申请/专利权人：西北农林科技大学

申请日：2019-09-17

公开（公告）日：2023-09-12

公开（公告）号：CN110570322B

主分类号：G06Q40/08

分类号：G06Q40/08;G06F16/2458;G06F16/29

优先权：

专利状态码：有效-授权

法律状态：2023.09.12#授权;2020.01.07#实质审查的生效;2019.12.13#公开

摘要：本发明公开了一种基于时间序列仿真的农业气象指数保险费率厘定方法，属于农业保险技术领域。该方法包括将历史气象数据中的每日气象数据分解成一个季节趋势序列以及一个自回归和移动平均序列，建立对应的模型；使用极大似然估计法对季节趋势序列非线性模型的各项参数估计；使用迭代式的非线性最小二乘法对ARIMA序列模型的回归参数估计；运用估计值对目标时间段的气象指标进行蒙特卡洛模拟，叠加后得到原始样本序列仿真序列；计算目标时间段的气象指数；计算理赔额；对多次蒙特卡洛模拟所得的理赔额计算平均值得到期望理赔额即精算纯保费，其与保险金额的比值即为精算纯费率。本发明的方法极大地扩充费率厘定所需的样本量，使厘定的费率更加准确。

主权项：1.一种基于时间序列仿真的农业气象指数模型的构建方法，其特征在于，包括以下步骤：S1、获取历史气象数据，并将该数据作为原始样本；S2、将历史气象数据中的每日气象数据序列分解成一个季节趋势序列以及一个自回归和移动平均序列，其中自回归和移动平均序列即ARIMA序列，建立季节趋势序列非线性模型和ARIMA序列模型；所述步骤S2中的季节趋势序列非线性模型为其中St为季节趋势序列，参数a0为截距，a1为斜率，a0+a1t表示时间序列均值变化的线性趋势，a2表示均值的放大倍数，a3表示时间序列周期性波动的相角，为保证波动周期一致，样本中剔除了闰年2月29日的数据；参数a0、a1、a2和a3均通过R软件进行非线性回归获得；S3、使用极大似然估计法对季节趋势序列非线性模型的各项参数进行估计；S4、使用迭代式的非线性最小二乘法对ARIMA序列模型的回归参数进行估计；S5、得到非线性模型的各项参数估计值以及ARIMA序列模型的回归参数估计值之后，运用估计值对目标时间段的气象指标进行蒙特卡洛模拟，将模拟生成的季节趋势序列仿真序列和ARIMA序列仿真序列叠加，得到原始样本序列仿真序列；S6、根据得到的原始样本序列仿真序列计算目标时间段的气象指数。

全文数据：

权利要求：

百度查询： 西北农林科技大学 一种基于时间序列仿真的农业气象指数保险费率厘定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD