拟定森林保险费率的方法：全面指南

森林保险的意义在于为森林经营者分担森林灾害风险，提供损失补偿，对灾后林业生产的恢复起到保证和促进的作用。但由于森林具有分布地域广阔、林种树种复杂、经营管理粗放、生产周期长与可再生的特点，在产品设计、费率厘定方面具有一定的困难。其中根据森林灾害的发生规律估计灾害后森林的损失，从而合理地确定森林灾害保险费率是森林灾害保险的关键技术，也是一个研究热点和难点。

理论上，保险费率包括两个部分：纯费率和附加费率。

（1）纯费率。即依据一定时期风险损失平均值计算出来的部分费率（包括保额损失率和稳定系数）。保额损失率是以往若干年度平均保险金额损失的算术平均数。由于森林保险起步较晚，经营管理水平不高，缺乏完整、可靠的保险数据，并且森林保险在一个地区业务的开展往往缺乏连续性。所以，目前多是根据统计部门提供的损失数据来计算纯费率，并根据逐年积累的保险损失数据来进行修正。仅仅依此制定费率来测定未来年度的保险赔付金额，显然不够稳定，因此，通常在损失率的基础上附加一定的稳定系数。稳定系数是历年灾害损失率标准差与平均损失率的比值。它用来衡量期望值与实际结果的密切程度，即平均保额损失率对各省（区）实际保额损失率的代表程度。稳定系数越小，保险经营稳定性越高；反之，稳定系数越大，稳定性就越低。

此外，由于各省区森林灾害风险水平不同，需要在纯费率的基础上进行调整，调整的依据为上一章森林灾害的风险区划的结果，风险系数的大小与区域灾害风险等级有关。由此得出纯费率的计算公式为：

（2）附加费率。即依据用于经营森林保险的成本费用计算出来的部分费率，它是以往若干年度业务费用的实际开支与纯保费的比值，即

结合上述计算方法及各地目前的森林保险实践，本文所确定的森林保险的保险费率A均按下列公式确定：

其中，λ为风险系数，α为稳定系数，SH为灾害损失率，它们共同作为森林保险的纯费率。A1为保险附加费率，为简便起见，参照习惯做法，可以直接定为纯费率的20%。根据上一章的森林灾害的风险区划结果，这里假设低、较低、中、较高和高风险分区的风险系数λ分别为1.0、1.1、1.2、1.3和1.4。^[1]稳定系数α为历年森林灾害损失率标准差与平均损失率的比值。确定后的风险系数λ矩阵和计算后的稳定系数α见附表5。

由此可见，在保险附加费率A1一定的情况下，关键在于怎样确定灾害损失率SH。对于不同类型的森林灾害，损失率的确定也是不一样的。本文主要参照福建省森林保险的灾害损失认定标准来确定损失率的大小（如表6-1所示）。

表6-1　福建省森林保险灾害损失认定标准
Tab.6-1 Identification criteria of disaster loss for forest insurance in Fujian Province

灾害损失率的估算需要考虑历史数据，目前多是根据统计部门提供的损失数据来计算纯费率，并根据逐年积累的保险损失数据来进行修正。这里采用指数平滑法（Exponential Smoothing）来求得未来预测值。指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测方法，它对过去的观测值进行加权平均进而预测下一期，该方法使得第t+l期的预测值等于第t期的实际观测值与第t期指数平滑值的加权平均值。

由于灾害损失的时间序列数据无明显的趋势变化，所以选用一次指数平滑法（Single Exponential Smoothing），它只有一个平滑系数，而且当观测值离预测时期越久远时，权数变得越小。一次指数平滑以一段时期的预测值与观测值的线性组合作为下一期的预测值，用公式表示为：(www.xing528.com)

其中Yt为第t期的实际观测值，Ft为第t期的预测值，β为平滑系数，其取值范围为0＜β＜1。

指数平滑法的预测精度，可以用均方误差（Mean Square Error，MSE）来衡量，该指标是通过平方消去误差的正负号后计算的平均误差，显然，其值越小，表示预测精度越高。用公式表示为：

从上面的介绍我们可以看出，使用指数平滑法预测的关键就是确定一个合适的平滑系数β，从而使得预测精度最高，亦即误差最小。理论上讲，β越接近1，模型对时间序列变化的反应就越及时，因为它对当前的实际观测值赋予了更大的权重；反过来，β越接近于0，意味着对上期预测值赋予更大的权重，因此模型对时间序列变化的反应就越慢。

根据以上计算方法，这里使用计量软件EViews 8处理各类型灾害、各省（区）的损失率时间序列数据，分别使平滑系数β在（0，1）区间上遍历，然后由软件自动选出使得均方误差MSE最小的β值，同时计算出此时的损失率指数平滑预测值。