基于最低氣溫的茶葉經(jīng)濟損失率風險評估

基于最低氣溫的茶葉經(jīng)濟損失率風險評估

浙江省是中國最重要的綠茶產區(qū)。春季名茶是浙江省農民的主要經(jīng)濟收入來源之一。由于浙江省3月份低溫霜凍頻繁，茶葉經(jīng)常受到凍害，影響農民種植茶葉的經(jīng)濟收入。政策性農業(yè)保險能減少乃致消除特定農業(yè)自然風險對農業(yè)生產的負面影響,穩(wěn)定農民從事種養(yǎng)殖業(yè)帶來的收入。茶葉生產直接以經(jīng)濟產出來衡量,加上浙江省開展名優(yōu)茶生產時間短,還沒有一種有效的茶葉霜凍災害風險評估方法,茶葉作為新一輪政策性農業(yè)保險試點作物還處于前期研究階段。進行本研究,可以為開展茶葉政策性農業(yè)保險方案提供技術支撐。我國開展的農作物保險主要采取單一費率的傳統(tǒng)成本保險方式,使保戶的保費負擔與承受的風險特征不一致,農業(yè)保險存在逆選擇、道德風險、災后理賠時效低、理賠成本高等問題。為了解決傳統(tǒng)農業(yè)保險中存在的問題,國際農業(yè)保險界開發(fā)了指數(shù)保險。區(qū)域產量指數(shù)保險根據(jù)地區(qū)產量進行賠付,可以最大程度地避免道德風險和逆選擇問題,主要為美國、加拿大等發(fā)達國家采用。氣象指數(shù)保險是以特定的農業(yè)氣象指標作為觸發(fā)機制,如果超出了預定的標準,保險人就要負責賠償?shù)霓r業(yè)保險模式,逆選擇和道德風險小,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)達國家采用的主要農業(yè)保險方式。區(qū)域產量指數(shù)保險在農業(yè)保險費率厘定方法上采用作物歷史產量資料,利用統(tǒng)計學和概率論知識,估算作物單產波動的概率分布,然后進行費率厘定;氣象指數(shù)保險根據(jù)氣象站氣象數(shù)據(jù)確定保險產品購買價格和支付賠償,保險人的賠償和實際的農業(yè)損失無關;氣象指數(shù)保險存在較高水平的基差風險。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量風險分析,但作物產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量風險分析,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,國內也開展了非正態(tài)分布模型的作物產量風險分析,如利用非參數(shù)核密度法、信息擴散模型進行作物產量保險費率研究。但在模型選擇上并沒有一個統(tǒng)一的標準,不同的生產風險模型對作物生產風險進行擬合,估算出的作物風險程度是不同的,如何客觀和準確地分析及估算農作物生產風險的大小及概率分布一直是國際農業(yè)學術界和各國政府管理者的一個重大課題。區(qū)域產量和氣象指數(shù)結合的農業(yè)氣象指數(shù)保險可提供低成本的個別風險保險替代品,最小化逆選擇和道德風險問題,降低農業(yè)保險費用。氣象指數(shù)保險應用分宏觀水平、中觀水平和微觀水平三種風險水平。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戶,作為賠付依據(jù)的指數(shù)由距離農戶最近的有代表性氣象站測定,氣象站應有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)和產量或經(jīng)濟產出不是高度相關,會造成很大的基差風險,基差風險不能被消除,但可以通過保險產品設計來降低。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)濟產出來衡量的經(jīng)濟作物,其風險分析有別于常規(guī)的作物產量風險分析,目前國內外對直接以經(jīng)濟產出來衡量的經(jīng)濟作物生產風險和基差風險低的氣象指數(shù)保險研究還未見報道。本文根據(jù)3月低溫霜凍導致的茶葉經(jīng)濟損失率與氣象因子間存在一一對應關系,設計茶葉霜凍氣象指數(shù)。我國縣級氣象站建于上世紀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)風險分布模型,計算各鄉(xiāng)鎮(zhèn)、街道霜凍出現(xiàn)風險,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茶葉氣象服務示范基地2000—2009年3月到4月逐日茶葉產量和價格資料來自紹興市茶葉氣象服務示范基地、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)濟產出的影響茶葉生產以經(jīng)濟產出來衡量。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)嚴重低溫霜凍可使茶芽甚至嫩梢凍死,7～10d內茶葉沒有經(jīng)濟產出。因此不同時期遭受低溫霜凍對茶葉經(jīng)濟產出影響不同。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℃以下的嚴重低溫霜凍天氣,造成茶葉嚴重受凍,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害。茶葉遭受霜凍后造成一定時間內茶葉沒有經(jīng)濟產出,利用代表性茶場各品種采摘期間歷年逐日經(jīng)濟產出、種植面積,確定正常年份下茶葉經(jīng)濟產出的時間變化曲線,統(tǒng)計茶葉開采期后不同累計天數(shù)經(jīng)濟產出占總產出的百分比,結合茶葉生物學特性、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)濟損失,確定出現(xiàn)不同等級霜凍對茶葉經(jīng)濟產出的影響: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,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系。支持向量機是一種非線性系統(tǒng),不要求對事物機制有明確的了解,不需建立復雜的數(shù)學模型以及具有非線性映射能力強等優(yōu)點,因此本文采用支持向量機進行歷史資料反演。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)濟損失對應起來,因此可以通過計算霜凍的概率分布確定茶葉經(jīng)濟損失概率分布。作為巨災型霜凍是茶葉生產中的極端氣候事件,因此可以通過計算極端氣候事件概率來確定農業(yè)生產巨災風險。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)進行序列的風險概率估算。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)進行序列的風險概率估算。1.5仿真結果與分析本文根據(jù)氣象指數(shù)保險合同內容,結合區(qū)域產量指數(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,以茶葉生產時期的霜凍發(fā)生為基礎,根據(jù)霜凍造成茶葉的經(jīng)濟損失率和出現(xiàn)風險,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的氣象指標,每個指數(shù)值對應一定的茶葉經(jīng)濟損失率和賠付率。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為預期單產,Loss為作物損失。按照浙江省政策性農業(yè)保險試點方案,λ和μ取100%,氣象災害造成的作物損失率低于免賠額時不予賠償,氣象災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)濟損失率的關系根據(jù)各茶場茶葉觀測資料和春茶經(jīng)濟產出資料結合茶葉生物學特性,確定茶葉開采期前和進入開采期后龍井43遭受霜凍的經(jīng)濟損失率與所在地最低氣溫的關系(表1)。2.2svm的應用以大市聚鎮(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日逐日最低氣溫進行擬合,擬合值與實際值的相關系數(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,預測值和實際值的相關系數(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)濟損失率與第一次霜凍造成的茶葉經(jīng)濟損失率無關,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)機率較高,而且低溫強度強,霜凍嚴重,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成,如保險費率過高,會影響農民參保的積極性,因此結合新昌實際,以純保險費率不超過3.00%進行茶葉農業(yè)保險產品設計,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)濟損失率,如茶葉經(jīng)濟損失率達到或超過免賠額則對參保農民進行賠償。3基于歷史氣象資料的農業(yè)保險分析(1)在區(qū)域產量指數(shù)保險和氣象指數(shù)保險的基礎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害對茶葉造成的經(jīng)濟損失、風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計了茶葉霜凍氣象指數(shù)保險產品。該模型設計的農業(yè)保險產品反映了各鄉(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險。免賠額和保險費率的設定與各鄉(xiāng)鎮(zhèn)、街道茶葉生產實際風險相符,易為保險公司和農民雙方共同接受。(2)中國地形復雜,尤其南方以丘陵山地為主,海拔高度相差大,同一次氣象災害過程,氣象要素空間變異大,造成災害后果不同。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,降低了基差風險。從政策性農業(yè)保險的可持續(xù)發(fā)展來看,保險公司收取的保費應大于或者等于其保險賠付,同時農戶繳納的保費要與其所在地區(qū)的風險水平相匹配。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行作物生產風險分析,從中選擇最優(yōu)擬合分布,提高了分析結果的準確性和合理性、農業(yè)保險費率的科學性,有利于農業(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業(yè)保險公司保費結算、農業(yè)保險賠款核定。模型采用區(qū)域內氣象站所在地的茶葉經(jīng)濟損失率作為標準,使區(qū)域內各個農戶得到“公平”待遇,有利于激勵生產者之間的競爭,促進農業(yè)生產力的提高,促進區(qū)域內氣象災害嚴重地區(qū)進行農業(yè)結構調整。災害發(fā)生后依靠氣象部門實際測得的氣象數(shù)