文摘
本文涉及天气衍生品作为农业企业的潜在有效的风险管理工具试图减轻他们的收入暴露于天气的变化。天气衍生品的设计和估值是一个跨学科的方法涉及农业气象学、统计、数学建模、金融和风险管理。本文首先提供了一个概述的数据源,然后天气衍生品的设计和估值方法在区域层面。陪同案例研究集中于种植谷物(小麦和大麦)在捷克共和国。然而,它的普遍性很简单。谷物的关键发展阶段的分析是基于回归分析使用天气指数作为独立变量和作物产量作为因变量。引导工具,燃烧分析被认为是有用的工具评估收益的不确定性,期权价格,统计概率分布的收入。结果表明,空间和生产基础风险减少天气衍生品的效率。最后,天气衍生品的扩张潜力仍然是非洲和亚洲低收入国家的系统性天气风险。
1。介绍
全世界的天气决定决策(1,2]。Lazo et al。3总美元量化3.4%年际变化在美国经济活动由于天气变化。然而,天气敏感程度的高收入国家是相对较小的,因为农业在GDP中所占比重较小。相反,不发达国家和许多新兴国家重大农业在GDP中所占比重和就业必须面对天气风险没有足够的财政资源和基础设施来管理它们。
金融天气合同(天气衍生品,天气指数保险)是一个天气或有合同的回报取决于未来的天气事件。合同支付链接到一个天气指数,是集天气变量测量在规定地点一个显式的时期(4]。潜在的“资产”天气衍生品通常气温、降水、风速、等等。许多相关研究测试的潜在使用天气衍生品在农业(5- - - - - -11]。
基于索引的金融工具的主要优势是他们的权力减少信息不对称12- - - - - -16]。导数的估计目标,可衡量的和透明的天气变量,不能由农民故意修改或任何其他话题。另外,最重要的不利天气衍生品和他们最频繁的指数保险广告是风险的基础。生产基差风险的原因是,个人收益率波动一般并不完全与天气相关的变量。空间基础风险起因于天气模式的不同参考点的导数和农业生产的位置17]。
还有一个重要的先决条件的有效利用天气衍生品在农业。天气衍生品更有效对冲产品的收入风险更大可能性低产量和价格之间的相关性(18,19]。这些观点也增加了需要评估price-yield赞同。
本文旨在评估天气衍生品的潜力减少农业收入风险考虑到捷克共和国的生长条件。在捷克农业风险管理计划的问题是,系统性风险不受保险(干旱、热浪、收获和持续的下雨)。
本文组织如下。第一部分着重于描述系统的设计方法和估值的天气衍生品在地区层面。第二部分提出的结果和讨论的主要发现,农业天气衍生品的机会,和局限性。
2。材料和方法
天气衍生品的设计和估值是一个跨学科的方法涉及农业气象学、统计、数学建模、金融和风险管理。提出的方法是修改程序Jewson et al。20.),Mußhoff et al。7],Hnilica [21],Manfredo和理查兹22]。
Argometeorological问题 选择地区适合天气衍生品的建设。 选择农作物适合天气衍生品的建设。 选择相关的数据源。
统计问题 调整时间序列的数据。 识别潜在的天气指数衍生品。
数学建模 确定一个合适的类型的概率分布的指数合约(天气)。风险分层。 天气衍生品估值。
风险管理问题 评估天气衍生品合约的效率来减少收入的风险。
2.1。农业气象问题
选择的地区天气衍生品的设计是基于该地区农业生产是否足够重要,以确保流动性的合同。结构和经济数据显示,四个捷克地区(Středočesky, Jihočesky、Vysočina Jihomoravsky)产生超过50%的国家的农业产量。此外,Olomoucky和Kralovehradecky区域相对干旱的风险更高,因为大的低地。这些地区也以谷物产量在肥沃的土壤上。表1显示所选地区的基本结构和经济特征。
巴奈特和Mahul5)建议至少20年粮食产量数据的合同价格相对频繁的恶劣天气事件。摘要40年时间序列(1970 - 2009)的作物产量得到了来自捷克统计局(方案)。方案是中央政府机关在处理和发布官方的统计信息。风险分析需要使用播种地区而不是收获的数据(19]。由于缺乏可靠的数据播种面积,计算作物产量的分享收获生产()到收获面积(公顷)。
天气数据购买来自捷克水文气象研究所(CHMI)。分析使用每日/月平均气温和每日/每月累计降雨量。每月提供的气象数据的空间平均数据专业气象监测站位于选定的六个地区。我们采用以下天气indices-air温度(°C),降雨(毫米),和干旱指数(空气温度和降雨,23])和CDD /硬盘(即。,the number of degrees that a day's average temperature is above/below a certain level). Basic air temperature of CDD is set using linear optimization to achieve the highest Pearson correlation coefficient between basic air temperature and crop yield.
2.2。统计问题
明显的技术进步在种植的作物需要消除趋势的收益率时间序列(9- - - - - -11]。线性、指数、对数、力量和多项式(二次和三次)趋势进行测试。的趋势是最适合小麦和大麦(根据)。偏离趋势相关的5年平均收益率(2005 - 2009)时扣除最高和最低值为了表达当前的收益率(平均水平)。然后去趋势数据计算 在哪里表示年实际数据和意味着这一趋势。
回归分析估计的天气指数和作物产量之间的关系的关键时期植被(SPSS 18.0统计)。以下类型的回归函数测试:线性、对数、倒数,二次,三次,力量,曲线、指数和物流。为了达到尽可能高的收益率之间的相关性和天气变量,我们设置权重的关键月植被。权重设置的最高价值产量和气象变量之间的相关系数在关键时期的植被(MS Excel解算器)。
作物产量之间的简单线性回归和天气指数能够清楚地发现罢工水平(水平指数合同时触发)。然后我们将蜱虫(回报每一个索引点高于/低于罢工级别)作为采后价格预期和回归系数。回归函数进行自相关检测(Breusch-Godfrey测试)和异方差性(白色测试)。
2.3。数学建模
分析比较两个合同的有效性水平。第一次罢工涵盖风险较低频率、高强度(罢工1)。它假设一定程度的农民自己的贡献。在罢工1回报的概率范围从10%到15%。罢工2代表相对更频繁和更少的恶劣天气风险和不需要农民的贡献。
天气衍生品定价本文基于燃烧分析。燃烧分析反映出前几年的合同执行。燃烧分析本文增强分布拟合和蒙特卡罗模拟。天气指数的概率分布估计的真实数据虽然最大似然估计(标定)方法(24]。同时通过Anderson-Darling测试测试概率分布拟合优度检验(模拟)。
自展(25)允许更容易估计的不确定性估计的平均值和标准偏差的回报。参数引导(24需要额外的信息的概率分布。
合同价格(在这种情况下一个选项)的平均预期是合同的回报。然而,卖方的选项可能会期望奖赏承担必须支付的风险,和,因此,保险费可能会略高于预期收益风险加载。摘要加载20%的风险收益的标准差的合同(20.]。
2.4。风险管理问题
天气衍生品的效率来减少风险量化通过比较收入的分布从作物销售包括套期保值和没有对冲(选项1,选项2)。如果农民不买天气衍生品合约,他将实现收入: 表示作物产量天气随机变量的函数。预计采后作物的价格吗。由于预期收益有关合同的开始时期,它是由无风险利率打折的吗在合同的开始时期(p . 1.90%)。
如果农夫买了天气衍生品合约每公顷作物,他不得不支付卖方的溢价。农民可以从合同收取回报如果天气变量超过了罢工。付款是底层的函数索引。考虑
使用蒙特卡罗方法仿真处理10 000次迭代。仿真结果的比较没有标准错误(没有依据风险)和包括在回归估计的标准误差(包括基础风险)回答了问题的程度风险的基础。
3所示。结果与讨论
表6和7目前产量和气象变量之间相关性分析的结果。显著中度关系发生在小麦或大麦产量和空气温度(和干旱指数)5月、6月和7月。谷物都有类似的对空气温度的敏感性。降雨雪都是本地的,所以缺乏的风险,或者相反,过度的降雨量并没有一个系统的角色。之间的反向关系显示产量和降雨期间presowing土壤准备。然而,小麦和大麦产量和降水之间的相关性在地区层面相当薄弱。
结果证实小麦和大麦的敏感性缺乏在春季降水和气温升高。相反,而干燥的时期在一些地区在播前整地是有益的。表6和7显示Jihomoravsky地区风险最高的地区干旱,产量之间的相关系数和干旱指数明显超过0.5,具有统计学意义。高风险意味着高回报(Jihomoravsky地区是一个growing-friendly地区优质小麦和大麦。
4月收益率天气变量的灵敏度也值得关注,但没有统计学意义。下面的天气指数都包含在底层指标和测试相关:(我)加权平均气温在5月- 6月();(2)加权平均气温在4月到6月();(3)加权干旱指数从5月到6月期间();(iv)加权干旱指数在4 - 6月期间();(v)CDD的假设基本6月气温16.5°C(小麦)/ 18.09°C(大麦)(CDD 1);(vi)CDD的数量在5月- 6月的假设基本空气温度13.9°C(小麦)/ 15.0°C(大麦)(CDD 2);(七)CDD人数4 - 6月期间假设基本空气温度14.0°C的小麦和大麦(CDD 3)。
确定最高的皮尔森相关系数之间的小麦和大麦产量和加权平均空气温度(表2)。因此天气指数由4月平均气温(大麦小麦重量的7.4% / 19.4%),可能(大麦小麦重量的21.3% / 14.9%),和6月(重量71.3%的小麦大麦/ 65.7%)。
表3描述之间的回归分析结果Jihomoravsky地区小麦或大麦产量和气象指数。
天气指数的变化区域平均小麦和大麦的产量48.1% / 47.3%。产量变化的剩余部分是由于在其他月的天气条件(例如,在丰收的季节,天气冰雹在植被)和其他影响我们可以任期基础风险。结果显示Anderson-Darling拟合优度检验,残差的正态(高斯)分布模拟测试的价值= 0.190(小麦)/ 0.152(大麦)和(小麦)/ 0.957(大麦)。标准误差是0.500(小麦)/ 0.442(大麦)。这些值是量化的基本输入的有效性天气衍生品与风险假设的基础。
的类型和参数的概率分布估计使用Anderson-Darling拟合优度检验。直方图加权平均空气温度基于历史气象数据在1961 - 2009。模拟试验的结果对小麦和大麦(表4)表明,最合适的近似真实数据概率分布的平均值为15.783(小麦)/ 15.018物流分布规模(大麦)和0.633(小麦)/ 0.616(大麦)。潜在的物流分布指数因此参数引导。
天气衍生品估值需要估计的罢工,也就是说,指数水平的合同时开始支付。数据1和2显示的危险分层与农民参与10%的小麦和大麦。
回归函数的假设下,预期作物产量和农民的参与(0% / 10%),各级合同罢工可以设置如下。例如,罢工是17.05°C(小麦)/ 16.18°C(大麦)如果农民的参与是10%,预期收益率为5.00吨/公顷(小麦)/ 4.12吨/公顷(大麦)。的概率更高的基础索引是12.47%(小麦)/ 13.80%(大麦)。如果没有农民的参与和相同的预期收益率,罢工是低- 15.80°C(小麦)/ 15.07°C(大麦)。风险发生的概率是50%左右。
模拟的平均收益及其标准差对应保险精算定价方法的原则以及公平价格的概念。表5包含天气衍生品合约的效率评估Jihomoravsky小麦和大麦的地区。
天气衍生品合约的效率相对low-farmers可以减少收入只有5.5%的可变性(小麦)/ 5.7%(大麦)罢工,在假设的基础上的风险。分析揭示了一个非常高的基差风险可能导致过度和可怜的回报。如果我们不考虑基础风险和罢工1,合同可以帮助减少收入11.7%的可变性(小麦)/ 13.8%(大麦)。然而,风险确实存在的基础。罢工2增加回报的可能性,所以合同价格和减少平均销售明显更高。这样的销售可以减少许多农民仍可接受的,如果他们想管理系统性天气风险不是可保。
天气衍生品的使用限制在捷克农业既是一个地理基础风险和生产基础风险。地理基础风险可以减少定位合同最近的气象站的引用。另外,这种天气指数合约的性质会增加交易成本(如合同不会标准化),消除他们的可转让性资本市场的优势。生产基础风险不能受到天气衍生品合约的设计。
在欧洲的情况下,天气衍生品的评估效率在勃兰登堡[农业是在德国进行的7]。勃兰登堡相对均匀的区域,因为它位于大型德国北部低地(Nordwestdeutsches低地)中以沙土为主和保水能力较低。天气衍生品对小麦与总降水量4 - 6月(以气象站Berlin-Tempelhof)指的是回归函数。尽管该地区相对同质的条件,天气衍生品设计能够减少小麦销售只有11%的可变性。天气衍生品的基差风险的程度和效率接近所示结果。
这些结果证实这项发现,Manfredo和理查兹22Barnett)和Vedenov [10)强调在特定的天气衍生品的缺点主要农作物保险工具。然而,聚集效应表明,潜在的天气衍生品在农业可以比此前认为的更大,尤其是对整合的风险,如再保险公司(11]。
4所示。结论
本文旨在设计天气衍生品在特定条件下的农业。分析揭示了一些重要发现。(我)在捷克农业、天气指数解释了48%的平均谷物产量的变化。超过50%的系统性风险收益率不能天气衍生品或天气保险。(2)天气衍生品的主要限制使用在捷克共和国异构生产条件,减少天气和作物产量之间的关系在地区层面上。皮尔森相关系数不超过±0.7和显示弱或温和的地区产量之间的相关性和天气。(3)分析表明高基础风险可以大大扭曲了合同的回报。在捷克共和国,天气指数合约可以减少变异性的谷物收入只有5% - -6%。如果基础不存在风险,合同可以减少可变性谷类食品收入的10%以上。(iv)天气合约的效率增加概率更高的伤害。在罢工水平越高,设计合同减少了销量变化14% -16%(基差风险)或40%(无基础的风险)。然而,合同价格较高。(v)更高的合同价格降低收入−−1.0% 0.4%(基差风险)。然而,这是规范保险费率低于3%对抗自然灾害。从农民的角度来看这可能是budget-wise使用天气衍生品以低成本效率很低,但拥有。(vi)假设天气衍生品的潜力再保险仪器,重要的是要澄清的法律和制度方面的收入使用天气衍生品风险管理在农业,特别是监管和可能的公共和私营部门之间的合作领域。
承认
长期支持的研究机构支持的概念发展研究机构(大学的工程经济学、工商管理学院、IGA 2, VŠE IP300040)。