محاسبه حق بیمه شاخص‌های آب و هوایی گندم دیم میانه: کاربرد رهیافت مفصل تاکی شکل قابل رسم (دی واین کاپیولا)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار گروه اقتصاد کشاورزی دانشگاه تبریز

2 دانشجوی کارشناسی ارشد اقتصاد کشاورزی دانشگاه تبریز

3 استادیار موسسه ‌پژوهش‌های ‌برنامه‌ریزی، اقتصاد‌کشاورزی وتوسعه روستایی

چکیده

ریسک عنصری گریزناپذیر ولی قابل مدیریت در کشاورزی است. بیمه کشاورزی از جمله برنامه‌های موثر مدیریت ریسک است. اما طرح‌های سنتی بیمه محصولات کشاورزی مشکلاتی همچون هزینه‌ اجرایی بالا، چالش ناشی از اطلاعات نامتقارن یعنی، انتخاب نامساعد و مخاطرات اخلاقی را دارند؛ لذا در این پژوهش، بیمه محصولات کشاورزی بر پایه شاخص‌های آب و هوایی برای محصول گندم دیم در شهرستان میانه ارائه شده است که یک ابزار کارآمد در مدیریت ریسک کشاورزی می‌باشد و مشکلات بیمه رایج را ندارد. در این راستا، داده‌های مربوط به عملکرد گندم دیم رقم سرداری و متغیر‌های آب و هوایی طی سال‌های زراعی 92-1366 به ترتیب از جهاد کشاورزی و سازمان هواشناسی استان آذربایجان‌شرقی گردآوری گردیدند. در سال‌های اخیر، توابع مفصل تاکی شکل در اندازه‌گیری ساختار وابستگی و بیان توابع توزیع توام در زمینه‌های مختلف موفقیت‌آمیز بوده‌اند؛ بنابراین در این پژوهش ساختار وابسته بین شاخص‌های آب و هوایی و عملکرد محصول با استفاده از توابع مفصل تاکی شکل اندازه‌گیری شد و در نهایت مقادیر حق بیمه و تابع غرامت محاسبه گردید. الگوی D-Vine برای تبیین تابع توزیع توام و محاسبه حق بیمه گندم دیم مورد استفاده قرار گرفت. حق بیمه در چهار سطح پوششی (50، 80، 90 و 100 درصد) محاسبه شد که میزان آن در سطح پوشش 80 درصد 578827 ریال می‌باشد. حق بیمه محاسبه شده در بیمه شاخص آب و هوا کمتر از حق بیمه فعلی است که مقداری معقول است. نتایج مربوط به تابع غرامت نیز نشان داد که متغیر رطوبت نسبی میانگین، بیشترین همبستگی را با عملکرد گندم دیم میانه دارد که مقادیر آستانه و حد آن به ترتیب 83/51 و 07/23 درصد می‌باشند.

کلیدواژه‌ها

موضوعات


اردستانی ح، (1391). امکان سنجی استفاده از شاخص آب هوا در مدیریت بیمه گندم دیم. پایان نامه کارشناسی ارشد، دانشگاه تهران، دانشکده کشاورزی.

افقی ر، کیانی راد ع و عزیزنصیری س، (1390). بیمه کشاورزی بر پایه شاخص‌های آب و هوایی ابزاری کارآمد در مدیریت ریسک کشاورزی در ایران. بیمه کشاورزی، 8(29و30): 25 - 51.

جهاد کشاورزی، (1393). مرکز آمار و اطلاعات، بانک هزینه تولید محصولات زراعی.

سلامی ح ا، قهرمان‌زاده م، حسینی ص و یزدانی س، (1387). بیمه درآمدی راه‌کاری برای کاهش ریسک تولید و نوسانات قیمت در صنعت طیور کشور. اقتصاد کشاورزی، 3(4): 1-30.

صندوق بیمه کشاورزی، (1392). گزارش عملکرد صندوق بیمه محصولات کشاورزی طی سال‌های اخیر. گروه خدمات مدیریت و برنامه ریزی.

قهرمان‌زاده م، دشتی ق، افراسیابی س، حسین‌زاد ج و حیاتی ب ا، (1393). زمینه‌یابی ایجاد بیمه شاخص آب و هوایی پیشنهادی در محصول گندم دیم شهرستان اهر. تحقیقات اقتصاد و توسعه کشاورزی ایران، 45(2):383 -393.

Aas K, Czado C, Frigessi A and Bakken H, (2009). Pair-copula constructions of multiple dependence. Insurance: Mathematics and Economics, 44: 182–198.

Anderson JR, (2003). Impacts of climate variability in Australian agriculture. Review of Marketing and Agricultural Economics. 49 (31).

Aziznasiri S, 2011. Weather-Based crop insurance as a viable instrument for agricultural risk management in Iran. Master of Science thesis, Allameh Tabatabai University, E.C.O. College of Insurance.

Bedford T and Cooke RM, (2001). Probability density decomposition for conditionally dependent random variables modeled by Vines. Annals of Mathematics and Artificial Intelligence, 32:245–268.

Bedford T and Cooke RM, (2002). Vines: A new graphical model for dependent random variables. Annals of Statistics 30: 1031–1068.

Bokusheva R, (2010). Measuring the dependence structure between yield and weather variables. ETH Zurich, Institute for Environmental Decisions.

 Brechmann EC, Czado C and Aas K, (2010). Truncated regular Vines and their applications. Canadian Journal of Statistics, 40(1 ): 68–85.

Brechmann EC and Czado C, (2011). Risk management with high-dimensional Vine copulas: An analysis of the Euro Stoxx 50. Submitted for publication.

Brechmann EC and Schepsmeier U, (2012). Modeling dependence with C- and D-Vine copulas: The R-package CDVine. To appear in the Journal of Statistical Software.

Chen S, Wilson WW, Larsen R and Dahl B, (2013). Investing in agriculture as an asset class. Department of Agribusiness and Applied Economics Agricultural Experiment Station North Dakota State University.

Czado C, Brechmann EC and Gruber L, (2014). Selection of Vine copulas. technische Universitat Munchen.

Dißmann J, Brechmann EC, Czado C and Kurowicka D, (2013). Selecting and estimating regular Vine copula and application to financial returns. Computational Statistics & Data Analysis. 59: 52–69.

Goodwin B.K., (2012). Copula-based models of systemic risk in US. agriculture: implications for crop insurance and reinsurance contracts. The NBER conference on Insurance Markets and Catastrophe Risk in Boston.

Joe H, (1997). Multivariate models and dependence concepts. Chapman and Hall, London

Kurowicka D and Cooke RM, (2006.( Uncertainty analysis with high dimensional dependence dodelling. John Wiley & Sons Ltd.

Scholzel C and Friederichs P, (2008). Multivariate non-normally distributed random variables in climate research introduction to the copula approach. Nonlinear Processes in Geophysics. 15: 761–772.

Schulte GM and Berg E, (2011). Modeling farm production risk with copula instead of correlations. Institute of Food and Resource Economics, University of Bonn, Germany.

Turvey C and Belltawn BC, (2009). Weather risk and the viability of weather insurance in western China. Conference of the American Agricultural Economics Association, Milwaukee, Wisconsin.

Varangis P, Skees J and Barnett B, (2002). Financial risk management with weather hedges in weather indexes for developing countries. World Bank, chapter. 16: 280-292.

Zhu Y, Ghosh S and Goodwin B, (2008). Modeling dependence in the design of whole farm insurance contract a copula-based approach. Contributed paper at the Annual Meeting of the AAEA, Orlando, USA, July 27-29.