向 一 线 支 援 炮 火 —— 关于 AHCRES and AHCLPRES 介绍

1. 向 一 线 支 援 炮 火 ——关于AHCRES and AHCLPRES介绍 2013年3月 0

2. 目 录 • 前 言 • AHCRES VS. ACRES (AON) • 风险评估状况对比分析 • 风险评估模型差异分析 • AHCLPRES 介绍 • 周期性赔付率预测 • 随机性赔付率预测 • AHCRES and AHCLPRES总结与展望 1 1

3. 前 言 • 种植业风险识别 • 辽宁地区风险评估 • 风险模型与AON 比较 • AHCRES建设 • 种植业风险预测 • 周期性赔付率预测 • 随机性赔付率预测 • AHCLPRES建设 2 2

4. 目 录 • 前 言 • AHCRES VS. ACRES (AON) • 风险评估状况对比分析 • 风险评估模型差异分析 • AHCLPRES 介绍 • 周期性赔付率预测 • 随机性赔付率预测 • AHCRES and AHCLPRES总结与展望 3 3

5. AHCRES VS. AON: 辽宁地区风险评估状况对比分析 4 4

6. AHCRES VS. AON: 辽宁地区风险评估状况对比分析 5 5

7. AHCRES VS. AON:风险评估模型差异分析 AHCRES农作物保险模型框架和建模步骤

8. 步骤五 步骤一 步骤二 步骤四 步骤三 AON: 县级数据 AHCRES: 省\县级数据； 决定因素：技术方法、 数据 差异和稳定 AON: 未知（步骤七） AHCRES: 广义帕累托分布函数 AON: 线性模型 AHCRES: HP滤波技术 AON: 条款模拟（步骤六） AHCRES: 核密度函数得到分位点，分位点法得到拟合分布 AON: 技术假设、相关性（步骤 三、四、五）；无步骤八 AHCRES: 实际赔付率修正拟合（NN）

9. AHCRES VS. AON:风险评估模型差异分析 AHCRES and AON的差异比较：回归模型去趋势，步骤二 线性去趋势 HP滤波去趋势 8 8

10. AHCRES VS. AON:风险评估模型差异分析 AHCRES and AON的差异比较：数据分析过程，赔付率序列，步骤三 • AON 可能存在的问题： • 美国假设模型的适用性，与中国的实际情况，“水土不服” • 理赔过程的最优估计：实际赔付率信息缺失；单产拟合信息丢失 9 9

11. AHCRES VS. AON:风险评估模型差异分析 AHCRES and AON的差异比较：数据分析过程，赔付率序列，步骤三 学习函数 … ƒ ƒ ∑ • 根据公司三、五、七年实际经验情况，根据最新条款等信息调整 • 使用粮食单产循环波动序列拟合 • 推演六十多年赔付率序列 … ∑ ƒ ƒ ∑ 输出 输出神经元 … … … … … ∑ ƒ ƒ 输入层 神经元层 隐藏层 10 10

12. AHCRES VS. AON:风险评估模型差异分析 AHCRES and AON的差异比较：数据分析过程，赔付率序列，步骤三 • AHCRES的解决方案： • 针对“水土不服”，结合公司经营情况，绕开了县内差异度量 • 针对“最优理赔估计信息缺失”，我们采用基于自身经验赔付率，调整、及时性 • 相对而言，假设条件少 11 11

13. AHCRES VS. AON:风险评估模型差异分析 AHCRES and AON的差异比较：保险风险模拟，步骤四 • AON • 基于县级相关性和县内差异性，进行千次产量模拟 • 根据保险条款建立损失率方程 • AHCRES • 采用Kernel Density Estimation拟合分布补充 • 核密度函数得出分位点，分位点估计得出风险拟合分布 12 12

14. AHCRES VS. AON:风险评估模型差异分析 AHCRES and AON的差异比较：保险损失分布曲线，步骤五 • AHCRES • 再保险费率定价公式： • 红色面积+蓝色面积 • AHCRES • 基于广义帕累托分布 • 再保险费率确定 • 针对AON的风险分位数据，基于广义帕累托分布拟合，对比分析 13 13

15. AHCRES VS. AON:风险评估模型差异分析 • 小结 • AHCRES 与 AON 对比分析，去趋势过程 • AON：线性模型过于简单，无法拟合真实情况 • AHCRES：HP滤波，使得技术曲线平滑；1980年，更为通用 • AHCRES 与 AON 对比分析，数据分析过程 • AON：县级/作物相关性数据拟合、县内风险差异假设、最优理赔估计实际赔付率信息的缺失；假设性太强、“水土不服” • AHCRES：根据实际经验赔付率数据，结合粮食单产序列进行分析拟合，得出赔付率序列 14 14

16. AHCRES VS. AON:风险评估模型差异分析 • 小结 • AHCRES 与 AON 对比分析，保险风险模拟 • AON：基于USA 县内风险模型，采用条款信息，千次模拟，建立损失率方程 • AHCRES：我们的核密度估计，进行分位点回归，更好的分析尾部风险 • AHCRES 与 AON 对比分析，保险损失分布曲线 • AON：无此过程，模型校正 • AHCRES：基于广义帕累托分布，无条件下区间损失率估计，进行再保险定价 15 15

17. 目 录 • 前 言 • AHCRES VS. ACRES (AON) • 风险评估状况对比分析 • 风险评估模型差异分析 • AHCLPRES 介绍 • 周期性赔付率预测 • 随机性赔付率预测 • AHCRES and AHCLPRES总结与展望 16 16

18. AHCLPRES 介绍:周期性模赔付率预测 • 基于推演的赔付率序列 • 使用ARMA(5,5)模型 • 指数平滑Winter加法(5) • 样本外一步预测估计 17 17

19. AHCLPRES 介绍:周期性模赔付率预测 基于AHCLPRES内蒙八地区周期性赔付率预测情况 • 使用2011年保费规模占比加权，内蒙地区2012年周期性预测赔付率为60.82% 18 18

20. AHCLPRES 介绍:随机性模赔付率预测 • AHCLPRES：随机性赔付率预测过程： • 农作物生长基础：“光、热、水、土”，及其周期性变化特征 • 农作物生长不确定性因素分析：“水”的不确定性和重要性 • 基于内蒙古地区进行随机性赔付率预测分析： • 基于内蒙古种植业承保八地区降水量数据分析、风调雨顺度量 • 内蒙古种植业作物生长周期、自然条件 • 我公司内蒙种植业承保区域业务规模 19 19

21. AHCLPRES 介绍:随机性模赔付率预测 内蒙古八地市的降水量情况 单位：毫米 20 20

22. AHCLPRES 介绍:随机性模赔付率预测 21 21

23. AHCLPRES 介绍:随机性模赔付率预测 22 22

24. AHCLPRES 介绍:随机性模赔付率预测 • 面板回归模型 • 区域随机效应；时间随机效应 • 使用除7、8月份的降水量指标之外的其他所有降水量指标 • 使用有效灌溉面积作为控制变量 • 6月份降水量呈现拐点现象 • AHCLPRES—随机性赔付率 23 23

25. AHCLPRES 介绍:随机性模赔付率预测 • 气象随机性赔付率的预测模型 ln(ratet)=0.76-0.25×ln(Junt)+0.04×ln(Junt)^2 -0.01× ln(Octt-1+ Novt-1+ Jant+ Febt+ Mart) -0.17× ln( Aprt + Mayt) -0.31 × IRRIt-1 +Random Effects(Cross) +Random Effects(Period) 24 24

26. AHCLPRES 介绍:周期性模赔付率预测 • 小结 • 周期性赔付率预测过程 • 基于推演的赔付率序列，采用ARIMA、平滑指数模型预测 • 2012年周期性赔付率预测：内蒙地区60.82% • 随机性赔付率预测过程 • 降水量的随机性和重要性分析 • 内蒙地区随机性赔付率预测过程思路讲解\旬度数据 • 有关AHCLPRES赔付率预测的本质认识和作用把握 • 财务预算赔付率的指导性、做好前期准备工作 • 风险区域划分，保持清醒认识 • 预测精度很难，波动方差很大；如果直接应用于再保险购买的话，很容易陷入“农民式踏错节拍”的被动 25 25

27. 目 录 • 前 言 • AHCRES VS. ACRES (AON) • 风险评估状况对比分析 • 风险评估模型差异分析 • AHCLPRES 介绍 • 周期性赔付率预测 • 随机性赔付率预测 • AHCRES and AHCLPRES总结与展望 26 26

28. 我们的AHCLRS AND AHCRES总结与展望 • 我们的AHCRES 评估流:再保险支持、风险评估 • 我们的AHCLPRES 评估流:预算、风险识别 27 27

29. 我们的AHCLRS AND AHCRES总结与展望 • 种植业风险识别 • i）指标选择-气象… • ii）赔付率拓展方法 • 种植业风险预测 • i）预测方法-隐藏马 • 尔科夫 28 28