[논문 리뷰] On the benefits of index insurance in US agriculture: a large-scale analysis using satellite data

Matthieu Stigler, David B. Lobell|arXiv (Cornell University)|2020. 11. 25.

Agricultural risk and resilience참고 문헌 42인용 수 4

한 줄 요약

이 연구는 미국 토양지대의 600개 군에서 약 180만 개의 옥수수 및 콩 농장에 대한 고해상도 위성 유래 수확량 데이터를 사용하여 인덱스 보험과 농장 수준 보험을 시뮬레이션하고 비교한다. 연구 결과, 시뮬레이션에서 농민의 30–40%가 인덱스 보험을 수요로 나타내었으며, 이는 놀랍게도 높은 수준임을 시사한다. 그러나 그 혜택은 기준이 되는 비교 대상에 따라 크게 달라지며, 고시계변동성이 높은 군에서는 인덱스 보험의 성과가 보험 없음보다는 뛰어나지만, 농장 수준 보험보다는 열등한 성과를 보이며, 이는 기초 위험(basis risk) 때문임을 드러낸다. 이는 인덱스 설계에서 공간적 및 시간적 변동성의 중요성을 강조한다.

ABSTRACT

Index insurance has been promoted as a promising solution for reducing agricultural risk compared to traditional farm-based insurance. By linking payouts to a regional factor instead of individual loss, index insurance reduces monitoring costs, and alleviates the problems of moral hazard and adverse selection. Despite its theoretical appeal, demand for index insurance has remained low in many developing countries, triggering a debate on the causes of the low uptake. Surprisingly, there has been little discussion in this debate about the experience in the United States. The US is an unique case as both farm-based and index-based products have been available for more than two decades. Furthermore, the number of insurance zones is very large, allowing interesting comparisons over space. As in developing countries, the adoption of index insurance is rather low -- less than than 5\% of insured acreage. Does this mean that we should give up on index insurance? In this paper, we investigate the low take-up of index insurance in the US leveraging a field-level dataset for corn and soybean obtained from satellite predictions. While previous studies were based either on county aggregates or on relatively small farm-level dataset, our satellite-derived data gives us a very large number of fields (close to 1.8 million) comprised within a large number of index zones (600) observed over 20 years. To evaluate the suitability of index insurance, we run a large-scale simulation comparing the benefits of both insurance schemes using a new measure of farm-equivalent risk coverage of index insurance. We make two main contributions. First, we show that in our simulations, demand for index insurance is unexpectedly high, at about 30\% to 40\% of total demand. This result is robust to relaxing several assumptions of the model and to using prospect theory instead of expected utility.

연구 동기 및 목표

• 고해상도 농장 수준 데이터를 활용하여 미국 농업 부문에서 인덱스 보험의 실제 혜택과 수요를 평가하기.
• 특히 공간적 및 시간적 수확량 변동성이 인덱스 보험 적합성에 미치는 영향을 포함하여, 600개 미국 군에서의 인덱스 보험 적합성 결정요인을 조사하기.
• 다양한 성과 측정 기준(보험이나 농장 수준 보험 대비)이 인덱스 보험의 인식된 가치에 어떻게 영향을 미치는지 평가하기.
• 선택적 행동 모델(예: 프로스펙트 이론)을 고려할 경우 결과의 탄력성 검토하기.
• 농장 수준 위성 데이터를 활용하여 지역-수확량 인덱스 보험의 기초 위험을 정량화하고, 종합 군 수준 추정치를 넘어서기.

제안 방법

• 연구는 1998년부터 2017년까지 미국 옥수수 지대의 180만 개의 옥수수 및 콩 농장에 대한 위성 기반 수확량 예측치를 사용한다.
• 농장 수준의 기대 효용은 효용 함수의 두 번째 차수 테일러 전개를 통해 계산되며, 위험 회피 성향은 효용 함수의 두 번째 도함수로 기술된다.
• 기대 효용 이론과 누적 프로스펙트 이론을 모두 활용하여, 인덱스 보험, 농장 수준 배상 보험, 보험 없음의 기대 효용을 비교 분석한다.
• 군 수준에서의 공간적 및 시간적 수확량 변동성을 계산하고, 이들의 상대 중요도가 보험 수요 예측에 미치는 영향을 회귀 모델에서 상대 중요도 지표(lmg)를 사용해 평가한다.
• 기초 위험은 농장이 특정 수확량 기준 이하의 손실을 입었음에도 군 인덱스가 보상 지급을 유발하지 않는 확률로 정의되며, 경험적 누적분포를 기반으로 추정된다.

실험 결과

연구 질문

• RQ1 실제 수확량 데이터를 기반으로 농장 수준에서 시뮬레이션했을 때, 미국에서 인덱스 보험에 대한 수요 수준은 어느 정도인가?
• RQ2 보험이나 농장 수준 배상 보험 대비 비교했을 때, 인덱스 보험의 인식된 혜택은 어떻게 변화하는가?
• RQ3 군의 시간적 및 공간적 수확량 변동성이 인덱스 보험의 적합성에 어느 정도의 영향을 미치는가?
• RQ4 누적 프로스펙트 이론과 같은 대체 행동 모델을 고려할 경우 결과의 탄력성은 어떠한가?
• RQ5 미국 옥수수 지대에서 옥수수 및 콩에 대한 지역-수확량 인덱스 보험의 기초 위험의 규모는 어느 정도인가?

주요 결과

• 시뮬레이션 결과, 약 30%에서 40%의 농민이 인덱스 보험을 수요로 나타내었으며, 이는 기초 위험에도 불구하고 예상치 못하게 높은 수요를 보임을 시사한다.
• 보험이나 농장 수준 보험 대비 비교했을 때, 인덱스 보험은 시간적 수확량 변동성이 가장 높은 군에서 가장 큰 혜택을 제공한다.
• 농장 수준 보험 대비 비교했을 때, 동일한 고시계변동성 군에서는 인덱스 보험의 혜택이 가장 낮다. 이는 기초 위험 때문임을 확인한다.
• 성과 측정 기준의 선택—특히 보험 없음과 비교할 것인지, 농장 수준 보험과 비교할 것인지에 따라 인덱스 보험의 가치에 대한 결론이 서로 반대가 될 수 있다.
• 기초 위험은 여전히 상당히 크다: 옥수수의 경우, 90번째 백분율 수확량 이하의 손실을 입었음에도 군 인덱스가 보상 지급을 유발하지 않는 농장 비율이 24.7%이며, 콩의 경우 이 비율은 46.3%로 상승한다.
• 연구는 공간적 변동성이 인덱스 보험의 혜택을 감소시키고, 시간적 변동성이 증가시킨다는 점을 발견하였으며, 이는 인덱스 설계에서 둘 다를 고려할 필요성을 강조한다.