原创《关于农作物区域产量保险费率厘定综述》：本论文为免费优秀的关于保险费率论文范文资料，可用于相关论文写作参考。
【摘 要】近年来中国农业保险得到了快速发展,农作物保险费率厘定问题受到高度重视.论文主要探讨了国内外关于农作物去和产量保险的相关研究成果.研究表明：（1）农作物去和产量的趋势处理和分布拟合环节是模型不确定性的两个主要来源.方法的选择有主观性,对结果的影响较大,应寻找方法适用的客观标准；（2）产量统计模型尚不能有效解决风险的空间关联性.引入空间要素,形成产 量的综合时空统计模型是经典产量统计模型的重要发展方向,可有效解决农作物保险精算中的相关空间问题.在上述问题中对传统产量统计模型进行改进,从而形成可计算、高精度和更稳健的产量统计模型,并在农作物保险定价中开展实践,将有助于中国农业保险向着科学化、专业化和精细化的方向发展.
【关键词】区域产量保险 费率厘定 产量统计模型
一、引言
党 、国务院对“三农”问题一直给予高度关注,并十分重视通过金融保险手段服务农业现代化进程.十八届三中全会决议明确提出要“完善农业保险制度”.以2007年 财政启动农业保险保费补贴试点为起点,中国农业保险进入快速发展时期.2012年,国务院颁布《农业保险条例》,确立了农业保险“政府引导、市场运作、自主自愿、协同推进”的基本原则,并对农业保险经营规则、合同要素、支持政策等予以规定.随着我国农业保险覆盖面的快速扩大,功能作用不断发挥,农业保险已逐步成为加强现代农业风险管理的基本手段和农业灾害救助体系的有机组成部分,成为转变政府职能、深化农村改革、完善农村社会治理和保障改善民生的有效手段.中国农业保险保费规模已超过日本,成为全球第一大农业保险市场.我国农业保险发展取得的成效得到国际上高度关注,被誉为“世界农业保险典型模式之一”.
中国当前的农作物保险区域产量保险的费率厘定还不完善,定价过程中存在数据、技术能诸多制约因素.无论是保险公司、国际再保险人,还是政府部分,对于不同地区和种植业保险的真实费率仍然缺乏准确的衡量.这一问题已经成为影响中国农业保险可持续发展的重要因素.
二、国外研究成果
费率厘定大体可以分为经验费率法、参数法、非参数法三大类.
使用参数法进行产量保险的费率厘定一般依赖于对于农作物产量的概率分布函数.关于农作物区域产量分布的设定,学界已经研究了多年.传统的方法是使用参数法.最早的观点是农作物的区域产量服从正态分布（例如Botts和Boles,1958）[3].许多后来的研究也支持这种分布（见Just和Weninger,1999）[4].但大多数研究结果表明农作物的区域产量可能更适合非正态分布.因此,多数人开始使用非正态分布估计农作物的区域产量.比较常用的分布包括β分布（例如,Nelson和Preckel,1989；Tirupattur,Hauser and Chaherli,1996；Babcock,Hart和Hayes,2004；和Coble等,1997）[2,5-7],γ分布（Gallagher,1987）[8,9],Weibull分布（Sherrick等人,2004）[9],Burr分布（Chen和Miranda,2004）[10],对数正态分布（Goodwin,Roberts和Coble,2000）[11]和反双曲正弦（Ramirez,1997）[12].
在作物产量分析中使用的常用参数方法包括正态分布,和γ分布.Botts和Boles（1958）最早提出了农作物区域产量的正态分布描述[3].但是,许多以往的研究表明作物产量分布往往不服从正态分布.
文献支持比较多的非正态分布之一是β分布（Day,1965； Nelson和Preckel,1989；Tirupattur,Hauser和Chaherli,1996； Babcock,Hart和Hayes,2004；Coble等,1996）[2,7,13],因为它的参数比较灵活,允许范围广泛偏度和峰度,并且具有前三者的响应的灵活表示时刻对输入的变化.Day（1965）在他建模时应用了Beta分布拟合密西西比三角洲地区的农作物产量,他的结果发现效果显著只有棉花的偏度,玉米没有显着偏度,燕麦具有零或者负的偏度.偏度的程度随着施肥的增加而增加.他认为,产量的正偏度可以由恶劣的天气条件来解释导致产量急剧下降[13].另一方面,Nelson和Preckel（1989）使用条件β分布和发现玉米产量分布在不同化肥施用量下呈现负偏态[5].他们在爱荷华州五个县使用农场水平的玉米产量使用两阶段最大似然估计估计分布的参数.他们的研究结果表明,肥料对前三个中的每一个有显着的影响玉米产量分布的时刻.这意味着分布的形状对时刻对输入变化的响应施加一些结构.他们的方法的缺点是标准误差或力矩弹性难以因为弹性是估计参数的非线性函数.作物产量的非正态分布的另一个常见选择是γ分布.像β分布一样,γ分布也可以反应产量变化偏度和峰度,但需要相对较少的参数（Gallagher,1987；Pope和Ziemer,1984）[8,14].Gallagher（1987）估计大豆产量使用γ分布和发现负偏态大豆产量的证据分配.他说,导致负偏态的因素之一分布是天气投入的正和负边际收益下降.[8]从而这项研究证实了Day（1965）的结果是负偏态的温度分布可能产生正偏差的产量.
随着非正态方法对产量分布的日益普及,20世纪90年代中期,Just和Weninger（1999）最近的一篇文章试图重新支持正态分布[4].他们质疑过去进行的常见产量分析,特别是关于使用总产量数据,不灵活的趋势建模和解释正态性测试结果.他们认为方法论和数据限制可能导致拒绝正态分布而有利于其他参数表示.为了回应这项研究,Atwood,Shaik和Watts（2000）使用了更多不同的作物- 区域组合,试图反驳Just和Weninger"s（1999）其重新使用正态分布的论据.他们调查了美国七个州的超过20万生产者,并确认作物产量并不服从正态分布[15].其他比较常用的产量分布方法包括 Weibull分布,对数正态分布等.Sherrick等（2004）認为Weibull分布、对数正态分布和逻辑分布可以作为正态分布的替代分布.他们使用美国26个农场的玉米和大豆的产量数据,发现Weibull呈现了负偏态分布,而对数正态分布呈现正偏态分布.
保险费率论文参考资料：
结论：关于农作物区域产量保险费率厘定综述为关于本文可作为保险费率方面的大学硕士与本科毕业论文最新车辆保险费率表论文开题报告范文和职称论文论文写作参考文献下载。
