M5-02 天气指数保险设计

讲稿定位：M5 模块（农业保险）第 2 讲，从产品设计的「know-how」层面深入天气指数保险。承接 M5-01 的产品体系框架（指数保险是创新型产品的代表），为第 9 周工作坊选题卡 B（川茶气象指数保险）提供完整方法论。
编制依据：肖诗顺主讲专题课件《农业保险天气指数设计专题》（108 页，2024-05 版），方法论底本为中国气象局《农业保险气象服务指南——天气指数设计》（气减函〔2018〕76 号）与世界银行 Weather Index Insurance for Agriculture（2011）。
对应模块环节：§2 产品设计与精算逻辑（后半，45 分），并可支撑 §0 案例导入与工作坊。

学习目标

完成本讲后，学员应能：

解释天气指数保险的触发机制、五大优势与两大不足（指数设定难、基差风险）；
比较损害型保险、多风险保险（MPCI）、区域产量指数保险与天气指数保险四类产品；
走通天气指数设计的十步流程：气象灾害风险评估 → 需求分析与实地调查 → 资料收集 → 数据质控 → 灾情甄别 → 指数构建 → 指数-灾损模型 → 触发值确定 → 纯费率厘定 → 费率优化与条款设计；
复现安徽夏玉米干旱指数（降水负距平）从指数构建到保费测算（16 元/亩）的完整计算链；
评估基差风险的来源与缓解手段（分区阈值、多指数组合、风险区划费率修订）。

1. 从农业气候风险到天气指数保险

1.1 农民面临的风险谱系（World Bank 框架）

风险类型	例子	影响
天气风险	降水/气温变率与极端事件	减产、生产资产或收入损失
生物风险	病虫害、疫病、污染	减产、收入损失
价格风险	市场供需与价格波动	价格下跌、收入损失
劳动与健康风险	疾病、伤亡	生产力与收入损失
政策与政治风险	监管变化、市场中断	成本、税收、市场准入变化

与农业生产直接相关的天气灾害：干旱（降水亏缺，全球雨养农业的首要风险）、过量降雨与洪涝、高温、低温（霜冻/冻害/积温不足）、风（台风、锋面大风、龙卷）、冰雹（局地但可能极重）。

1.2 风险管理工具矩阵：谁在什么层级兜底

风险严重度	家庭/社区	市场	政府
非特定	租佃种植、互助组、水资源管理	新技术、改良种	灌溉基建、推广、农研、气象数据系统
低	作物多样化、牲畜储蓄、口粮储备	正式储蓄	—
中	劳动多样化、亲朋风险共担、钱庄	正式信贷、供应链风险分担	政策性信贷
高/巨灾	变卖资产、迁移	保险	灾害救济、政策性保险

教学提示：保险定位在「高/巨灾」象限——这解释了为什么农业保险必须与财政补贴、再保险捆绑（呼应 M5-01 §9）。

2. 产品谱系：为什么走到指数保险

产品	损害型保险（Named Peril）	多风险作物保险 MPCI	区域产量指数保险	天气指数保险 WII
赔付依据	田间实测损害比例	个体实收产量 vs 历史均值	区域平均产量	气象站测量的天气指数
主要风险	冰雹、火灾等局地突发风险	几乎全部风险	区域系统性产量风险	降水亏缺/过量、高低温度、风、日照
优点	条款简单、定损透明	农民最理解、保障全面	无逆选择与道德风险、成本低、易再保	无逐户定损、赔付及时透明、成本低、易再保
挑战	逐户定损成本高，不适合小农与干旱	逐户产量核定难、逆选择与道德风险突出、依赖补贴	局地风险（如冰雹）不触发赔付；基差风险	基差风险是核心挑战；指数设定技术复杂；突发性天气难以关联损害

我国创新型农险产品图景（三线并进）：

指数型：江西蜜桔低温冻害气象指数、海南橡胶树风灾气象指数、江苏内塘螃蟹水文指数、大连海水养殖风灾指数等；
价格指数：川渝闽甬生猪价格指数，江苏「夏淡」绿叶菜、北京秋播大白菜、宁夏设施蔬菜价格指数；
产量/产值：湖北水稻产量保险、甘肃中药材产值保险、冀湘豫粮食作物产值保险。

我国天气指数保险的政策依据：2014 年「新国十条」首提「探索天气指数保险等新兴产品和服务」→ 2016 年中央一号文件明确「收入保险、天气指数保险试点」→ 中国气象局 2015-2017 年连续文件部署天气指数保险气象服务（安徽、内蒙古试点起步）。印度经验参照：2003 年 ICICI-BASIX 嵌入式降雨指数保险（银保一体化）与 2004 年 AICIL 纯保险型产品并行发展，已成为全球最大的天气指数保险市场。

3. 设计前置：气象灾害风险评估

天气指数费率的地区差异来自当地天气指数与作物减产率的分布，因此灾害风险评估是厘定费率的基础。三步框架：

致灾因子危险性（E）：利用历史气象资料与灾害指标，计算各地多年平均灾害强度 × 发生频率；
承灾体脆弱性（V）：利用作物历史产量、种植面积等计算产量变异系数、种植面积比率等因子综合；
综合风险（R）：E 与 V 无量纲化后加权合成，借助 GIS 空间化得到区域灾害综合风险评估，支撑费率分区。

指标体系示例（节选）：

一级	二级	三级	数据化
承灾体因子	暴露性	作物种植比率/面积、平均单产	统计数据
	易损性	单产波动、损失特点	产量方差、偏度、分位点
致灾因子	致灾强度/频率/比重	致灾率、频率、面积比重	灾情数据
环境因子	气象	降水率、气温、风速、日照	均值、方差
	地形	特殊地形、水利设施密度	GIS 数据

4. 天气指数设计十步流程

完整流程：气象灾害风险评估（第 0 步）→ ① 需求分析与实地调查 → ② 资料收集与来源 → ③ 数据质量控制 → ④ 灾情资料处理 → ⑤ 天气指数构建 → ⑥ 指数-灾损模型 → ⑦ 理赔触发值确定 → ⑧ 纯费率厘定 → ⑨ 费率优化与产品服务。

4.1 需求分析与实地调查

气象、财政、农业和保险公司多部门联合，初步确定保险标的物与保障程度（保额、试点范围、财政补贴、农户缴费比例）。调查形式：赴生产基地实地观察、与农户交流、经营主体与专家座谈。

调查内容清单：主要种植区域分布；主要发育期；影响产量的主要气象要素与时段；正常/好/差年景的单产与代表年份；种植管理成本与产品价格；不同年景收入水平；农户可承受保费上限。

4.2 资料收集与质量控制

资料需求：承保区域 10 年以上气象资料 + 多年作物产量、生育期、灾情、基础地理信息、生产记录、试验观测资料；
来源：气象、农业、统计、民政部门 + 高校科研院所 + 新型农业经营主体 + 文献；
质控：实地调查验证 + 统计检验（标准差法处理异常值）；
灾情甄别：利用历史气象资料结合灾害指标值，对收集到的灾情资料逐条甄别真伪；
数据渠道（可作为课程实操资源）：中国气象数据网（data.cma.cn，含 CMA-RA 全球再分析产品）、国家气候中心（ncc-cma.net）、美国 NOAA NCEI 全球小时级台站数据。

4.3 天气指数构建（第 5 步）

两条路径：

规范路径：采用已颁布的国家标准、行业标准、地方标准或业务指标中的农业气象灾害指标；
统计路径：查阅文献初选相关气象要素（光、温、水），用敏感系数、方差分析或多重比较分析减产率与气象因子关系，按「对产量影响最大、因子间相关性较低」原则筛选关键致灾因子。

指数可以是单一要素，也可以是多要素综合指数，须满足客观性、独立可验证性、稳定性。国内已有指数示例：

地区	标的	灾害	天气指数
浙江	水稻	暴雨	气温降水多要素综合模型
浙江	茶叶	霜冻	日最低气温
北京	玉米	干旱	需水量或关键时段降水量
北京	露地蔬菜	低温/高温/寡照/暴雨	温度、日照时数、降雨量
陕西	苹果	干旱	需水量与降水量之差
安徽	夏玉米	干旱	降水负距平百分率
安徽	水稻	高温	日有效高温差累计值

4.4 指数-灾损模型（第 6 步）与触发值（第 7 步）

建模四步（以减产率为损失度量）：

计算减产率：对历年单产做时间序列拟合得到趋势产量 $y_{t}$ ，相对气象产量 $y_{w} = (y - y_{t}) / y_{t}$ ，取其中减产部分；
确定典型灾害样本（年）：灾害明显发生且造成减产的年份；
构建指数-灾损模型：统计方法拟合天气指数与减产率的关系（回归方程）；
确定指数阈值：由模型读取不同减产率对应的天气指数阈值。

理赔触发值：实际天气指数越过规定值时保险公司开始赔付。确定方法：基于指数-灾损模型，利用气象与产量资料计算不同阈值对应的历史赔付率，结合赔付率承受力选定。原则示例：农业保险主要保重旱以上灾害 → 安徽取 H>40 为触发值。

4.5 纯费率厘定（第 8 步）

天气指数保险多采用单产风险分布模型法：

R = \frac{λ \cdot E (L o s s)}{Y}, E (L o s s) = \int_{F}^{1} x f (x) d x

其中 $R$ 为纯费率， $x$ 为减产率序列， $f (x)$ 为单产风险概率分布（常用 Beta、Gamma、Weibull、Logistic、Burr、对数正态、双曲反正弦分布）， $F$ 为触发值对应的减产率， $λ$ 为保障比例， $Y$ 为预期单产。

拟合优度检验三统计量：K-S（观测与理论分布最大差异）、A-D（强调尾部差异）、卡方（频数差异），配合排名选择最优分布。参数估计可用最大似然法（MLE）。

5. 案例 1：安徽夏玉米干旱天气指数（统计路径）

步骤与结果：

资料：气象资料来自当地气象局、产量来自统计部门、灾情来自农业民政部门；降水距平百分率为广用的干旱指标；标准差检验处理异常值；
指数构建：分析夏玉米各生长阶段降水负距平与产量关系，锁定抽雄-乳熟期（8 月中旬-9 月上旬）降水负距平为干旱指数：

H = (1 - \frac{P_{c}}{\overset{―}{P_{c}}}) \times 100 %

（ $P_{c}$ 为当年抽雄-乳熟期实际降水量， $\overset{―}{P_{c}}$ 为 1971-2010 年 40 年平均）；

指数-灾损模型：各站指数与减产率相关分析 → 回归方程（H 每升 5 个百分点，减产率约升 1-1.5 个百分点，见下表节选）：

干旱指数 H（%）	40	50	60	70	80	90	100
减产率（%）	23	26	29	31	34	37	40

触发值：与干旱等级划分一致（轻旱 <10 / 中旱 10-23 / 重旱 23-31 / 严重干旱 >31），保重旱以上 → H>40 触发；
保额与保费测算：
- 淮北正常产量 500 公斤/亩 × 2.2 元/公斤 = 1100 元/亩；干旱最高减产 40% → 最高损失 440 元/亩；按 70% 保障水平 → 保额 305 元/亩；
- 1971-2010 年平均发生赔付概率 10.8%，发生年份平均赔付 146.3 元/亩；
- 保费 = 10.8% × 146.3 ≈ 16 元/亩（纯费率 10.8%）；
赔付标准（节选）：H≤40 赔 0；40<H≤45 赔 25 元/亩（8%）；70<H≤75 赔 178 元/亩（58%）；95<H≤100 赔 305 元/亩（100%）；
费率修订（风险区划法）：计算各站点致灾因子危险性 E、承灾体脆弱性 V、综合风险 R=E×V（或加权），标准化后按公式修订站点费率：

F Z = F \times (1 + Z^{'})

（ $F$ 为基准费率 10.8%， $Z^{'}$ 为标准化旱灾风险指数：临泉最高 1.000、固镇最低 0.000）——高风险站点上浮、低风险站点下调，实现县域差异化定价。

6. 案例 2：北京春玉米干旱天气指数（作物模型路径）

与案例 1 的统计路径不同，本案例用 FAO 双作物系数法 + WOFOST 作物生长模型 建立指数-灾损关系：

资料：单产数据（统计/农业部门/规模种植主体，要求口径一致且 20 年以上）+ 逐日气象资料（日最低/最高气温、早晨水汽压、平均风速、日照时数）；
指数构建：以「作物需水量」衡量干旱胁迫， $E T_{c} = K_{c} \times E T_{0}$ （参考作物系数法，FAO 1998）。统计 1981-2010 年 30 年均值作为正常气候状态，计算春玉米全生育期（4 月 21 日-9 月 30 日）需水量约 460mm——低于该值即受干旱胁迫（与北京农技专家经验值相当）；
指数-灾损模型：WOFOST 模型输入逐日气象（含用 FAO Penman-Monteith 由日照时数换算的辐射量）、作物参数、土壤参数；设定不同程度缺水情景模拟产量，与水分充分满足情景对比得减产率；以延庆播种-吐丝期为例：降雨 130mm 对应减产 10%、100mm 约 20%、80mm 与 50mm 处两个拐点分别约 30% 与 70%、低于 40mm 减产超 80%；
纯费率：以玉米产量平均干旱损失率为纯费率思想，用最大似然估计拟合损失分布；
赔付表（保额 1300 元/亩，6 月 21 日-8 月 10 日实降雨量 R）：R≥180mm 赔 0；130≤R<150 赔 65+3.25×(150−R)；80≤R<100 赔 260+6.5×(100−R)；50≤R<70 赔 520+19.5×(70−R)；R<20mm 全额赔 1300 元。

方法论对照：

维度	案例 1（安徽）	案例 2（北京）
指数	降水负距平（单站统计量）	作物需水量缺口（生理模型量）
灾损关系	历史统计回归	WOFOST 数值模拟
数据门槛	长序列降水 + 产量	逐日 6 要素气象 + 作物/土壤参数
适用场景	资料序列长、灾害样本多	灾害样本少、需外推情景

7. 产品设计与服务闭环（第 9 步）

费率优化：大范围推广时须控制基差风险——结合风险区划分区厘定费率（安徽案例第 7 步）、优化气象站网密度；
条款设计：由保险公司设计条款；气象部门重点把关保险责任、保险期限、赔偿处理中与气象相关的条款；条款须通俗化（语言、结构、内容三层次）并明示基差风险；
气象服务：天气指数跟踪、气象灾害监测预警评估、灾害证明出具；
组合策略：区域产量保险承保系统性风险 + 传统农险承保局地灾害，互补降低基差风险。

8. 关键概念表

术语	定义
天气指数	一个或一组外部的、独立的变量，由与标的产量或品质相关的温度、降水、光照等气象要素构成
天气指数保险	把气象要素对标的物的损害程度指数化，以客观指数作为理赔依据的一类保险
农业气象灾害	导致农业减产的不利天气或气候条件总称（干旱、洪涝、渍害、连阴雨、低温冷害、冻害、高温热害、干热风等）
纯费率	纯保费占保险金额的比率，由损失概率确定
基差风险	合同约定天气指数所反映的风险状况与标的实际风险状况之间的差异

基差风险治理清单（工作坊卡 B 的分析框架）：气象站密度与代表性（山区茶园站点稀疏 → 风险放大）；分区阈值与多指数组合；指数-灾损模型的本地化验证；条款明示与投保告知；与再保险安排联动。

9. 与本课程工具链的衔接

agri-weather / china-weather MCP：现场拉取历史气象序列，演示触发判定（如卡 B 川茶倒春寒：日最低气温阈值连触 N 天）；
研究手册 ch09：【险】农业保险需求决定因素（Logit）示例可直接跟做；
手册 ch09 §9.8 四川水稻保险 ABM：做「补贴率/触发阈值」反事实实验；
P5 AI 保险项目：柑橘冻害指数保险 + AI 定损组合为「农险场景版」选题。

讨论题

用安徽案例的计算链，为川茶「倒春寒霜冻」设计一个指数草案：选什么气象要素？触发值怎么定？为什么山区基差风险更大？（工作坊卡 B）
统计路径（案例 1）与作物模型路径（案例 2）各有什么数据门槛？如果只有 12 年产量数据，你会怎么选？
天气指数保险条款为什么必须「明示基差风险」？如果不明示，可能引发什么纠纷与监管问题？
印度「嵌入式天气指数保险」（银保一体化）对我国「保险+信贷」有什么启发？（衔接 M5-01 §7.5 与教师自研案例 03）

参考文献（部分）

规范与指南：

中国气象局应急减灾与公共服务司.《农业保险气象服务指南——天气指数设计》（气减函〔2018〕76 号）
中国银保监会.《农业保险精算规定（试行）》（银保监规〔2023〕4 号）

核心文献：

World Bank. (2011). Weather Index Insurance for Agriculture: Guidance for Development practitioners. Washington, DC.
中国普惠金融研究院.《发展农业气象指数保险优化农村金融服务体系调研报告》. 2021.
李勇权.《农险精算》. 南开大学出版社, 2021.
Boyd, M., Pai, J., Zhang, Q., & Wang, K. (2011). Crop Insurance Principles and Risk Implications for China. Human and Ecological Risk Assessment, 17(3), 554-565.
Congressional Research Service. (2021). Federal Crop Insurance: A Primer (R46686).
谭英平, 王叶菲. 引入风险预防因子的天气指数保险研究——以湖南省水稻主产区为例. 《农业展望》, 2020(2).
农业农村部农村经济研究中心等.《科技助力农险高质量发展白皮书（2022）》

← M5-01 制度与产品体系返回 M5 模块 →

M5-02 天气指数保险设计 ​

学习目标 ​

1. 从农业气候风险到天气指数保险 ​

1.1 农民面临的风险谱系（World Bank 框架） ​

1.2 风险管理工具矩阵：谁在什么层级兜底 ​

2. 产品谱系：为什么走到指数保险 ​

3. 设计前置：气象灾害风险评估 ​

4. 天气指数设计十步流程 ​

4.1 需求分析与实地调查 ​

4.2 资料收集与质量控制 ​

4.3 天气指数构建（第 5 步） ​

4.4 指数-灾损模型（第 6 步）与触发值（第 7 步） ​

4.5 纯费率厘定（第 8 步） ​

5. 案例 1：安徽夏玉米干旱天气指数（统计路径） ​

6. 案例 2：北京春玉米干旱天气指数（作物模型路径） ​

7. 产品设计与服务闭环（第 9 步） ​

8. 关键概念表 ​

9. 与本课程工具链的衔接 ​

讨论题 ​

参考文献（部分） ​