我国是猪肉生产和消费大国,猪肉在我国居民肉类消费中占比最高,猪周期的存在以及生猪价格的剧烈波动不利于百姓的生活消费以及经济的平稳运行。猪肉价格在我国消费者价格指数计算中占比约2.88%,2019年因猪瘟疫情生猪价格大幅增长,猪肉价格从1月份的11.3元/公斤上涨至11月份的41元/公斤,涨幅达到262.83%。由于猪肉价格的持续走高,我国的人均猪肉消费占比从2018年的77.34%下降至2020年的73.42%,人均猪肉消费量从2018年22.83千克/年下降至2020年18.20千克/年。为稳定生猪价格,维护养殖者收益,避免因生猪价格波动造成养殖户的大幅亏损,2007年我国提出开展生猪养殖保险,保障因生猪疫情给养殖户带来的成本亏损,2013年5月,北京市成为全国首个生猪价格保险试点,2014年,中央“一号文件”提出启动东北和内蒙古大豆、新疆棉花目标价格补贴试点,探索粮食、生猪等农产品目标价格保险试点。目前生猪价格保险在全国已开展多个试点,各地根据其自身情况,因地制宜设计符合当地生猪养殖的价格保险。本文通过对生猪价格保险以及生猪利润保险进行定价研究,对于保险试点的推广以及生猪价格的稳定上有一定的研究意义。本文使用季节分解法和H-P滤波法分解生猪价格分析生猪价格的变动因素,发现价格波动规律进一步总结归纳生猪价格波动的风险特征,并使用蛛网模型分析生猪保险的引入对于猪肉价格平稳性的影响。文中将生猪价格的波动分解为周期性波动、趋势性波动、季节性波动以及不规则波动,研究发现生猪价格的波动具有较强的周期性,平均周期约为36.75个月,生猪价格呈发散式蛛网模型波动,生猪价格保险的引入可以降低生猪价格的波动性。接下来文章将对国内现存的生猪价格保险的定价进行拓展研究,2013年北京市开展的生猪价格指数保险选择的参照是猪粮比,设定的阈值为6:1,但是由于生猪与玉米价格比率波动范围较大,因此文章使用参数估计和蒙特卡罗模拟法对历史数据进行处理,扩充历史数据,针对不同的阈值进行费率测算,达到符合实际的风险评估结果。北京的生猪价格保险中参照选择只考虑到玉米,但是生猪的饲料成本还包括豆粕和其他饲料,这一点在美国的生猪价格保险中早已引入,文章接下来将用猪料比代替猪粮比,对历史数据进行分布拟合并进行数据扩充,在不同的阈值设定下进行费率测算。研究发现,在其他保险条款一致的情况下,猪粮比或者猪料比的阈值设定越高,对养殖者的保障程度越高,保险费率越高,同时在保障程度和赔付标准相同的情况下,使用猪料比定价的生猪价格保险保险费率要高于使用猪粮比定价的保险费率。2021年1月我国生猪期货上市,本文借鉴美国生猪利润保险的定价方式对我国的生猪利润保险进行定价,相比于生猪价格保险,生猪利润保险考虑了养殖者的投入成本和收入情况,可以对投保人提供毛利润的保障,而生猪价格保险仅对生猪价格进行保障。期货具有价格发现功能,美国的生猪利润保险中预期利润与实际利润皆以期货价格计算,但是期货价格的月份不同,同时会考虑投保数量的上限以及免赔额和政府的补贴。本文在保险产品的设计中根据中国的实际情况,比如政府的补贴情况,生猪的相关参数设置,免赔额的设置,农户的最低保证利润等方面,使产品设计更符合我国生猪养殖的实际情形。因为中国的生猪期货刚刚开始,数据量较少,本文将使用蒙特卡罗模拟法模拟期货价格,扩充数据量对生猪利润保险进行费率测算。