pp电子

10多年前
，气象指数包管和巨灾指数包管在我国最先逐渐落地实验
，好比2011年最先福建龙岩烟草低温霜冻和洪涝指数包管
，好比2016年最先实验的广东多都会的台风和强降雨巨灾指数包管（通常称为巨灾指数包管
，实质照旧气象指数包管）
，等等。就我国而言
，天气指数包管是现在种种指数包管（好比遥感指数包管、地力指数包管、地动指数包管、价钱包管、产量包管、收入包管等）中最普遍落地的指数包管类型
，这是由于其指标清晰、便于视察、获得难度相对较低等因素所致。气象指数包管在普遍落地历程中
，为农业包管的扩品、都会巨灾危害的平滑等提供包管
，但同时保存不少需要回首思索和优化刷新之处
，本文只在手艺层面选取三个典范实务问题
，做简朴先容。

一、基差危害问题：包管产品在金融机制上看
，实质是一种（看跌）期货产品；钗：Γ˙asis Risk）作为期货市场的看法
，是指保值工具与被保值商品之间价钱波动差别步所带来的危害；(Basis)即现货成交价钱与生意所期货价钱之间的差
，在指数包管场景下
，就是指被保人现实损失和依据指数包管赔付公式盘算出的赔付之间的差。我国指数包管应用普遍
，尤其是在农业包管领域
，在种养林皆有普遍落地
，设计被包管品类、尤其是各地特色农业品类众多
，好比陕西苹果、四川花椒、山东蔬菜、广东岭南水果、湖北小龙虾、江浙绿茶等等。农业品种千变万化
，其生长演变和情形因素细密相关
，各品类有其自身的生长成熟阶段
，关于差别气象危害对抗能力纷歧
，其价值、易损性也会在差别生长阶段爆发转变
，是一个很重大历程。气象数据作为气象指数包管的“指标”原质料
，其主要性毋庸置疑
，也广为关注。另一方面
，气象指数产品最终的指向是损失危害
，气象致灾因子到损失
，涉及农作物品类、情形、时间（生长阶段）、位置（生于淮南则为橘
，生于淮北则为枳）等诸多因素
，在整个致损链条中
，瓶颈在那里
，是精准的、高区分率气象数据
，照旧情形数据、或者是缺乏科学的农业品类易损性函数？我们现在落地的一些气象指数产品
，关于这些品类的易损性研究思量并不充分
，甚至缺失
，导致经常爆发赔付和现实损失极端纷歧致的情形。我们在未来指数包管的研发和优化历程中
，是否应该和农业专家配合相助
，增强品类自己易损性的研究？

二、数据颗粒度的问题：气象指数产品的研发设计历程中
，保司常；崽岢鲆桓鲆晌 – 国家基础站点数据通常一个区县1-2个站点
，颗粒度是否不敷？通常的解决步伐是追求地方气象部分的支持
，增添大宗自动站点数据作为产品研发支持。但这里有两个问题需要保司进一步思索：1）自动站点的普遍建设起于约莫10-15年前
，数据积累时间跨度还很是有限
，作为产品精算依据是否富足？2）自动站点的数据质量怎样包管？尤其是若是自动站点数据加入作为理赔依据的时间
，有无机制包管数据的可靠性？3）若是无法获得大宗自动站点数据情形下（这是常见情形）
，能否研发出较为可靠的、科学的气象指数产品？关于以上三个问题
，我们的想法是：1）自动站点在精算历程中作为模式的研究是有价值的
，但需要预先做数据的检查和对敏感性剖析（尤其是奇异点的敏感性剖析）。2）许多气象指数包管关于气象数据依赖性很是迅速
，自动站点作为理赔依据
，尤其是单点自动站点作为理赔依据
，需要慎之又慎。3）我们以为
，现在市场上落地的大宗气象指数包管的瓶颈未必在于气象数据的颗粒度
，我们在研发上的精神是否有更有价值的落脚点？好比是否可以充分使用巨灾模子要领科学填补数据不住、同时连系易损性剖析上开发全局优化的指数包管产品？

三、危害分担问题：气象指数包管由于是立异性包管产品
，直保公司通常都会有再保需求。现在我们市场上直保公司可能处于简朴、易测的思量
，通常倾向于通过成数分保的方法
，将危害按比例分给再包管公司
，但专业再包管公司可能会倾向于通过超赔方法
，肩负直保公司的逾额危害。这种情形下
，若是要安排好再包管
，需要关于极端危害做出科学判断。这会引出两个问题
，需要我们解决：1）对极端危害(好比百年一遇灾难事务)的概率评估需要用到巨灾建模要领
，对极端情形做科学的数值模拟
，这可能凌驾了一样平常气象指数设计的事情领域。2）超赔合约的定价关于危害量化（包括保司营业生长）的敏感性很是高
，怎样对危害量化自己的不确定性给出判断
，从而为保司和再包管公司的定价和核保决议做指引
，也是一个挑战。

气象指数包管蓬勃生长
，为包管立异做出了很好的树模。在十多年的生长中
，也遇到许多问题和挑战
，本文只是举其一二
，提出的问题多于给出的谜底
，仅供同仁共斟酌。