基于最低氣溫的茶葉經(jīng)濟(jì)損失率風(fēng)險評估

基于最低氣溫的茶葉經(jīng)濟(jì)損失率風(fēng)險評估

浙江省是中國最重要的綠茶產(chǎn)區(qū)。春季名茶是浙江省農(nóng)民的主要經(jīng)濟(jì)收入來源之一。由于浙江省3月份低溫霜凍頻繁，茶葉經(jīng)常受到凍害，影響農(nóng)民種植茶葉的經(jīng)濟(jì)收入。政策性農(nóng)業(yè)保險能減少乃致消除特定農(nóng)業(yè)自然風(fēng)險對農(nóng)業(yè)生產(chǎn)的負(fù)面影響,穩(wěn)定農(nóng)民從事種養(yǎng)殖業(yè)帶來的收入。茶葉生產(chǎn)直接以經(jīng)濟(jì)產(chǎn)出來衡量,加上浙江省開展名優(yōu)茶生產(chǎn)時間短,還沒有一種有效的茶葉霜凍災(zāi)害風(fēng)險評估方法,茶葉作為新一輪政策性農(nóng)業(yè)保險試點作物還處于前期研究階段。進(jìn)行本研究,可以為開展茶葉政策性農(nóng)業(yè)保險方案提供技術(shù)支撐。我國開展的農(nóng)作物保險主要采取單一費率的傳統(tǒng)成本保險方式,使保戶的保費負(fù)擔(dān)與承受的風(fēng)險特征不一致,農(nóng)業(yè)保險存在逆選擇、道德風(fēng)險、災(zāi)后理賠時效低、理賠成本高等問題。為了解決傳統(tǒng)農(nóng)業(yè)保險中存在的問題,國際農(nóng)業(yè)保險界開發(fā)了指數(shù)保險。區(qū)域產(chǎn)量指數(shù)保險根據(jù)地區(qū)產(chǎn)量進(jìn)行賠付,可以最大程度地避免道德風(fēng)險和逆選擇問題,主要為美國、加拿大等發(fā)達(dá)國家采用。氣象指數(shù)保險是以特定的農(nóng)業(yè)氣象指標(biāo)作為觸發(fā)機(jī)制,如果超出了預(yù)定的標(biāo)準(zhǔn),保險人就要負(fù)責(zé)賠償?shù)霓r(nóng)業(yè)保險模式,逆選擇和道德風(fēng)險小,無需逐戶勘查定損,是印度、南非、墨西哥、美國等發(fā)展中國家和發(fā)達(dá)國家采用的主要農(nóng)業(yè)保險方式。區(qū)域產(chǎn)量指數(shù)保險在農(nóng)業(yè)保險費率厘定方法上采用作物歷史產(chǎn)量資料,利用統(tǒng)計學(xué)和概率論知識,估算作物單產(chǎn)波動的概率分布,然后進(jìn)行費率厘定;氣象指數(shù)保險根據(jù)氣象站氣象數(shù)據(jù)確定保險產(chǎn)品購買價格和支付賠償,保險人的賠償和實際的農(nóng)業(yè)損失無關(guān);氣象指數(shù)保險存在較高水平的基差風(fēng)險。在概率分布模型選擇上正態(tài)分布在1958年首先被用于作物產(chǎn)量風(fēng)險分析,但作物產(chǎn)量并不簡單服從正態(tài)分布,非正態(tài)分布模型更接近作物產(chǎn)量變化特征實際。近年來,許多參數(shù)分布、半?yún)?shù)分布、非參數(shù)分布模型被用于作物產(chǎn)量風(fēng)險分析,如Beta分布、Gamma分布、Weibull分布、Inversehyperbolicsine分布、Johnsonfamily分布、非參數(shù)核密度估計[14,15,16,17,18,19]。近年來,國內(nèi)也開展了非正態(tài)分布模型的作物產(chǎn)量風(fēng)險分析,如利用非參數(shù)核密度法、信息擴(kuò)散模型進(jìn)行作物產(chǎn)量保險費率研究。但在模型選擇上并沒有一個統(tǒng)一的標(biāo)準(zhǔn),不同的生產(chǎn)風(fēng)險模型對作物生產(chǎn)風(fēng)險進(jìn)行擬合,估算出的作物風(fēng)險程度是不同的,如何客觀和準(zhǔn)確地分析及估算農(nóng)作物生產(chǎn)風(fēng)險的大小及概率分布一直是國際農(nóng)業(yè)學(xué)術(shù)界和各國政府管理者的一個重大課題。區(qū)域產(chǎn)量和氣象指數(shù)結(jié)合的農(nóng)業(yè)氣象指數(shù)保險可提供低成本的個別風(fēng)險保險替代品,最小化逆選擇和道德風(fēng)險問題,降低農(nóng)業(yè)保險費用。氣象指數(shù)保險應(yīng)用分宏觀水平、中觀水平和微觀水平三種風(fēng)險水平。宏觀水平以一個省為保險對象,中觀水平以一個地區(qū)為保險對象,而微觀水平的氣象指數(shù)保險報單持有人為單個農(nóng)戶,作為賠付依據(jù)的指數(shù)由距離農(nóng)戶最近的有代表性氣象站測定,氣象站應(yīng)有30a或以上的氣象數(shù)據(jù)。開展指數(shù)保險的先決條件之一是指數(shù)必須很好地代表損失,如果指數(shù)和產(chǎn)量或經(jīng)濟(jì)產(chǎn)出不是高度相關(guān),會造成很大的基差風(fēng)險,基差風(fēng)險不能被消除,但可以通過保險產(chǎn)品設(shè)計來降低。氣象指數(shù)難以確定,縣級區(qū)域以下如鄉(xiāng)鎮(zhèn)氣象站的氣象資料不到30a,加上茶葉作為一種以經(jīng)濟(jì)產(chǎn)出來衡量的經(jīng)濟(jì)作物,其風(fēng)險分析有別于常規(guī)的作物產(chǎn)量風(fēng)險分析,目前國內(nèi)外對直接以經(jīng)濟(jì)產(chǎn)出來衡量的經(jīng)濟(jì)作物生產(chǎn)風(fēng)險和基差風(fēng)險低的氣象指數(shù)保險研究還未見報道。本文根據(jù)3月低溫霜凍導(dǎo)致的茶葉經(jīng)濟(jì)損失率與氣象因子間存在一一對應(yīng)關(guān)系,設(shè)計茶葉霜凍氣象指數(shù)。我國縣級氣象站建于上世紀(jì)70年代及以前,已積累了30a以上的氣象資料,2005年以來浙江省各鄉(xiāng)鎮(zhèn)、街道建成了中尺度自動氣象站,利用縣級氣象站的氣象資料將中尺度自動氣象站資料延長到30a以上,利用多種非正態(tài)分布模型,從中選出和實際相符的3月低溫霜凍出現(xiàn)風(fēng)險分布模型,計算各鄉(xiāng)鎮(zhèn)、街道霜凍出現(xiàn)風(fēng)險,確定以鄉(xiāng)鎮(zhèn)、街道為單位的茶葉霜凍氣象指數(shù)保險費率,從而建立茶葉霜凍氣象指數(shù)保險合同。1材料和方法1.1茶葉氣象服務(wù)示范基地2000—2009年3月到4月逐日茶葉產(chǎn)量和價格資料來自紹興市茶葉氣象服務(wù)示范基地、新昌縣茶葉良種場、回山鎮(zhèn)茶場、雙彩鄉(xiāng)茶場、東茗鄉(xiāng)茶場、大市聚鎮(zhèn)茶場;1980年1月至2010年5月氣象資料來自新昌縣氣象局。1.2低溫不同時期對茶葉經(jīng)濟(jì)產(chǎn)出的影響茶葉生產(chǎn)以經(jīng)濟(jì)產(chǎn)出來衡量。浙江省春季不同茶葉品種制作的綠茶在該品種采摘初期的價格可達(dá)1000元/kg以上,隨著離開采期時間延長,采制的茶葉價格下降,一般一個茶葉品種綠茶采制期在20～25d,茶葉開采后第20天制作的綠茶價格降到該品種采摘初期價格的30%以下。在春茶采摘期間出現(xiàn)嚴(yán)重低溫霜凍可使茶芽甚至嫩梢凍死,7～10d內(nèi)茶葉沒有經(jīng)濟(jì)產(chǎn)出。因此不同時期遭受低溫霜凍對茶葉經(jīng)濟(jì)產(chǎn)出影響不同。龍井43是浙江省制作名優(yōu)茶的主要茶葉品種之一。在新昌,龍井43在3月15日前后進(jìn)入開采期,新昌在3月中旬經(jīng)常出現(xiàn)最低氣溫在0℃以下的嚴(yán)重低溫霜凍天氣,造成茶葉嚴(yán)重受凍,本文以龍井43遭受低溫霜凍作為研究對象。茶葉低溫霜凍害是春季茶芽萌發(fā)伸長后,遇北方冷空氣南下,冠層溫度降到0℃以下使茶芽遭受凍害的氣象災(zāi)害。茶葉遭受霜凍后造成一定時間內(nèi)茶葉沒有經(jīng)濟(jì)產(chǎn)出,利用代表性茶場各品種采摘期間歷年逐日經(jīng)濟(jì)產(chǎn)出、種植面積,確定正常年份下茶葉經(jīng)濟(jì)產(chǎn)出的時間變化曲線,統(tǒng)計茶葉開采期后不同累計天數(shù)經(jīng)濟(jì)產(chǎn)出占總產(chǎn)出的百分比,結(jié)合茶葉生物學(xué)特性、茶場歷年茶葉資料、茶場所在地中尺度自動氣象站氣象資料、茶場歷年遭受霜凍后經(jīng)濟(jì)損失,確定出現(xiàn)不同等級霜凍對茶葉經(jīng)濟(jì)產(chǎn)出的影響:Loss′=f(T′L)(1)Loss′=f(Τ′L)(1)式中:Loss′為茶場茶葉在開采期前或開采期后某一時期遭受霜凍的經(jīng)濟(jì)損失率即茶葉霜凍氣象指數(shù),T′L為茶場所在地中尺度自動氣象站最低氣溫。1.3利用縣氣象站的資料對最低氣溫的影響中尺度自動氣象站和縣氣象站距離在30～50km以內(nèi),二者最低氣溫的差異主要是由地形、海拔高度差異造成,對于某個中尺度自動氣象站,其地形、海拔高度和縣氣象站的差異不大,因此可根據(jù)現(xiàn)有的中尺度自動氣象站資料利用縣氣象站的資料對逐日最低氣溫進(jìn)行延長。最低氣溫的差異受到天空狀況、水汽含量、天氣系統(tǒng)的影響,影響因子與最低氣溫的差異之間是非線性關(guān)系。支持向量機(jī)是一種非線性系統(tǒng),不要求對事物機(jī)制有明確的了解,不需建立復(fù)雜的數(shù)學(xué)模型以及具有非線性映射能力強(qiáng)等優(yōu)點,因此本文采用支持向量機(jī)進(jìn)行歷史資料反演。1.4最低氣溫資料序列茶葉霜凍氣象指數(shù)把氣象要素和茶葉經(jīng)濟(jì)損失對應(yīng)起來,因此可以通過計算霜凍的概率分布確定茶葉經(jīng)濟(jì)損失概率分布。作為巨災(zāi)型霜凍是茶葉生產(chǎn)中的極端氣候事件,因此可以通過計算極端氣候事件概率來確定農(nóng)業(yè)生產(chǎn)巨災(zāi)風(fēng)險。本文對研究區(qū)域各鄉(xiāng)鎮(zhèn)、街道的最低氣溫資料序列采用Beta、Exponential、Gumbel、Gamma、GeneralizedExtremeValue、InverseGaussian、Logistic、Log-Logistic、Lognormal、Lognormal2、Normal、Pareto、Pareto2、PearsonTypeV、PearsonTypeVI、Student、Weibull等分布的概率密度函數(shù)擬合,選擇最優(yōu)的理論概率分布函數(shù)進(jìn)行序列的風(fēng)險概率估算。分布模型中的參數(shù)估計采用極大似然法,從中選出Anderson-Darling檢驗和Kolmogorov-Smirnov檢驗通過0.05顯著性水平,P-P圖上尾部和對角線近似重合的分布,選擇最優(yōu)的理論概率分布函數(shù)進(jìn)行序列的風(fēng)險概率估算。1.5仿真結(jié)果與分析本文根據(jù)氣象指數(shù)保險合同內(nèi)容,結(jié)合區(qū)域產(chǎn)量指數(shù)保險,把茶葉霜凍氣象指數(shù)保險定義在一個事先指定的區(qū)域,以茶葉生產(chǎn)時期的霜凍發(fā)生為基礎(chǔ),根據(jù)霜凍造成茶葉的經(jīng)濟(jì)損失率和出現(xiàn)風(fēng)險,確立保險費率和損失理賠支付的合同。茶葉霜凍氣象指數(shù)是事先規(guī)定的霜凍氣象事件對應(yīng)的氣象指標(biāo),每個指數(shù)值對應(yīng)一定的茶葉經(jīng)濟(jì)損失率和賠付率。本文中各鄉(xiāng)鎮(zhèn)、街道根據(jù)所在地中尺度自動氣象站觀測到的氣象數(shù)據(jù)確定的霜凍氣象指數(shù)進(jìn)行賠付。純保險費率等于保險損失的期望值,即Pr=E[Loss]/λμ(2)Ρr=E[Loss]/λμ(2)式中:Pr為純保險費率,λ為保障比例,μ為預(yù)期單產(chǎn),Loss為作物損失。按照浙江省政策性農(nóng)業(yè)保險試點方案,λ和μ取100%,氣象災(zāi)害造成的作物損失率低于免賠額時不予賠償,氣象災(zāi)害造成的作物損失率高于或等于免賠額時,保險人按照受損土地的保險金額與實際損失率的乘積確定賠償金額。純保險費率可寫為Pr=E[Loss]/λμ=E[Loss]=∑(Lr×P)(Lr≥M)(3)Ρr=E[Loss]/λμ=E[Loss]=∑(Lr×Ρ)(Lr≥Μ)(3)式中:M為免賠額,Lr為不低于免賠額的各級減產(chǎn)率,P為Lr的出現(xiàn)概率。2使用示例2.1茶葉開采期與經(jīng)濟(jì)損失率的關(guān)系根據(jù)各茶場茶葉觀測資料和春茶經(jīng)濟(jì)產(chǎn)出資料結(jié)合茶葉生物學(xué)特性,確定茶葉開采期前和進(jìn)入開采期后龍井43遭受霜凍的經(jīng)濟(jì)損失率與所在地最低氣溫的關(guān)系(表1)。2.2svm的應(yīng)用以大市聚鎮(zhèn)中尺度自動氣象站最低氣溫序列延長為例,采用RBF核函數(shù)的ε-SVM回歸,2006年到2010年每年的3月1日到4月5日逐日最低氣溫進(jìn)行擬合,擬合值與實際值的相關(guān)系數(shù)為0.9933,誤差絕對值的平均值為0.3℃;以2005年3月1日到4月5日的逐日最低氣溫作為檢驗,預(yù)測值和實際值的相關(guān)系數(shù)為0.9946,誤差絕對值的平均值為0.4℃。如以表1中最低氣溫分布劃分區(qū)間,擬合值與實際值、預(yù)測值和實際值均落在同一區(qū)間,說明SVM可用于3月1日到4月5日逐日最低氣溫延長。利用SVM和各鄉(xiāng)鎮(zhèn)、街道現(xiàn)有的最低氣溫資料,將各鄉(xiāng)鎮(zhèn)、街道的3月1日到4月5日逐日最低氣溫序列延長到1980年。2.3年—風(fēng)險分布統(tǒng)計各鄉(xiāng)鎮(zhèn)、街道3月10至14日、3月15至17日、3月18至20日、3月21至23日、3月24至26日、3月27至29日、3月30至4月1日期間歷年最低氣溫,采用極大似然法對多種分布模型進(jìn)行參數(shù)估計。對各種分布模型的檢驗表明,各鄉(xiāng)鎮(zhèn)、街道不同時期最低氣溫序列的GeneralizedExtremeValue分布均通過顯著性檢驗,由GeneralizedExtremeValue分布得到各鄉(xiāng)鎮(zhèn)、街道不同時期出現(xiàn)各級低溫霜凍的概率(表2)。續(xù)表2.4不同免賠額時的保險費率浙江3月中下旬前后二次霜凍過程相隔7～10d及以上,第二次霜凍造成的茶葉經(jīng)濟(jì)損失率與第一次霜凍造成的茶葉經(jīng)濟(jì)損失率無關(guān),茶葉霜凍純保險費率等于各時期霜凍的純保險費率之和。為了讓保險公司制定一個合理的免賠額,本文分別計算了免賠額為10%、15%、20%、25%、30%、35%、40%的純保險費率,結(jié)果見表3。各鄉(xiāng)鎮(zhèn)、街道由于地形差異較大,在同一免賠額下純保險費率差異較大?；厣芥?zhèn)、沙溪鎮(zhèn)、小將鎮(zhèn)、巧英鄉(xiāng)是海拔高度在400m以上的山區(qū)鄉(xiāng)鎮(zhèn),3月低溫霜凍不僅出現(xiàn)機(jī)率較高,而且低溫強(qiáng)度強(qiáng),霜凍嚴(yán)重,因此純保險費率也較高。保險費率由純保費率和附加費率構(gòu)成,如保險費率過高,會影響農(nóng)民參保的積極性,因此結(jié)合新昌實際,以純保險費率不超過3.00%進(jìn)行茶葉農(nóng)業(yè)保險產(chǎn)品設(shè)計,各鄉(xiāng)鎮(zhèn)、街道的純保險費率和免賠額見表4。3月出現(xiàn)低溫霜凍時,保險公司根據(jù)各鄉(xiāng)鎮(zhèn)、街道自動氣象站觀測數(shù)據(jù)按表1確定茶葉(品種:龍井43)經(jīng)濟(jì)損失率,如茶葉經(jīng)濟(jì)損失率達(dá)到或超過免賠額則對參保農(nóng)民進(jìn)行賠償。3基于歷史氣象資料的農(nóng)業(yè)保險分析(1)在區(qū)域產(chǎn)量指數(shù)保險和氣象指數(shù)保險的基礎(chǔ)上提出了茶葉霜凍氣象指數(shù)保險模型。模型中明確考慮霜凍災(zāi)害對茶葉造成的經(jīng)濟(jì)損失、風(fēng)險分析模型對保險費率的影響。選擇浙江省新昌縣茶葉為研究對象利用模型設(shè)計了茶葉霜凍氣象指數(shù)保險產(chǎn)品。該模型設(shè)計的農(nóng)業(yè)保險產(chǎn)品反映了各鄉(xiāng)鎮(zhèn)、街道茶葉(品種:龍井43)遭受霜凍造成的實際損失和風(fēng)險。免賠額和保險費率的設(shè)定與各鄉(xiāng)鎮(zhèn)、街道茶葉生產(chǎn)實際風(fēng)險相符,易為保險公司和農(nóng)民雙方共同接受。(2)中國地形復(fù)雜,尤其南方以丘陵山地為主,海拔高度相差大,同一次氣象災(zāi)害過程,氣象要素空間變異大,造成災(zāi)害后果不同。本文以鄉(xiāng)鎮(zhèn)、街道作為基本保險區(qū)域,作物和氣象站距離小,降低了基差風(fēng)險。從政策性農(nóng)業(yè)保險的可持續(xù)發(fā)展來看,保險公司收取的保費應(yīng)大于或者等于其保險賠付,同時農(nóng)戶繳納的保費要與其所在地區(qū)的風(fēng)險水平相匹配。本文以鄉(xiāng)鎮(zhèn)、街道為單位,根據(jù)歷史氣象資料采用多種分布模型進(jìn)行作物生產(chǎn)風(fēng)險分析,從中選擇最優(yōu)擬合分布,提高了分析結(jié)果的準(zhǔn)確性和合理性、農(nóng)業(yè)保險費率的科學(xué)性,有利于農(nóng)業(yè)保險公司根據(jù)各地實際制定各鄉(xiāng)鎮(zhèn)、街道的保險費率,降低逆選擇問題,實現(xiàn)收支平衡;方便各級政府財政對農(nóng)業(yè)保險公司保費結(jié)算、農(nóng)業(yè)保險賠款核定。模型采用區(qū)域內(nèi)氣象站所在地的茶葉經(jīng)濟(jì)損失率作為標(biāo)準(zhǔn),使區(qū)域內(nèi)各個農(nóng)戶得到“公平”待遇,有利于激勵生產(chǎn)者之間的競爭,促進(jìn)農(nóng)業(yè)生產(chǎn)力的提高,促進(jìn)區(qū)域內(nèi)氣象災(zāi)害嚴(yán)重地區(qū)進(jìn)行農(nóng)業(yè)結(jié)構(gòu)調(diào)整。災(zāi)害發(fā)生后依靠氣象部門實際測得的氣象數(shù)