La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Un rôle pour les assurances agricoles basées sur des indices météo en Afrique de l'Ouest ? Philippe Quirion (CIRED et LMD-IPSL), avec des contributions.

Présentations similaires


Présentation au sujet: "Un rôle pour les assurances agricoles basées sur des indices météo en Afrique de l'Ouest ? Philippe Quirion (CIRED et LMD-IPSL), avec des contributions."— Transcription de la présentation:

1 Un rôle pour les assurances agricoles basées sur des indices météo en Afrique de l'Ouest ? Philippe Quirion (CIRED et LMD-IPSL), avec des contributions de Benoît Labbouz (CIRED), Alexis Berg et Benjamin Sultan (LOCEAN-IPSL) Réunion API AMMA WG 3, 17 octobre 2007, OMP, Toulouse

2 Plan 1.Les assurances agricoles basées sur des indices météo 2.Simulation sur des données de station agronomique expérimentale (coton au Mali) 3.Simulation sur des données en conditions paysannes (Burkina Faso) 4.Quelques questions à creuser

3 Les assurances agricoles basées sur des indices météo (1) Échec des assurances agricoles basées sur la constatation d'un dommage : –Asymétrie d'information entre le paysan et l'assureur –Coût de la constatation du dommage Trois assurances agricoles basées sur des indices météo existent : –Inde depuis 2003 –Malawi depuis 2005 –Éthiopie depuis 2006 Faiblesse = risque de base (corrélation imparfaite entre indice et rendement) Succès apparent, au moins en Inde

4 Les assurances agricoles basées sur des indices météo (2) IndeMalawiÉthiopie Démarrage Cultures cibléesArachide, ricin puis coton, oranges MaïsBlé, orge, mil, sorgho, maïs Risque couvertSécheresse, excès d'eau lors de la moisson Sécheresse Indice"Bilan hydrique" en 3 phases Bilan hydrique par décade, moyenne de 13 stations Bilan hydrique par décade, moyenne de 42 stations PartenairesBM, microfinance, banques, assurances BM, FAO, ?BM, PAM, Axa Re ParticularitésLien avec crédit intrants Contrat national

5 Simulation pour le coton au Mali (1) Données de N'Tarla (23 ans de rendement et météo) Coûts de production : annuaires CMDT Valorisation du travail familial au salaire du marché Prix du coton 2005 Le choix de l'indice météo est déterminant (risque de base): –Cumul des pluies : mauvais (R²=0.23) –Durée saison des pluies : pas mal (R²=0.48) mais "rate" certaines mauvaises années –Bilan hydrique : pas mal (R²=0.5) mais "rate" certaines mauvaises années –Bilan hydrique + date de fin de saison (MCO): pas mal (R²=0.58, variables significatives à 10%, fournit le contrat le + intéressant) –Date de semis améliore la régression, mais impossible à intégrer dans un contrat d'assurance

6 Simulation pour le coton au Mali (2) Indice composite : bilan hydrique au début de la saison + date de fin de saison (MCO) Historical Burn Analysis : on utilise directement les données historiques pour estimer le contrat

7 Simulation pour le coton au Mali (3) Recherche du contrat optimal pour les producteurs Contrainte de participation des assureurs : prime = 1.1 * E[indemnités] Forme du contrat classique (Malawi, Éthiopie)

8 Simulation pour le coton au Mali (4) Agriculteur représentatif, spécialisé dans le coton, averse aux risques (fonction d'utilité CRRA) Revenu équivalent certain (REC) : REC[{x i }] = (E[{x i 1-r }]) 1/(1-r), r>0 Économie expérimentale : r [0.3;0.7] Finance : r [1;4] Hypothèse conservatrice : r=0.5 REC({100;200})=146

9 Simulation pour le coton au Mali (5)

10 Simulation pour le coton au Mali (6) rGain pour l'agriculteur REC pour {100,200} 00%150 0,30,4%147 0,52,4%146 0,75,4% ,9% ,2%133 Finance Économie expérimentale

11 Simulation pour le coton au Mali (7) Assurance intensification ? Contexte : stagnation des rendements depuis ~1985 L'intensification augmente la variabilité du revenu Hypothèses : –Rendement y = a c – b c², a > 0, b > 0, c : coût (intrants + travail) –Les agriculteurs choisissent c qui maximise leur espérance d'utilité Conclusion : une intensification très modeste pour r=0,5 –Coût : + 3% –Gain en REC : + 2,5% au lieu de + 2,3%

12 Simulation pour le coton au Mali (8) Sécheresse à partir de 1972 Ex. d'un contrat indicé sur le bilan hydrique, défini sur (seules années pour lesquelles nous avons le rendement), et appliqué sur Un seul déclanchement d'indemnité en dehors de (en 93) Sur 51-93, la marge de l'assureur atteint en moyenne FCFA/ha/an, contre sur !

13 Simulations pour le Burkina Faso (BF) Données de rendement disponibles par province (45) sur (Agristat) Données de pluie par station à 3 stations météo par province, on prend la moyenne On construit de faux rendements pour , sur la base de la corrélation Questions : –Corrélation indice – rendement suffisante ? –Quelle couverture géographique pour un contrat ? –Mêmes contrats pour cultures ? –Comment gérer les tendances dans les pluies ?

14 Un même contrat pour provinces ?

15 Un même contrat pour cultures ? (1)

16 Un même contrat pour cultures ? (2) contrat mil

17 Comment gérer une tendance ? (1) Province: Nahouri, pour du sorgho : contrat optimal sur les 28 ans

18 Comment gérer une tendance ? (2) Nahouri, sorgho : contrat défini sur les 15 1 e années appliquées aux 13 suivantes

19 Comment gérer une tendance ? (3) Nahouri, sorgho : contrat redéfini chaque année sur les 13 dernières années

20 Comment gérer une tendance ? (4) Nahouri, sorgho : contrat redéfini chaque année avec modèle autorégressif

21 Quelques (!) questions à creuser Comment mieux représenter l'aversion au risque des agriculteurs ? Faire des enquêtes sur place ? Quel impact de l'assurance sur le choix des cultures ? Sur l'accumulation/désaccumulation du capital ? Comment mieux simuler le comportement des assureurs? Tester d'autres formes de contrat –Collars… –Intégrer les risques liés aux excès d'eau Quelle densité de stations est suffisante, dans un contexte de forte variabilité spatiale des pluies ? Comment gérer les tendances des précipitations, dans le contexte du changement climatique ? Quel réseau de distribution pour les produits d'assurance ?


Télécharger ppt "Un rôle pour les assurances agricoles basées sur des indices météo en Afrique de l'Ouest ? Philippe Quirion (CIRED et LMD-IPSL), avec des contributions."

Présentations similaires


Annonces Google