论文部分内容阅读
农业保险目前面临最大的难题就是缺乏数据,这进而导致了农业(再)保险在费率厘定方面的困难。本文从再保险人的视角出发,通过描绘一个能被农业部门持续认可采纳的科学定价机制,来阐述一些关于农业保险定价的重大议题。通过模拟实验发现,对于农业保险的小样本数据,当前的测试时间序列趋势的计量工具,并不能提供精准的预测结果。本文使用加拿大10省的农业数据进行分析,发现Erlang混合分布族比单一分布模型更好地模拟出损失数据的厚尾特征。此外,在不同的趋势方法下,Erlang混合模型均表现有效,这就解决了使用哪种方法对小样本数据进行趋势过程这一难题。为了完善农业(再)保险定价机制,本文之后引入了修正信度模型。计算了同质风险和异质风险两种假设下的信度保费。之后,使用责任加权LCR来聚合历史损失数据。种种实验结果表明,异质风险假设下,基于责任加权LCR计算出的信度保费更为保守,这就为农业再保险提供了更为科学有效的定价方法。