小麦保险费率厘定-基于小波分析与非参数估计法.docVIP

　　小麦保险费率厘定:基于小波分析与非参数估计法 小麦保险费率厘定:基于小波分析与非参数估计法 　摘 要：合理厘定保险费率是农作物保险开展的重要前提,可为政府保费补贴等支农政策提供决策依据。本文以北京市冬小麦为样本，采用小波分析和非参数估计方法相结合的方法，改进了农作物保险纯费率厘定方法，提高了计算结果的合理性与准确性，即，利用小波分析法确定作物单产的趋势产量，并在非参数高斯函数为核密度函数设定，借助Silverman的经验法则确定带宽，确定了样本数据的概率分布模型，最终完成了北京市冬小麦保险纯费率厘定过程。 　　关键词：农业保险；小波分析；非参数核密度估计；费率厘定 　　.L.　　1 引言 　　 　　农作物保险体现了政策性保险在农业中的防灾减损作用，是农业保险的核心内容和重要组成。合理厘定保险费率是农作物保险开展的重要前提,可为政府保费补贴等政策的制定提供依据。但由于农业风险通常具有非可保性特征，因此农作物保险费率厘定一直是理论与实践中的重点与难点。这一过程通常可以概括为：（1）样本选择;（2）数据的收集和检验；（3）单产趋势和波动估计；（4）单产波动概率分布模型确定［1］四步骤。显然研究焦点集中于后两项。 　　在农作物单产趋势和波动估计方面的研究。农作物生产受农业技术进步、基本建设投资和劳动者素质提高等因素影响,单产呈逐年递增趋势，具有非平稳性特征。传统方法ARIMA模型需忽略数据的趋势项和周期项等信息［2］，而其他诸如滑动平均模拟法、直线滑动平均法等由于主观性强、精确性差已较少采用。小波分析法具有逐级观察数字信号、充分体现多分辨率、有效检测并处理瞬态或奇异点等特点，越来越多地应用于农作物产量估计与预测上。国外学者Bartosz［3］在多种统计方法比较分析基础上，通过设定指标，认为小波分析在农产品产量的趋势拟合、预测方面的效果最好。Si等［4］利用农作物产量、湿度指数和上坡长度的横截面数据，采用小波分析方法探讨了三者之间的关系，发现数据信息量越大时，小波分析的效果越明显。Pringle等［5］运用小波变换与地理统计的方法验证了若干预测小麦产量模型的有效性，指出小波分析在验证空间分布模型上是有效的。国内学者刘会玉等［6］利用Morlet小波变换方法来研究粮食产量变化特征的时间尺度和周期性特征, 预测了江苏省粮食产量的走势。张月丛等［7］采用河北省1949～2006年统计数据,对耕地数量、GDP、人口和粮食产量逐年变化率进行Morlet小波多尺度分解，发现这些变量间存在多尺度波动周期。谷政等［8］提出了非平稳时间序列分析的A 组合方法，运用db正交小波对江苏粮食产量的变化情况进行研究,结果表明该方法比直接二次多项式拟合预测的精确性更高。 　　在农作物单产波动的概率分布方面的研究。非参数方法因其具有无需要事先假定作物单产分布模型而根据数据特征确定分布形类型、对函数假设要求宽松、受样本观测错误影响小、计算准确、适用于任意分布Octravio等［9,10］等优点，而被广泛应用。近些年，非参数核密度估计理论研究　图1中，空间C0的频率范围从中心被分成两部分，一部分是由C1表现出的低频部分，另一部分D1表现出的高频部分，且这两部分所占频带在统计上是互不重叠的。继续分解C1为C2和D2部分 ，同样C2也可以继续分解为C3与D3直至最大尺度。此时，数据信号可以重新表示为：C0＝C3+D3+D2+D1，该等式左右变量互换，对小波分解过程做逆运算，即小波重构。 　　2.2 非参数核密度估计函数 　　设X1,X2,，Xn是取自一元连续总体的样.L.本，在任意点x处的核密度函数f(x)为 　　其中h为窗宽，是与n有关的、适当选定的常数；K(x)被称为核函数，须满足：K(x)ge;0,int;+infin;-infin;K(x)dx=1，即核函数K(x)是某个分布的密度函数。 　　常用的核函数包括Uniform, Triangle, Quaritic, Gaussian, Cosinus等，各自对核密度估计精确性影响差别有限，但fh(x)中的窗宽h值则对估计结果影响较大，决定了fh(x)的光滑性特征。最佳窗宽h的确定的常用方法是求窗宽函数MISE(fh)(MISE,Mean Integrated Squared Error)最小值点，即可得到最佳窗宽h估计值。如下 　　2.3 农作物单产保险费率厘定方法 　　假设农民对粮食单产投保，保障程度为lambda;，投保年份的趋势单产为Yt，则该年粮食单产保险合同的保障水平lambda;Yt。粮食保险费率厘定的基本思想与一般的财产保险在本质上是相似的，即以粮食作物产量的平均损失率作为纯费率。所以，粮食单产保险的纯费率计算公示表示为 　　 　　3 实证过程 　　 　　3.1 趋势单产的估计 　　选取北京市1