Размещено на http://www.allbest.ru/

ОСОБЕННОСТИ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ СИСТЕМЫ СТРАХОВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА

В.Г. Киселев

План

• Введение
• 1. Зональная система агрострахования региона
• 2. Информационная база агрострахования
• Использованные источники

Введение

С началом экономических преобразований и с образованием новых форм собственности в нашей стране интенсифицировались работы по обоснованию различных видов страхования и проявился большой интерес к актуарной математике. Как результат - значительное количество публикаций по этой тематике. Наиболее известной является переводная монография [1], в которой собраны последние достижения в этом разделе математики.

Все эти работы посвящены традиционным видам страхования: страхованию жизни, пенсионному страхованию, страхованию имущества и так далее. Практически для всех видов страхования разработаны приемлемые методики, основанные на имеющихся в достаточной мере статистических данных и использующие современные достижения актуарной математики. Особое положение занимает агрострахование. В работе [2] отмечались основные особенности страхования сельскохозяйственного производства. Основная особенность заключается в том, что для обоснования различных программ агрострахования не хватает основного - достаточной информационной базы. Все существующие программы агрострахования основаны на средней урожайности страхуемых культур, но часто даже такой информации не имеется, когда речь идет о страховании вновь созданных агрофирм или о страховании интродуцируемых культур.

Что же делать в таких случаях, если для обоснованных решений в страховании нужно знать не только средние значения урожайностей, но и всю функцию распределения этой случайной величины? В работе [2] предлагалось в такой ситуации решать проблему с помощью моделирования соответствующих рядов и с помощью разработанной соответствующей имитационной системы страхования. [3].

1. Зональная система агрострахования региона

Рассмотрим типичный случай агрострахованя. Страховая компания заключает страховой договор с какой-либо агрофирмой и для обоснованных действий должна знать информацию об урожайности страхуемой культуры в данном хозяйстве. Однако, поскольку таких агрофирм-страхователей может быть очень много, то следует ожидать, что для всех фирм необходимой информации не найдется. Поэтому нужен способ использования агрегированной информации. Что под этим подразумевается? На областном уровне хорошо известно деление всей территории на природно-экономические зоны, а. следовательно и районы, входящие в эти зоны. Далее, в каждом административном районе имеется необходимая информация о средней по району урожайности культур за ряд лет. Эта та наиболее подробная информация, на которую можно рассчитывать. Таким образом, район будем считать минимальной информационной зоной для страховой компании. Эти минимальные информационные зоны можно укрупнить, объединяя районы, входящие в одну природно-экономическую зону. В эти укрупненные информационные зоны могут быть включены и районы соседних областей, если их природно-экономические показатели идентичны рассмотренным. Таким образом, территорию, которую обслуживает страховая компания, необходимо разбить на ряд информационных зон, и для каждой зоны должны быть выработаны определенные параметры программ страхования - тарифы и т. д.

Отметим здесь важную особенность агрострахования, которая заключается в коррелированности страховых случаев в одной страховой зоне. Если в некоторый год сложились неблагоприятные погодные условия в одной страховой зоне, то недобор урожая будет у всех застрахованных хозяйств этой зоны и им всем придется выплачивать причиненный погодой ущерб, а это возможно только при наличии больших средств, которая страховая фирма может накопить в другие, благоприятные годы. Это существенное отличие агрострахования от других классических видов страхования, когда страховые случаи независимы и происходят лишь у малой части страхователей и страховые выплаты можно производить за счет большого количества других участников страховой компании, не потерпевших ущерба. Подобную возможность по-видимому можно получить и в агростраховании, если застрахованные фирмы расположены на большой территории, где погодные условия в данный год могут отличаться в лучшую сторону, но этот вопрос требует дополнительного исследования.

Из вышесказанного следует один важный вывод, заключающийся в том, что рассчитать разумную стратегию поведения страховой фирмы можно только при наличии многолетней информации об урожайности. Ограничиваться средними значениями, как это рекомендуется в существующих методиках, невозможно.

2. Информационная база агрострахования

агрострахование урожайность информационный

Из вышеизложенного следует, что для надежного обоснования финансовой политики страховой фирмы по страхованию урожайности необходимо знать распределение случайной величины - урожайности страхуемой культуры. Для этого необходимо иметь достаточно длинные статистические ряды. Такая информация имеется как для всей России в целом, так и для отдельных административных единиц в ежегодных статистических справочниках. В качестве примера приведем данные об урожайности картофеля в России за 1970-2008 г.г. в форме одномерного массива, элементами которого являются хронологически упорядоченные урожайности. этой культуры.

Урожайности картофеля [ц / га] = 123, 111, 79, 138, 89, 115, 100, 116, 103, 115, 98, 86, 109, 112, 116, 96, 123, 112, 102, 104, 99, 108, 113, 106, 101, 99, 96, 92, 97, 94, 96, 100, 103, 117, 116, 124, 133, 132, 138.

Видно, что урожайности значительно меняются от года к году, причем примерно после 1988 года наблюдается значительное увеличение разброса показателей.

Известно, что урожайность в данном районе зависит от трех основных факторов:

· климатических условий, которые со временем имеют тенденцию к изменению;

· научно-технического прогресса - использования новых перспективных сортов, современных технологий и современной техники;

· человеческого фактора - качества выполняемых работ.

Последний, социальный фактор очень важен. Известно, что на опытных участках при использовании одних и тех же технологий урожайности культур могут быть в несколько раз выше, чем в соседних хозяйствах. Таким образом, прогнозировать на перспективу урожайности, опираясь только на имеющиеся статистические данные нужно весьма осторожно. Все перечисленные факторы определяет не только разброс получаемых урожаев, но и тренды средних значений. Так падение урожайностей на 10-летнем интервале примерно с 1988 по 1998 год, совпадающем с периодом не очень понятных преобразований в стране, можно объяснить всеобщей неразберихой, а после этого в связи со стабилизацией обстановки в целом по стране, наблюдается рост урожайности. Таким же образом можно объяснить медленный положительный тренд до 1988 года, когда сельскому хозяйству стали уделять большое внимание. Однако это всего лишь один из возможных способов объяснения подобных явлений. По-видимому, найдутся и другие правдоподобные объяснения, в частности, возможно, что эти тренды объясняются климатическими изменениями. В общем, здесь ситуация абсолютно идентична той, которая наблюдается с объяснениями изменения климата, когда одни специалисты считают, что наблюдается всеобщее потепление и объясняют причины этого явления, а другие с не меньшей убежденностью объясняют наблюдаемый факт повышения температуры временным явлением, за которым последует похолодание.

Таким образом, мы отметили влияние антропогенного фактора на урожайность сельскохозяйственных культур и это влияние может существенно изменить характеристики случайной величины - урожайности. Можно предположить, что статистические данные за первую половину интервала (с 1970 по 1988 г.г.) и за вторую (с 1989 по 2007 г.г.) относятся к двум различным случайным величинам. Эту гипотезу можно проверить методами математической статистики. Для этого построим для первого и второго интервалов эмпирические функции распределения урожайности зерновых и и воспользуемся критериями проверки неизменности распределения вероятностей. Отличие двух функций распределения будем оценивать величиной

.

Для упрощения вычислений используем асимптотическую оценку Н.В. Смирнова [4], которая в нашем случае имеет вид

.

В нашем случае , измеренное значение и соответственно величина . По таблицам находим значение . Дальше обычно рассуждают следующим образом. Поскольку вероятность события

очень мала, то осуществилось маловероятное событие и расхождение между и следует считать существенным.

Таким образом, мы не можем считать, что длинный временной ряд относится к одной случайной величине - урожайности страхуемой культуры. Но с другой стороны, нам необходимо знать функцию распределения этой случайной величины, которая тем точнее, чем больше привлекается измерений для ее построения. В данной ситуации остается один выход - воспользоваться методами имитационного моделирования, которые в данном случае будут заключаться в рассмотрении различных вариантов использования имеющейся информации, в частности, ее корректировке, разработке рациональных стратегий функционирования страховой компании для каждого рассмотренного варианта и оценки этих стратегий. Окончательное решение о выборе стратегии поведения должно принимать лицо, ответственное за принятие решения (ЛПР) из руководства страховой компании. Если речь идет о страховании интродуцируемой культуре или о новой агрофирме, о чем говорилось выше, такой подход является единственно возможным.

Использованные источники

1. Бауэрс Н., Гербер Х., Джонс Д., Несбит С., Хикман Дж. Актуарная математика, М.:Янус-К, 2001, 655с

2. Киселев В.Г. Имитационная система мониторинга программ агрострахования. М.: ВЦ РАН, 2010, 34с

3. Павловский Ю.Н., Белотелов Н.В., Бродский Ю.И. Имитационное моделирование. М.: Академия. 2008. 236с. (Университетский учебник)

4. Гнеденко Б.В. Курс теории вероятностей М.: 1961, Физматгиз, 406с.

Размещено на Allbest.ru