大数据时代下的农业巨灾指数保障方案设计

何兴龙　陈晗

黑龙江项目回顾

农业是支持中国经济建设和发展的基础产业。我国的农业生产高度密集，同时农田基础设施水平相对落后，适应气候变化能力不足。极端自然灾害事件严重威胁我国的粮食安全，阻碍了经济和社会发展。尤其在农业巨灾事件发生后，各级政府需要大量的流动资金进行灾后救援和恢复农业生产，给财政预算带来极大的挑战。因此，自2007年以来，建立农业大灾风险分散机制连续多年在中央一号文件中有所体现，以增强政府财政韧性，确保农业生产的可持续发展。整个行业和社会均在积极探索农业巨灾风险管理的模式方法。

2016年，瑞士再保险作为技术顾问和唯一的再保险公司，协助黑龙江省财政厅研究并设计了中国首个农业财政巨灾指数保险，为政府农业财政巨灾风险转移提供了新的解决思路。该方案基于指数保险的原理，结合卫星遥感技术和气象监测技术，为黑龙江省28个国家级贫困县提供基于流域洪水、降雨过多、干旱及积温不足等农业灾因约23.24亿元人民币（约合3.48亿美元）的巨灾保险保障。方案自运行以来，针对黑龙江省2016年和2017年遭遇的自然灾害，该方案在多个贫困县的赔付率超过400%，扩大了救灾资金规模，促进了救灾资源优化配置，解决了财政涉灾预算“无灾不能用、有灾不够用”的难题。

居安思危。尽管该方案开创了我国农业巨灾指数保障方案的先河，但通过回顾过去两年的运营情况，仍有一些问题亟须解决。这些问题的出现并非保险领域所特有，而是大数据时代各行业均可能面临的挑战。唯有深入理解农业巨灾指数保障方案的原理，才能有的放矢地提供解决思路。

农业巨灾指数保障方案分析

农业巨灾指数保障方案设计涉及三个维度：农业指数选取、保险额度分配和损失模型建立。

首先，该方案基于指数保险的原理而设计，需选取可以表征农业灾害强度的指标。与其他标的物不同，农业指数产品设计需要同时考虑当地农作物的物候特点和历史气象条件。黑龙江依温度指标从北向南可分为寒温带和中温带，依干燥度指标从东向西可分为湿润区、半湿润区和半干旱区，因此各个县农作物的物候特点差异较大，为指数产品的设计带来很大挑战。过去两年，黑龙江省政府与瑞士再保险针对各个贫困县不断细化主要农作物的关键生长期，不断分析典型灾因的季节性特点，不断优化农业指数的产品设计结构，以尽可能降低该产品的基差风险，提高保障方案的专业性和适用性。

其次，该方案的保险额度分配主要包括三个方面：按县分配、按灾因分配和按灾害季节分配。由于该方案涵盖28个贫困县，每个县的农业生产规模、主要灾因类型和灾害时间段均有差异。在政府的大力支持下，瑞士再保险深入调研每个县的农业生产和经营情况，提出总保额分配方案。总保险额度首先基于每个县的耕地面积，成比例分配到县里；再根据每种灾因对于当地农业生产的影响程度，分配给不同的灾因；最后结合每种灾因季节性的特点，等比例分配到不同的时期。未来的产品设计将结合各个县实时的农业损失情况，不断优化总保额的分配方案。

再次，該方案基于农业指数和保险额度建立损失模型，针对每个贫困县多种灾因和不同灾害季节提供上百种定制化的保障方案。每个方案的损失模型均涉及较多的参数输入，一类是与概率密度曲线相关的参数，包括离散性参数、趋势分析参数和曲线拟合参数等，以更好地重现历史农业平均损失情况；一类是与赔付结构相关的参数，包括层数设置、每层起赔点、每层退出点和每级赔付金额等，以更好地满足政府对保障频度和深度的定制化需求。

未来，随着农业巨灾指数保障方案在全国各地不断落地，承保的县市数量、灾因类型和作物种类会大幅增加，各区域作物物候特征、气象条件、政府涉灾预算和保障需求的差异化也将更加突出。同时随着科技的不断发展，除气象指数之外，卫星遥感影像提供更多植被生长周期内的关键参数，例如植被绿度指数、土壤墒情指数和洪水淹没指数等，均可作为农业指数设计的依据。针对不断增长的多样化数据和定制化需求，农业巨灾指数保障方案的设计工作将遇到新挑战。

大数据与人工智能应用

综上分析，未来农业巨灾指数保障方案设计的主要挑战是如何优化分析海量农业基础数据和如何提供各地区政府定制化的保障方案。这两者均不是传统的保险固有的问题，而是大数据时代新生的问题。尽管大数据技术已经广泛应用于金融、工业和医疗等领域，但是在保险尤其是农业保险领域的应用尚属于空白。笔者认为，运用大数据技术和人工智能技术，可有效解决上述主要矛盾。

大数据技术的基本原理是利用数据挖掘等算法，从海量非结构化或者半结构化数据中发现新规律，以支持决策过程。回归到农业巨灾指数保障方案设计，通过有效的算法设计，大数据技术可以从大量气象、遥感数据和多种保额分配方案、损失模型中选取最优组合，结合当地农业专家提供的主要农业生产信息，产生可最佳反映历史农业损失情况的巨灾指数保障方案。人工智能技术的核心是机器通过自学习的方式，反演、推理并解决问题。在农业巨灾指数保障方案设计的案例中，可直接通过将保障多样化的需求作为模型的输入数据，利用反演模拟技术获得可以满足该需求的农业巨灾保障方案，如指数计算的时间段、计算方式、保额分配方案和损失模型等。

简而言之，大数据技术依据先验知识设计方案，如某一区域历史损失情况等，适用于尚未开展类似项目因而政府未有明确需求的地区；人工智能技术依据后验知识设计方案，如明确的赔付频率或者赔付深度，适用于类似项目已经开展因而政府有明确风险转移需求的地区。两者需集成于统一的自动化定价平台，基于程序设计的方法自动实现整个过程。

为支持该平台的建设，一方面需要农业基础数据支持，包括各地气象数据、遥感指数、种植信息，历史损失和政府救灾财政支出等，以充分发挥大数据技术的功效；另一方面，由于农业生产活动受自然因素干扰较大，因而其损失模型的建立需要考虑更多的物理过程，以迅速提升人工智能技术的表现。与此同时，高性能计算技术也应该被集成在该平台内，以提高整个系统的运行效率。在不远的将来，基于大数据技术和人工智能技术的定价平台除了可用于农业巨灾指数保障方案设计外，对于任何指数保险产品的设计均具有革命性的意义。□

（何兴龙为瑞士再保险中国农险负责人，陈晗为瑞士再保险农险核保人）