论文部分内容阅读
农业是国民经济的基础,因此做好农业相关工作在我国具有非常重要的社会意义。农业保险有助于稳定农户收入,迅速恢复农业生产,实现国家对农业产业的宏观调控,是我国发展农业的重要工具之一。然而由于我国政策性农业保险开展工作的时间较短,有效的承保数据和损失数据非常有限,农业保险费率的确定缺乏精准有效的技术支持。试点初期出于谨慎考虑,只能在全国采取统一费率。虽然易于操作,却带来了道德风险和逆向选择问题。根据精算理论,如果承保对象足够多,就可以根据风险特征的不同对个体进行风险分类,在此基础上厘定各个风险等级的费率,消除道德风险和逆向选择。本文通过阐述并对比了目前比较流行的几种风险分类的费率厘定方法,例如最小偏差法、非参数核密度法、分层贝叶斯模型以及广义线性模型。通过结合湖南省政策性农业保险关于种植业保险的经营数据和气象数据特征选择了广义线性混合模型对数据建模,认为广义线性混合模型基于指数组分布,可以对非正态分布的数据进行回归分析,但它又保留了很多正态线性回归模型的常规思想,将复杂且相关的数据通过随机效应进行拟合。同时结合广义线性模型做实证分析,对湖南省种植业保险中棉花、油菜和水稻品种进行费率分类定价研究,通过实证分析得出广义线性混合模型中湖南省种植业保险费率厘定的结果。最后对在湖南省具体实施这种定价方法过程中,要求农业保险市场需要进行完善和改进的地方,提出了一些政策性建议。