大數據時代下的農業巨災指數保障方案設計

何興龍　陳晗

黑龍江項目回顧

農業是支持中國經濟建設和發展的基礎產業。我國的農業生產高度密集，同時農田基礎設施水平相對落后，適應氣候變化能力不足。極端自然災害事件嚴重威脅我國的糧食安全，阻礙了經濟和社會發展。尤其在農業巨災事件發生后，各級政府需要大量的流動資金進行災后救援和恢復農業生產，給財政預算帶來極大的挑戰。因此，自2007年以來，建立農業大災風險分散機制連續多年在中央一號文件中有所體現，以增強政府財政韌性，確保農業生產的可持續發展。整個行業和社會均在積極探索農業巨災風險管理的模式方法。

2016年，瑞士再保險作為技術顧問和唯一的再保險公司，協助黑龍江省財政廳研究并設計了中國首個農業財政巨災指數保險，為政府農業財政巨災風險轉移提供了新的解決思路。該方案基于指數保險的原理，結合衛星遙感技術和氣象監測技術，為黑龍江省28個國家級貧困縣提供基于流域洪水、降雨過多、干旱及積溫不足等農業災因約23.24億元人民幣（約合3.48億美元）的巨災保險保障。方案自運行以來，針對黑龍江省2016年和2017年遭遇的自然災害，該方案在多個貧困縣的賠付率超過400%，擴大了救災資金規模，促進了救災資源優化配置，解決了財政涉災預算“無災不能用、有災不夠用”的難題。

居安思危。盡管該方案開創了我國農業巨災指數保障方案的先河，但通過回顧過去兩年的運營情況，仍有一些問題亟須解決。這些問題的出現并非保險領域所特有，而是大數據時代各行業均可能面臨的挑戰。唯有深入理解農業巨災指數保障方案的原理，才能有的放矢地提供解決思路。

農業巨災指數保障方案分析

農業巨災指數保障方案設計涉及三個維度：農業指數選取、保險額度分配和損失模型建立。

首先，該方案基于指數保險的原理而設計，需選取可以表征農業災害強度的指標。與其他標的物不同，農業指數產品設計需要同時考慮當地農作物的物候特點和歷史氣象條件。黑龍江依溫度指標從北向南可分為寒溫帶和中溫帶，依干燥度指標從東向西可分為濕潤區、半濕潤區和半干旱區，因此各個縣農作物的物候特點差異較大，為指數產品的設計帶來很大挑戰。過去兩年，黑龍江省政府與瑞士再保險針對各個貧困縣不斷細化主要農作物的關鍵生長期，不斷分析典型災因的季節性特點，不斷優化農業指數的產品設計結構，以盡可能降低該產品的基差風險，提高保障方案的專業性和適用性。

其次，該方案的保險額度分配主要包括三個方面：按縣分配、按災因分配和按災害季節分配。由于該方案涵蓋28個貧困縣，每個縣的農業生產規模、主要災因類型和災害時間段均有差異。在政府的大力支持下，瑞士再保險深入調研每個縣的農業生產和經營情況，提出總保額分配方案?？偙ｋU額度首先基于每個縣的耕地面積，成比例分配到縣里；再根據每種災因對于當地農業生產的影響程度，分配給不同的災因；最后結合每種災因季節性的特點，等比例分配到不同的時期。未來的產品設計將結合各個縣實時的農業損失情況，不斷優化總保額的分配方案。

再次，該方案基于農業指數和保險額度建立損失模型，針對每個貧困縣多種災因和不同災害季節提供上百種定制化的保障方案。每個方案的損失模型均涉及較多的參數輸入，一類是與概率密度曲線相關的參數，包括離散性參數、趨勢分析參數和曲線擬合參數等，以更好地重現歷史農業平均損失情況；一類是與賠付結構相關的參數，包括層數設置、每層起賠點、每層退出點和每級賠付金額等，以更好地滿足政府對保障頻度和深度的定制化需求。

未來，隨著農業巨災指數保障方案在全國各地不斷落地，承保的縣市數量、災因類型和作物種類會大幅增加，各區域作物物候特征、氣象條件、政府涉災預算和保障需求的差異化也將更加突出。同時隨著科技的不斷發展，除氣象指數之外，衛星遙感影像提供更多植被生長周期內的關鍵參數，例如植被綠度指數、土壤墑情指數和洪水淹沒指數等，均可作為農業指數設計的依據。針對不斷增長的多樣化數據和定制化需求，農業巨災指數保障方案的設計工作將遇到新挑戰。

大數據與人工智能應用

綜上分析，未來農業巨災指數保障方案設計的主要挑戰是如何優化分析海量農業基礎數據和如何提供各地區政府定制化的保障方案。這兩者均不是傳統的保險固有的問題，而是大數據時代新生的問題。盡管大數據技術已經廣泛應用于金融、工業和醫療等領域，但是在保險尤其是農業保險領域的應用尚屬于空白。筆者認為，運用大數據技術和人工智能技術，可有效解決上述主要矛盾。

大數據技術的基本原理是利用數據挖掘等算法，從海量非結構化或者半結構化數據中發現新規律，以支持決策過程?；貧w到農業巨災指數保障方案設計，通過有效的算法設計，大數據技術可以從大量氣象、遙感數據和多種保額分配方案、損失模型中選取最優組合，結合當地農業專家提供的主要農業生產信息，產生可最佳反映歷史農業損失情況的巨災指數保障方案。人工智能技術的核心是機器通過自學習的方式，反演、推理并解決問題。在農業巨災指數保障方案設計的案例中，可直接通過將保障多樣化的需求作為模型的輸入數據，利用反演模擬技術獲得可以滿足該需求的農業巨災保障方案，如指數計算的時間段、計算方式、保額分配方案和損失模型等。

簡而言之，大數據技術依據先驗知識設計方案，如某一區域歷史損失情況等，適用于尚未開展類似項目因而政府未有明確需求的地區；人工智能技術依據后驗知識設計方案，如明確的賠付頻率或者賠付深度，適用于類似項目已經開展因而政府有明確風險轉移需求的地區。兩者需集成于統一的自動化定價平臺，基于程序設計的方法自動實現整個過程。

為支持該平臺的建設，一方面需要農業基礎數據支持，包括各地氣象數據、遙感指數、種植信息，歷史損失和政府救災財政支出等，以充分發揮大數據技術的功效；另一方面，由于農業生產活動受自然因素干擾較大，因而其損失模型的建立需要考慮更多的物理過程，以迅速提升人工智能技術的表現。與此同時，高性能計算技術也應該被集成在該平臺內，以提高整個系統的運行效率。在不遠的將來，基于大數據技術和人工智能技術的定價平臺除了可用于農業巨災指數保障方案設計外，對于任何指數保險產品的設計均具有革命性的意義?！?/p>

（何興龍為瑞士再保險中國農險負責人，陳晗為瑞士再保險農險核保人）