糧食作物天氣指數保險政府補貼的測算——以長沙縣短日照保險為例

梁來存 皮友靜

〔1.廣西財經學院 廣西（東盟）財經研究中心，廣西 南寧 530003；2.廣西財經學院 圖書館，廣西 南寧 530003〕

一、引言

準確測算糧食作物天氣指數保險的政府保費補貼支出，對于實施天氣指數保險、促進農業保險的健康發展，以及加強財政預算管理、提高財政保費補貼資金的使用效率，具有重要的意義。

相對于傳統農業保險，天氣指數保險是一種創新型的農業保險。傳統農業保險存在很多不足，突出的缺陷是管理成本太高，并存在著道德風險和逆選擇（庹國柱，2019）[1]。天氣指數保險較好地克服了傳統農業保險的弊端，是傳統農業保險的創新，展現出獨特的優勢和較好的發展潛力，受到了保險業界和管理層的高度重視（張峭等，2019）[2]。天氣指數保險透明度更高，減少了道德風險和逆選擇[3][4]。在實踐中，天氣指數保險操作相對簡單，有效地減少了行政成本和交易成本[5][6]。天氣指數保險賠付與否，只需要觀察客觀實際的天氣指數的變化情況，既避免了保險人與被保險人在核災時的爭議，又大大減少了查勘定損的工作量，提高了農業保險經營效率（朱俊生等，2016）[7]。當然，天氣指數保險也有不足之處，主要是天氣指數保險的賠款數與作物損失之間不匹配，存在基差風險[8][9]。

對天氣指數保險產品，學術界進行了積極探索。牛浩等（2015）[10]以寧陽縣玉米作物為樣本，分析了玉米生長周期的氣象致災因子，設立了風雨倒伏指數，并基于1984—2013年的數據設計了玉米風雨倒伏天氣指數保險產品。劉凱文等（2017）[11]基于試點縣中稻的氣溫數據資料，建立了高溫熱害減產模型，并采用Weibull分布，構建分時段的高溫熱害風險分布模型，探討出高溫熱害天氣指數保險多種投保方案。曲思邈等（2018）[12]利用吉林省歷年的氣象觀測資料和玉米產量資料，采用參數化產量風險分析方法，建立了吉林省玉米干旱保險模型，設計了不同免賠額的玉米干旱天氣指數保險產品。王月琴等（2019）[13]以山西沁縣谷子為例，構建了干旱指數和暴雨指數，并利用數據優化匹配方法，定量評估了天氣指數對作物產量的影響，進行了綜合天氣指數保險研究，計算了保險費率、天氣指數觸發值和賠付標準。曹雯等（2019）[14]以河南冬小麥為研究對象，根據歷史資料分析了干旱發生規律，開展了干旱風險評估，構建了減產率關于干旱天氣指數的模型，設計了冬小麥干旱保險產品。梁來存（2019）[15]基于廣義Pareto分布對稻谷巨災進行了界定，并按照參數法對其保險費率進行了厘定。

測算糧食作物天氣指數保險的政府保費補貼支出，天氣指數觸發值的確定至關重要。以往研究，或者取平均值（如平均日照時間、平均氣溫等）作為觸發值，或者根據歷史數據和經驗假定某個值為觸發值，這樣選取的觸發值帶有隨意性。本文根據概率分布理論確定觸發值，使觸發值的確定具有理論基礎。這樣，保險費率的厘定就更加科學，測算的政府保費補貼支出就更加準確。

借鑒中外學者的研究成果，本文以長沙縣短日照保險為例，探討了測算糧食作物天氣指數保險保費補貼支出的方法：首先分析糧食單產因氣候變化而降低的幅度，計算氣候減產率；再利用概率分布理論，確定短日照觸發值；然后計算短日照測度指標，分析短日照災害的嚴重程度；最后測算短日照災害對氣候減產率的影響程度，并估計短日照測度指標的期望值，進而厘定出短日照保險的費率，測算政府保費補貼支出。

二、研究方法

（一）氣候減產率

對于糧食作物的實際單產X，其影響因素可以分為兩類：根本性因素和偶然因素。相應地，實際單產X可以分解為兩個部分：一部分是趨勢單產，這是由農業生產力水平決定的，即在氣候正常的年代，由生產力水平決定的單產理應達到的水平，它可以通過建立時間序列模型求得。隨著農業生產技術水平的逐步提高，趨勢單產呈上升趨向。另一部分是氣候單產XQ，是由意外的、偶然發生的多種多樣的自然災害（如短日照）導致的，氣候單產的變化是隨機的、不規則的。

按式（1）計算的氣候減產率恒有Y≥0。當災害很嚴重時，實際單產X會很小，Y就會很大；當災害不嚴重時，實際單產與趨勢單產相差較小，Y就會很小；當沒有發生災害時，氣候減產率為0。

（二）短日照觸發值

在大樣本情況下，近似地有：

據此可得：

（三）短日照測度指標

（四）短日照保險的費率厘定

糧食作物保險屬于財產保險，按照財產保險的定價思路，糧食作物短日照天氣指數保險純費率為：

再分析保險機構業務經營管理的有關費用、財務經營的穩定性、利潤等因素，從而得到保險費率R。

（五）政府保費補貼支出的測算

三、實證研究

（一）樣本選擇與數據來源

根據氣象數據的可得性，本文選擇湖南省長沙縣早稻作物作為樣本，時間范圍為1987—2019年。

長沙縣早稻作物整個生長期為5個月，3月播種，7月收割，每年的早稻單產數據來源于《長沙統計年鑒》。日照時間以月作為統計口徑，以各月每天的日照時間之和表示，數據來源于國家氣象信息中心氣象資料室?，F對長沙縣早稻單產X和3—7月各月份的日照時間Rj（j=3，4，5，6，7）的數據進行統計描述，如表1所示。

表1 1987—2019年長沙縣早稻單產和3—7月日照時間的統計描述

從表1看，1987—2019年間的平均單產為6081.37公斤/公頃。1998年單產4666.12公斤/公頃，為最低單產。1996年單產6829.25公斤/公頃，為最高單產。3—7月份，各月日照時間歷年平均值逐月上升，從3月份的78.96小時上升到7月份的233.83小時。3月份的日照時間標準差系數為0.34。各年間日照時間變化最大，7月份的標準差系數為0.24，各年間差異程度最小。

3—7月的每月日照時間都可以作為保險標的，因此本文將厘定每月短日照保險的費率，并測算相應的政府保費補貼支出。

（二）計算氣候減產率

ADF檢驗法和PP檢驗法檢驗表明，單產X和3—7月份的日照時間Rj（j=3，4，5，6，7）都是平穩的。

對于單產X，建立的時間序列模型為：

R2=0.5414，調整的 R2=0.4396，AIC=14.9689，DW=2.1134，F值=3.2846，F值對應的P值=0.0270。特征根為 0.265±0.834i，特征根的模│0.265±0.834i│<1，故模型（5）平穩。

基于模型（5），選擇靜態預測法，可以得到各年份的單產趨勢值。再利用式（1），計算出氣候減產率Y。

（三）測算短日照測度指標

1987—2019年3月份的日照時數序列是平穩的，故可建立ARMA模型：

R2=0.4578，F 值=4.6252，AIC=9.2867，DW=1.8791。特征根為0.8089，其模小于1，故模型（6）是平穩的。

（四）氣候減產率關于短日照測度指標的計量模型

表2 氣候減產率與短日照測度指標的協整檢驗

短日照測度指標越大，表示短日照災害越嚴重，短日照災害對糧食單產的影響越顯著，氣候減產率越大；短日照測度指標越小，氣候減產率越小。所以，從定性分析看，表2第（1）列的協整回歸方程都是合理的。

對于殘差項檢驗的AEG回歸，取檢驗水平1%，當樣本容量T=28時，查協整檢驗臨界值表，計算協整檢驗臨界值。

C0.01=φx+φ1T-1+φ2T-2-3.9001-10.534/28-30.03/282=-4.3146

當 T=29時，C0.01=-4.2990。

（五）短日照保險的定價

1.估計短日照測度指標的期望值

表3 短日照測度指標的分布判斷與期望值估計

2.厘定保險費率

利用式（4），并依據表 2第（1）列的協整回歸模型，以及表3第（3）列的短日照測度指標的期望值，可以計算短日照天氣指數保險的純費率。例如，當賠付概率為40%時，3月份短日照天氣指數保險的純費率為：

由于天氣指數保險比傳統農業保險更能節省業務經營管理費用，所以，這里將純費率轉換為費率時，選擇轉換系數為1.5，得到相應的短日照保險的費率，如表4所示。

表4 40%賠付概率時短日照保險費率厘定結果

（六）政府保費補貼支出的測算

表5 賠付概率40%時3月份政府保費補貼支出的測算表

（續表）

以表5第（2）列為例，當保險公司3月份短日照保險賠付概率為40%時，第（2）列表示1989—2019年各年由中央財政承擔的每公頃的保費補貼序列。這里采用實物單位“公斤”而不采用價值單位，旨在確保該序列數據不受價格的影響，在時序上具有可比性。對于該序列的分布形式，采用修正的A-D值最小的原則進行判斷，判定結果為邏輯分布（Logistic）。據此計算該序列的期望值為3.5718公斤/公頃，即中央政府為每公頃早稻作物提供的保費補貼年平均為3.5718公斤。如果按早稻作物平均價格140元/50公斤進行換算，就是10.0010元/公頃，即0.6667元/畝。

與表5中測算3月份政府保費補貼支出類似，再分別測算4—7月份的政府保費補貼支出，一并列于表6中。計算3—7月的合計數，再按早稻作物平均價格140元/50公斤進行換算，得到年均每畝的政府保費補貼支出。

表6 賠付概率40%時整個生長期政府保費補貼支出的測算表

（七）實證結論分析

分析表6，可以看出：

1.從短日照保險單位面積的政府年均保費補貼支出分析。如果中央、省、市縣的財政保費補貼占保費收入的比重分別按40%、25%、10%來計算，當保險公司的賠付概率為40%時，中央、省、市縣每畝年均分別補貼保費2.58元、1.61元、0.65元。

和區域產量保險相比，中央、省、市縣政府每畝年均保費補貼的額度較低，這是由于費率較低導致的。費率較低的原因主要有三個方面，一是因為這是短日照保險，僅僅承保單一風險——短日照風險；二是因為長沙縣地處東亞季風區，氣候較為濕潤，陽光比較充裕，發生短日照的概率較低；三是因為長沙縣是湖南省經濟最發達的縣，農田基礎設施比較完善，抵御自然災害的能力較強。

2.從短日照保險政府年均保費補貼總支出分析。如果長沙縣早稻作物投保面積為53萬畝，當保險公司的賠付概率為40%時，中央、省、市縣財政年均保費補貼支出分別為136.93萬元、85.58萬元、34.23萬元。

3.從市縣政府保費補貼的支付能力分析。長沙縣2019年地區生產總值為1509.3億元，全年實現財政總收入356.4億元。對于長沙縣早稻作物的短日照保險，當保險公司賠付概率為40%時，市縣政府年均保費補貼支出為34.23萬元，約占地區生產總值的0.00023%，占全年財政總收入的0.00096%。

四、結論

測算短日照保險的政府保費補貼支出的方法是：首先分析氣候因素導致糧食作物減產的程度，計算氣候減產率；其次基于統計理論與方法設計短日照測度指標，測算短日照災害的嚴重程度；再次利用計量經濟學理論與方法，構建了氣候減產率關于短日照測度指標的計量模型，確定短日照因素對單產降低的影響程度；最后根據該計量模型體現的影響程度和短日照測度指標的期望，厘定短日照保險的費率，進而測算政府的保費補貼支出。

以長沙縣早稻作物為樣本，實證研究結果表明：如果短日照賠付概率取40%，中央、省、市縣政府的財政保費補貼占保費收入的比重分別按40%、25%、10%來計算，那么，中央、省、市縣每畝年均分別補貼保費2.58元、1.61元、0.65元。當短日照賠付概率取值變化時，中央、省、市縣的政府補貼也相應變化。

測算政府保費補貼支出的關鍵是觸發值的確定。本文探討了短日照天氣指數保險政府保費補貼的測算，基于概率分布理論較好地解決了觸發值的確定問題，并將保險公司的賠付概率、短日照觸發值、保險費率、政府保費補貼支出有機地聯系在一起，為探討其他天氣指數保險的費率厘定、測算相應的政府保費補貼支出提供了新思路。◆