Design of weather index-based insurance contracts - a case study for Kazakhstan

Transkript

1 DISS. ETH NO Design of weather index-based insurance contracts - a case study for Kazakhstan A thesis submitted to attain the degree of DOCTOR OF SCIENCES (Dr. sc. ETH Zurich) presented by Sarah Kirstin Conradt MSc ETH Environ. Sc. born on 1 st January 1984 citizen of Germany accepted on the recommendation of Prof. Dr. Stefanie Engel Prof. Dr. Robert Finger Prof. Dr. Bernard Lehmann Prof. Dr. Martin Odening 2014

2 Abstract Agricultural production is confronted with a variety of risks, which cause insecure incomes to farmers. An instrument to stabilize farmers income is crop insurance, which allows farmers to transfer risks to a third party in return for a premium. Damage-based insurances, however, suffer from high transaction costs, adverse selection and moral hazard problems. These challenges can be met by conditioning indemnifications not on actual yield losses but on an observable, independent index, so-called index-based insurance products. Especially promising are weather-based index insurances, in which the underlying index is composed of weather information. This thesis aims to contribute to an effective and efficient design of such weather index-based insurance products. The analyses are based on wheat yield and weather data from Kazakhstan, considering the period from 1980 to Kazakhstan is one of the major global exporters of wheat. However, the country is regularly challenged by extreme droughts, which lead to high annual yield variability in the non-irrigated northern production areas. Hence, farmers are strongly exposed to systemic weather risks. The first step of an index-based insurance design is to account for trends in historical yield data caused by changes in agricultural technologies ( detrending ). For Kazakstan, as for many other transition and developing countries, detrending is challenged by a high annual yield variability, a high level of heterogeneity among farms and a non-linear development of technological change. A comparison of different detrending approaches shows that a robust estimator, in addition to a weather proxy in the regression model (to account for drought-related variability), may provide more reliable trend estimations. As payouts of index-based insurance products are triggered by an index, a socalled basis risk exists, which describes the potential discrepancy of payout defined by the index and loss experienced by the farmer. A reduction of basis risk is a prerequisite of an effective index insurance design. This can be achieved by improving the representation of the yield-index dependency structure. Defining a meaningful weather index, which reasonably reflects yield levels is, in addition, promising with regard to the performance of these products. i

3 The yield-index dependency is often established using Ordinary Least Squares (OLS). This regression technique, however, relies on a mean-conditioning framework, which provokes structural limitations for the insurance design, as farmers interests lie mainly in the lower tails of the distribution (i.e. farmers interests focus on an adequate representation of low yields, which they aim to insure). Hence, Quantile Regression (QR), which enables to represent the whole conditional distribution (and thus also the dependency of low yields), is proposed. Both regression approaches are integrated in an insurance design and are evaluated using Expected Utility and two downside risk measures, the Expected Shortfall and a Spectral Risk Measure. In this context, QR was found to represent the yield-index dependency significantly better, especially with regard to the tails. In order to improve the weather index, an approach was developed to consider flexibility in the weather index design. The flexibility allows for annually varying start and end dates of a cumulative weather index based on phenological phases (and not based on calendar times) to better capture sensitive plant growth phases. These flexible index values are compared to fixed index values (where start and end dates of the index accumulation period are kept fix) and evaluated in a consistent downside risk framework. The findings show significantly higher Expected Utility levels for the flexible compared to the fixed index design. This thesis contributes by several concepts substantially to the index insurance design. This comprises approaches for reliable yield trend estimations, and an adequate yield-index representation based on QR. Furthermore, an approach to account for a flexible weather index design is presented and evaluated in a consistent downside framework. Further research could include refining approaches to reduce basis risk and to focus on downside risk. In this light, research on behavioral aspects could prove beneficial to further advancements in this field. ii

4 Zusammenfassung Die landwirtschaftliche Produktion ist einer Vielzahl von Risiken ausgesetzt. Für Landwirte bedeutet dies eine grosse Unsicherheit in Bezug auf ihr Einkommen. Als mögliches Instrument zur Einkommensstabilisierung bieten sich Versicherungen an. Die Risiken werden hierbei gegen eine Prämienzahlung auf Drittparteien übertragen. Schadensbasierte Versicherungen leiden jedoch unter hohen Transaktionskosten und der Adverse-Selektion- und Moral-Hazard-Problematik. Diese Nachteile können vermieden werden, wenn Auszahlungen nicht auf den tatsächlichen Ertragsausfällen basieren, sondern auf einem unabhängigen und beobachtbaren Index (sog. indexbasierte Versicherungen). Vielversprechend sind indexbasierte Wetterversicherungen, bei welchen der zugrundeliegende Index auf objektiv messbaren Wetterinformationen beruht. Das Ziel dieser Arbeit ist es, einen Beitrag zur effektiven und effizienten Ausgestaltung von indexbasierten Wetterversicherungen zu leisten. Dazu werden Weizenerträge und Wetterdaten aus Kasachstan im Zeitraum von verwendet. Kasachstan zählt zu den weltweit wichtigsten Weizenexporteuren. Jedoch führen häufige Dürren in den nicht bewässerten nördlichen Anbauregionen zu einer hohen Ertragsvariabilität, weshalb Landwirte starken systemischen Wetterrisiken ausgesetzt sind. In einem ersten Schritt werden Trends in den historischen Ertragsdaten berücksichtigt, die auf technologische Veränderungen zurückzuführen sind (sog. Trendbereinigung). Für Kasachstan, wie auch für viele andere Schwellen- und Entwicklungsländer, ist diese Trendbereinigung durch eine hohe Ertragsvariabilität und Heterogenität der landwirtschaftlichen Betriebe erschwert. Hinzu kommt häufig eine nicht-lineare Technologieentwicklung. Durch den Vergleich unterschiedlicher Trendbereinigungsansätze konnte gezeigt werden, dass für solche Anwendungen robuste Schätzer in Kombination mit einer Wettervariablen im Regressionsmodell zu einer zuverlässigen Trendbereinigung führen. Da Auszahlungen dieser Versicherungsprodukte auf einem Index basieren, entsteht ein sogenanntes Basisrisiko, welches die Differenz zwischen Auszahlung basierend auf dem Index und tatsächlichem Ertragsverlust beschreibt. Die Reduktion des Basisrisikos ist fundamental für eine effektive Indexversicherung. Dies kann durch eiiii

5 ne präzise Abbildung des Zusammenhangs zwischen Wetterindex und Ertrag erreicht werden. Darüber hinaus kann ein verfeinertes Wetterindexdesign zu einer weiteren Verbesserung solcher Versicherungsprodukte führen. Der Zusammenhang von Ertrag und Index wird meist mit der sogenannten Methode der Kleinsten-Quadrate (KQ) geschätzt. Diese Regressionsmethode fokussiert jedoch auf den (bedingten) Erwartungswert, was das Versicherungsdesign einschränkt: Landwirte sind in erster Linie an der adäquaten Abbildung tiefer Erträge interessiert, da dies die Erträge sind, welche sie versichern möchten. Hier schafft die Quantile Regression (QR) Abhilfe, da diese Methode es erlaubt, die gesamte (bedingte) Verteilung und somit auch die Abhängigkeitsstruktur im Bereich der Ertragsverluste, adäquat zu berücksichtigen. Die Regressionsergebnisse von KQ und QR werden in ein Versicherungsmodell integriert und ihr Erwarteter Nutzen ( Expected Utility ) miteinander verglichen. Zusätzlich werden noch zwei Downside-Risikomasse ( Expected Shortfall und Spektrales Risikomass ) verwendet. Es zeigt sich, dass QR den Zusammenhang von Ertrag und Index in diesem Kontext signifikant besser beschreibt, insbesondere in den Randbereichen der Abhängigkeiten. Um den Wetterindex zu verbessern, wurde das Indexdesign flexibel gestaltet. Flexibel bedeutet in diesem Zusammenhang, dass ein kumulativer Wetterindex über jährlich unterschiedliche Start- und Enddaten (welche sich nicht nach kalendarischen, sondern phänologischen Zeiten richten) berechnet wird. Dadurch können die sensiblen Pflanzenwachstumsphasen präziser abgebildet werden. Die Ergebnisse werden fixen Indexwerten (Start- und Enddaten werden über alle Jahre konstant gehalten) gegenübergestellt. Zur Evaluation der beiden Ansätze wurde ein Versicherungsdesign entwickelt, welches Downside-Risiken konsistent berücksichtigt. Die Ergebnisse zeigen ein signifikant höheres Erwartetes Nutzenniveau, wenn im Versicherungsdesign ein flexibler anstelle eines fixen Wetterindexes verwendet wird. Diese Arbeit trägt durch verschiedene Konzeptideen wesentlich zu einem effizienteren Indexversicherungsdesign bei. Sie umfasst Ansätze zur zuverlässigen Trendbereinigung sowie zur adäquaten Abbildung der Abhängigkeitsstruktur von Erträgen und Indexwerten. Darüber hinaus wurde ein flexibles Wetterindexdesign entwickelt und in ein Versicherungsmodell integriert, welches auf Downside-Risiken fokussiert. Weitere Forschung könnte die Verfeinerung dieser Ansätze beinhalten, mit dem Ziel das Basisrisiko zu minimieren und Downside-Risiken vollumfänglich abzubilden. Ein wesentlicher Aspekt, den es hierbei zu berücksichtigen gilt, ist die Risikoeinschätzung der Entscheidungsträger. iv