基于Normal―Copula模型小麦产量保险费率厘定.docVIP

基于Normal―Copula模型小麦产量保险费率厘定 　　【摘要】在三个基本假设的基础上，对历史数据拟合得到乌鲁木齐市小麦关于日照、降水、生产效率指数的产量函数，应用正态耦合函数估计日照和降水的二元分布，借助计算机随机模拟得到产量估计数据，以估计的产量均值作为趋势产量，最终得到保障程度80%，90%，100%时的纯费率分别为0.23%，0.83%，3.26%。本研究中方法的应用旨在为农作物区域产量保险费率厘定提供一个新的选择途径。 　　【关键词】正态耦合函数 随机模拟 小麦生产函数 费率厘定 　　一、引言 　　我国地域辽阔，区域气候差异大，农作物产量区域性存在显著差异，农作物产量单一费率的形式，容易造成保户承担的保费负担与其面临的风险特征不一致，从而诱发逆向选择和道德风险的问题，造成农业保险市场失灵（Turvey，CG.，and C.Zhao）。农作物区域产量保险计划针对区域系统风险，满足保险的风险一致性原则，可以有效地避免逆向选择和道德风险问题。 　　二、理论分析 　　农作物的产量受到各种因素的影响，气象条件以及当时的生产条件均起着决定作用，同时，农业生产者决定着各种可变生产要素的投入，所以生产者的行为亦决定着农作物的产量。本研究以乌市的小麦{1}生产为例，首先作出三个合理的基本假设。 　　（一）基本假设 　　假设1，小麦的产量y是一个由可变投入要素x，自然环境属性w（本文只考虑降雨w1、日照时数w2、气温w3），以及农业生产效率指数θ决定的函数。其函数关系式为y=f（x，w，θ）。 　　假设2，假定小麦生产者为“理性的生产者”，即通过改变可变投入要素以使其生产效用达到最大{2}。通过此假设，可变投入要素x成为w和θ的函数，最终的产量函数关系式y=g（w，θ）。 　　假设3，农业生产效率指数θ与时间存在某种特定的正比例关系{3}。该指数具有不可测性，通过该假设，我们可以用变量t来反映，取θ=t，随着时间的增长，农业生产效率随之上升。 　　（二）生产函数及正态耦合函数（Normal-Copula） 　　基于以上假设，通过对历史数据进行拟合得到的函数表达式，本文运用C-D函数，拟合效果良好，得到y=Aw1αW2βθγ。这样得到产量关于两个随机变量降雨w1和日照时数w2的函数表达式{4}，由于降雨和日照并非相互独立的随机变量，我们通过Normal-Copula函数（又称Guassian-Copula）模型拟合其二元分布，最后通过随机模拟产生足够的模拟产量数据，从而得到次年产量均值等相关分析指标。 　　Sklar（1959）通过定理形式将多元密度分布函数与Copula{5}联系起来，以下给出二元的情形，多元的类似。 　　Sklar定理：设G（x，y）为具有边缘分布F（x）和H（y）的联合分布函数，那么存在一个Copula函数C（u，v），使得： 　　G（x，y）=C（F（x），H（y） （2.1） 　　成立.如果F（x），H（y）连续，那么C（u，v）唯一；相应的，若F（x，H（y）为一元分布函数，C（u，v）为某一Copula函数，则由式（2.1）定义的函数G（x，y）是具有边缘分布F（x），H（y）的联合分布函数。 　　Normal-Copula函数形式如下： 　　Sklar定理是Copula应用于统计研究的依据，Copula函数可以捕捉变量间的非线性的相关性，金融时间序列的尾相关性等，因而应用更广，实用性更强。进入21世纪，在金融领域逐步得到广泛应用（Nikeghbali A，et al.（2000），Cossette and Gaillardetz et al.（2002））。在实际应用当中常见的Copula函数模型主要有椭圆Copula族，Archimedean Copula族和极值Copula族三大类，本文运用最常用的椭圆Copula族中的Normal-Copula。该Copula能较好的体现变量间的对称相关关系，符合我们气温和降雨两个随机变量。 　　三、实证分析 　　本文以乌鲁木齐1985～2011年小麦亩产数据{6}（单位为千克每亩）、相应年限的3月至6月平均日照时数、3月至6月平均降水量（单位毫米）为研究对象（数据均来自《乌鲁木齐统计年鉴》，亩产数据通过总产量和总的种植面积计算得到）。时间变量取值从1开始，首年1985年则t=1，按如下方程进行拟合{7}： 　　Lny=α0+αlnw1+βlnw2+γlnθ+ε（即θ为时间变量t）。 　　可见，非完全保障水平时，损失率均是较低的。完全保障水平下的结果（3.26%）处在曾辉和杨新顺（2014）利用参数法和非参数法1980～2010年时间段的计算的结果（参数法下分别为2.53%和2.93%，非参数法下分别为5.43%和6.