這些研究不嚴(yán)謹(jǐn)，沒有經(jīng)過嚴(yán)謹(jǐn)?shù)膯萎a(chǎn)趨勢處理就輕率得出作物生產(chǎn)風(fēng)險不服從正態(tài)分布的結(jié)論[36-37]。這幾篇文獻(xiàn)指出了國外早期研究忽視作物風(fēng)險損失估計的不足[21]，引起了國外學(xué)者的重視，對如何準(zhǔn)確估計作物風(fēng)險損失的研究越來越多。但學(xué)者們對采用何種方法準(zhǔn)確擬合和刻畫作物單產(chǎn)的時間趨勢并沒有達(dá)成一致，有學(xué)者主張利用計量經(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)代時間序列技術(shù)是作物產(chǎn)量趨勢擬合最好的方法[39]，還有的學(xué)者認(rèn)為過于簡單或復(fù)雜的方法都不合適，主張使用直線滑動平均法或非線性局部回歸法[40-41]，任金政和李曉濤針對單產(chǎn)去趨勢可能存在的主觀選擇和異方差問題，提出了基于異方差調(diào)整的糧食作物風(fēng)險評估和保險費率厘定方法[42]。RAUSHAN對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準(zhǔn)確刻畫技術(shù)進(jìn)步、氣象變化和產(chǎn)量趨勢之間的關(guān)系[43]。TOLHURST等的研究也表明，過去60年氣候變化使農(nóng)業(yè)產(chǎn)量波動增加，對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)趨勢外，國外學(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，對農(nóng)業(yè)保險定價中的單產(chǎn)分布模型進(jìn)行了更深入的研究，主要有3個研究趨向。一是針對農(nóng)業(yè)保險定價中納入更多數(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)保險定價原則，如Erlang mixed model[45]和多變量加權(quán)定價原則（The multivariate weighted premium principle，MWPP）[46]；二是在農(nóng)業(yè)保險定價中對尾部風(fēng)險和農(nóng)業(yè)風(fēng)險的空間相關(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）對單產(chǎn)分布進(jìn)行擬合和農(nóng)業(yè)保險定價[47]；三是研究提出新的農(nóng)業(yè)保險定價方法，如利用嵌套雙正態(tài)分布法直接厘定保險費率，不再需要先從產(chǎn)量數(shù)據(jù)中進(jìn)行趨勢擬合，分離單產(chǎn)波動后進(jìn)行擬合。新方法的優(yōu)點：（1）更加靈活，可近似表達(dá)為多種分布；（2）可以檢驗單產(chǎn)分布隨時間的變化情況[48]。

2.3 針對農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險定價空間尺度不一致而開展的研究

由于農(nóng)戶層次單產(chǎn)時序數(shù)據(jù)的缺乏，利用單產(chǎn)歷史數(shù)據(jù)評估作物生產(chǎn)風(fēng)險的研究大部分都基于大空間尺度（至少為縣級）的單產(chǎn)時序數(shù)據(jù)，而在一個較大的空間區(qū)域內(nèi)，部分農(nóng)戶的高風(fēng)險可能會被另外一些農(nóng)戶的低風(fēng)險所“抵消”，導(dǎo)致區(qū)域平均后的單產(chǎn)波動變小，不能反映農(nóng)戶真實風(fēng)險損失，產(chǎn)生“數(shù)據(jù)空間加總偏差（Data Aggregation Bias）”和低估風(fēng)險的問題[49-50]，且空間尺度越大風(fēng)險低估程度也越大[12,51-52]。COBLE 等利用農(nóng)戶、縣、省和全國4個不同空間尺度的單產(chǎn)數(shù)據(jù)對美國玉米、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)計算出的作物單產(chǎn)變異系數(shù)最大，是省級和全國水平變異系數(shù)的2倍和3倍多[53]。

如何解決數(shù)據(jù)空間加總偏差的問題？在過去的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，為使用縣級單產(chǎn)數(shù)據(jù)推算農(nóng)戶級別保險損失風(fēng)險和費率厘定提供了更多的經(jīng)驗數(shù)據(jù)[54]。基本思路是首先計算出不同空間尺度（如農(nóng)戶層次和縣域?qū)哟危┳魑飭萎a(chǎn)波動水平，然后估算兩者的差異或比值，最后利用該比值對基于大空間尺度單產(chǎn)數(shù)據(jù)的風(fēng)險評估結(jié)果進(jìn)行修正，其中，農(nóng)戶層次單產(chǎn)波動的計算方法又分為兩種，第一種是利用農(nóng)戶層次可獲得的有限樣本直接計算[55-56]，另一種是利用農(nóng)業(yè)保險公司的實際賠付數(shù)據(jù)間接估計[50,52,57]。國內(nèi)也有一些研究致力于解決這個問題，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)，通過數(shù)據(jù)融合的風(fēng)險評估來克服“數(shù)據(jù)空間加總偏差”的新方法[12]；陳軍等實證檢驗了數(shù)據(jù)空間加總的程度，研究結(jié)果表明從縣級單產(chǎn)到地市級單產(chǎn)數(shù)據(jù)的加總，導(dǎo)致湖北三地級市水稻單產(chǎn)風(fēng)險程度低估了51.27%，為農(nóng)業(yè)保險費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)險評估中數(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）的計量經(jīng)濟(jì)模型，提出了利用該規(guī)律對作物生產(chǎn)風(fēng)險評估結(jié)果進(jìn)行修正的建議[58]。

3 農(nóng)業(yè)生產(chǎn)風(fēng)險評估及農(nóng)業(yè)保險費率厘定的研究展望

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

從國際最新研究文獻(xiàn)看，針對農(nóng)業(yè)保險費率厘定的數(shù)據(jù)稀缺性問題，國內(nèi)外學(xué)者研究的一個共同點是利用其他類型的數(shù)據(jù)對作物產(chǎn)量數(shù)據(jù)或損失數(shù)據(jù)進(jìn)行“增信”，這無疑是一個正確的方向，也是大數(shù)據(jù)時代第四科學(xué)范式數(shù)據(jù)密集型研究的必然要求[59]。在大數(shù)據(jù)時代，社會科學(xué)領(lǐng)域的研究開始從模型驅(qū)動向數(shù)據(jù)驅(qū)動轉(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經(jīng)濟(jì)發(fā)展不確定性的增大，學(xué)者們對農(nóng)業(yè)生產(chǎn)風(fēng)險評估及農(nóng)業(yè)保險費厘定的可信度或可靠性給予了更高的關(guān)注，開展了基于多源數(shù)據(jù)融合的農(nóng)業(yè)生產(chǎn)風(fēng)險評估和農(nóng)業(yè)保險費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)保險高質(zhì)量發(fā)展的指導(dǎo)意見》指導(dǎo)下，我國農(nóng)業(yè)保險精算工作取得了重大突破。中國銀保監(jiān)會組織中國精算師協(xié)會和中國銀保信息技術(shù)管理有限公司等行業(yè)力量，基于全國農(nóng)業(yè)保險平臺積累的11.6億條保單級農(nóng)業(yè)保險理賠數(shù)據(jù)，采用“一體兩翼”的策略完成并發(fā)布了全國地市級三大主糧作物農(nóng)業(yè)保險純風(fēng)險費率區(qū)劃，在推動農(nóng)業(yè)保險精細(xì)化發(fā)展、破解“一省一費”的粗放發(fā)展模式上邁出了堅實一步。另外，在此之前，中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所農(nóng)業(yè)風(fēng)險管理研究創(chuàng)新團(tuán)隊也在10余年研究基礎(chǔ)上，利用詳實的農(nóng)業(yè)統(tǒng)計數(shù)據(jù)、農(nóng)業(yè)保險業(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《中國農(nóng)業(yè)生產(chǎn)風(fēng)險區(qū)劃地圖冊》，對全國31個省份自治區(qū)縣域尺度上11種主要農(nóng)產(chǎn)品的生產(chǎn)風(fēng)險情況進(jìn)行了區(qū)劃和制圖（“農(nóng)險論壇”微信公眾號, 《成果推薦：中國農(nóng)業(yè)生產(chǎn)風(fēng)險區(qū)劃地圖冊》https://mp.weixin.qq.com/s/bz4rt7PNtxjCh6DcudEpEQ）。這兩項成果都在行業(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)驗費率法為基礎(chǔ)，賦予基于單產(chǎn)的費率厘定方法10%權(quán)重和基于災(zāi)害因子的費率厘定方法10%權(quán)重進(jìn)行調(diào)整。后者以作物單產(chǎn)統(tǒng)計方法為基礎(chǔ)，根據(jù)省級尺度農(nóng)業(yè)保險賠付數(shù)據(jù)和不同空間尺度費率厘定結(jié)果的轉(zhuǎn)換關(guān)系對評估結(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)險評估和保險費率厘定的生動實踐。但這兩項成果仍有改進(jìn)的余地。前者對3種費率厘定結(jié)果給予80%、10%和10%權(quán)重的做法有較大的武斷性，當(dāng)前我國農(nóng)業(yè)保險領(lǐng)域廣泛存在的“協(xié)議賠付”和“數(shù)據(jù)失真”問題也降低了其可信度；而后者風(fēng)險評估結(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，無法證明風(fēng)險評估結(jié)果的可靠性有多大。未來建議，一是要開展兩項成果的互相校正，二是要研究不同數(shù)據(jù)源風(fēng)險評估結(jié)果的信度，完善農(nóng)業(yè)保險費率厘定的數(shù)據(jù)融合方法，為我國農(nóng)業(yè)保險提供更加科學(xué)、更為可靠的費率厘定結(jié)果。

未來，筆者認(rèn)為應(yīng)該重點開展兩方面的工作，一是深入開展農(nóng)業(yè)保險費率厘定多源數(shù)據(jù)融合的機(jī)理和方法研究，不斷提升農(nóng)業(yè)保險費率厘定的科學(xué)性和可靠性；二是要特別注重農(nóng)業(yè)保險基礎(chǔ)數(shù)據(jù)的積累、整合和開放共享，這是數(shù)據(jù)融合技術(shù)應(yīng)用的基礎(chǔ)，也是對農(nóng)業(yè)保險費率厘定科學(xué)性和可靠性的根本支持。需要說明的是，農(nóng)業(yè)生產(chǎn)風(fēng)險評估及農(nóng)業(yè)保險費率厘定自20世紀(jì)80年代以來一直是國際農(nóng)業(yè)保險領(lǐng)域研究的重點，相關(guān)領(lǐng)域的研究可謂汗牛充棟，許多國際知名的學(xué)者都對此開展過深入研究。受知識背景、能力和水平的限制，筆者在對本領(lǐng)域最新研究進(jìn)展梳理和歸納時并沒有將所有最新文獻(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)保險定價的研究文獻(xiàn)，這方面的研究同樣重要，也是大數(shù)據(jù)時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，只能留待未來加以解決。

另外，從學(xué)理上講，科學(xué)評估農(nóng)業(yè)生產(chǎn)風(fēng)險、準(zhǔn)確厘定農(nóng)業(yè)保險費率的根本目的在于通過保費的精準(zhǔn)來降低農(nóng)業(yè)保險運(yùn)作中的逆選擇問題，但保險精算方法是用歷史數(shù)據(jù)來推測未來，暗含的假設(shè)是“歷史會重演、歷史損失數(shù)據(jù)能夠反映未來”，這一假設(shè)并不成立，因此，農(nóng)業(yè)生產(chǎn)風(fēng)險評估以及農(nóng)業(yè)保險費率精算的準(zhǔn)確性和可靠性只能是一個相對的概念，農(nóng)業(yè)保險精算并不能完全消除逆選擇問題[61]。由此，筆者提出兩條實務(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)險評估和農(nóng)業(yè)保險精算結(jié)果的可信度之外，還需要在多元化多層次的農(nóng)業(yè)保險供給上下功夫，通過提供更加多樣更具有彈性的農(nóng)業(yè)保險產(chǎn)品來滿足不同農(nóng)戶的多樣化需求，這也是降低農(nóng)業(yè)保險逆選擇行為的一種有效手段[62]；二是在未來農(nóng)業(yè)保險費率厘定結(jié)果的發(fā)布時，除展示風(fēng)險損失率和純費率外，增加一個費率波動值或費率參考區(qū)間，給予費率一定的變動性，使各地政府和保險機(jī)構(gòu)在保險實務(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. 中國農(nóng)作物生產(chǎn)風(fēng)險評估及區(qū)劃理論與實踐. 北京: 中國農(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)險評估與區(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)險評估方法的評述及展望. 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)量保險費率厘定中的應(yīng)用. 保險研究, 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)保險定價模型關(guān)鍵假設(shè)檢驗. 保險研究, 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)險分布對保險費率厘定的影響: 以新疆3縣（市）棉花單產(chǎn)保險為例. 中國農(nóng)業(yè)大學(xué)學(xué)報, 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)險評估新方法. 中國農(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)計模型的農(nóng)作物保險定價研究進(jìn)展. 中國農(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. 中國農(nóng)業(yè)保險保障分析與評價. 北京: 中國金融出版社, 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] 庹國柱. 農(nóng)業(yè)保險協(xié)議理賠該清理了. 中國銀行保險報, 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)險低估的評價研究. 保險研究, 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. 種植業(yè)自然災(zāi)害風(fēng)險模型研究進(jìn)展. 保險研究, 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. 我國農(nóng)業(yè)自然災(zāi)害風(fēng)險評估與區(qū)劃. 中國農(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)險的評估方法研究. 上海農(nóng)業(yè)學(xué)報, 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)保險研究. 保險研究, 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)險識別與評估研究. 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)作物保險定價中的應(yīng)用: 以河北省縣級玉米保險費率厘定為例. 金融理論與實踐, 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)險分布對保險費率厘定的影響研究. 保險研究, 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. 編制全國農(nóng)業(yè)保險區(qū)劃、支撐農(nóng)業(yè)保險高質(zhì)量發(fā)展//中國保險學(xué)會. 加快農(nóng)業(yè)保險高質(zhì)量發(fā)展政策解讀和成果匯編. 北京: 中國金融出版社, 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)時代的科學(xué)研究第四范式. 情報資料工作, 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)時代的社會科學(xué)研究——“大數(shù)據(jù)與社會科學(xué)轉(zhuǎn)型高端學(xué)術(shù)研討會”綜述. 清華社會科學(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

教育部人文社會科學(xué)重點研究基地重大項目（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）