制化的保障方案。这两者均不是传统的保险固有的问题,而是大数据时代新生的问题。尽管大数据技术已经广泛应用于金融、工业和医疗等领域,但是在保险尤其是农业保险领域的应用尚属丁空白。笔者认为,运用大数据技术和人工智能技术,可有效解决上述主要矛盾。大数据技术的基本原理是利用数据挖掘等算法,从海量非结构化或者半结构化数据中发现新规律,以支持决策过程。回归到农业巨灾指数保障方案设计,通过有效的算法设计,大数据技术可以从大量气象、遥感数据和多种保额分配方案、损失模型屮选取最优组合,结合当地农业专家提供的主要农业生产信息,产生可最佳反映历史农业损失情况的巨灾指数保障方案。人工智能技术的核心是机器通过自学习的方式,反演、推理并解决问题。在农业巨灾指数保障方案设计的案例中,可直接通过将保障多样化的需求作为模型的输入数据,利用反演模拟技术获得可以满足该需求的农业巨灾保障方案,如指数计算的时间段、计算方式、保额分配方案和损失模型等。简而言之,大数据技术依据先验知识设计方案,如某一区域历史损失情况等,适用于尚未幵展类似项目因而政府未有明确需求的地区;人工智能技术依据后验知识设计方案,如明确的赔付频率或者赔付深度,适用于类似项目己经开展因而政府有明确风险转移需求的地区。两者需集成于统一的自动化定价平台,基于程序设计的方法自动实现整个过程。为支持该平台的建设,一方面需耍农业基础数据支持,包括各地气象数据、遥感指数、种植信息,历史损失和政府救灾财政支出等,以充分发挥大数据技术的功效;另一方面,由于农业生产活动受自然因素干扰较大,因而其损失模型的建立需要考虑更多的物理过程,以迅速提升人工智能技术的表现。与此同吋,高性能计算技术也应该被集成在该平台N,以提高整个系统的运行效率。在不远的将来,基于大数据技术和人工智能技术的定价平台除了可用于农业巨灾指数保障方案设计外,对于任何指数保险产品的设计均具有革命性的意义。
全文预览
