来源：期刊VIP网 时间：
作者：张连增;李浩男;罗来娟;
单位：南开大学金融学院;
摘要：农业气象指数保险作为一种应对气候变化和气象风险的有效工具，凭借其理赔快捷、管理成本低等诸多优势，正逐渐被广泛应用于农业生产中。然而，在农险实务中，由于受到多种因素的影响，农业气象指数保险的赔付精准度仍然较低，存在较大的基差风险。针对这一问题，本文将机器学习和可解释性方法引入到冬小麦农业气象指数保险的定价模型中，以山东省、河北省和河南省的县级数据为例，分别使用分位数回归模型和LightGBM(Light Gradient Boosting Machine)模型研究了气象指标与冬小麦产量之间的关系。结果显示:LightGBM模型在预测相对气象产量方面具有显著优势，有效降低了冬小麦农业气象指数保险的基差风险;不同生育期影响冬小麦产量的气象指标存在差异，其中气温、降水和光照是更加重要的气象因子;利用单一气象指标预测冬小麦产量损失情况容易产生偏差，综合考虑冬小麦不同生育期的多个气象指标能够有效降低保险产品的设计风险。本文的研究结论完善了冬小麦农业气象指数保险的定价机制，能够切实降低基差风险，为提升赔付精准度提供了重要的理论基础和技术支持，有助于农业保险的高质量发展。
关键词：农业气象指数保险;;基差风险;;分位数回归;;LightGBM;;可解释性
