Bayes混合模型在我国农业旱灾风险度量中的运用

旱灾一直是对我国农业经济生产威胁最大的灾害之一。因此,如何深度剖析旱灾风险特征,强化风险管理,科学、积极地进行防灾减灾来大幅度减轻灾害风险负担、弱化旱灾风险负面影响,有效助力经济平稳、快速发展一直是政府和学术界长期关注的焦点问题之一。本文借鉴金融风险度量的方法经验,用VaR作为旱灾风险度量工具。通过构建混合分布模型的方式来拟合旱灾损失率分布,并根据该模型估计VaR以刻画旱灾风险大小。混合分布模型由常规分布和GPD组成,其中,GPD用来刻画风险尾部特征。同时,该模型采用Bayes计算方法来回避GPD分布阈值选择和参数估计难题。结果表明:与Gamma-GPD混合分布相比,Norm-GPD混合分布模型在拟合农业旱灾损失率分布上表现更佳,其精度较高、VaR估计值更可信。Norm-GPD混合分布的VaR估计结果表明,我国在遭受10年一遇,20年一遇和100年一遇旱灾的情况下,农业旱灾损失率不超过9.45%, 11.03%和30.21%。该结果对于我国农业旱灾风险管理以及农业灾害保险、债券的定价具有重要意义。

Application of Bayes Mixture Model in Measuring Agricultural Drought Risk in China