Resumo: O seguro agrícola de faturamento possui vantagens e desvantagens frente ao seguro agrícola tradicional e, apesar de sua grande penetração no mercado norte-americano, no Brasil essa modalidade ainda é incipiente. Diante disso, o objetivo deste estudo foi avaliar o efeito de alterações no preço de referência (preço base) sobre as indenizações desses contratos para a cultura da soja, em municípios selecionados, no período de 2008 a 2018. Os resultados mostraram que há fraca associação entre as séries de preço e produtividade, pois o efeito estimado ficou próximo de zero, mas de caráter negativo em que preço e produção apresentam comportamento inversamente correlacionados. Além disso, a escolha do parâmetro de preços teve forte influência no valor da indenização, já que ao utilizar o preço de Paranaguá, os produtores receberiam um montante de indenização menor do que aquele a que teriam direito caso utilizassem o preço de referência da sua região. Em particular, para os estados do Mato Grosso e Mato Grosso do Sul, a diferença seria muito maior. Este fato pode ser um indício da baixa contratação do seguro de faturamento por esses produtores, que mesmo com a subvenção federal, têm apresentado demanda menor, comparativamente aos produtores da região Sul.

Abstract: Agricultural revenue insurance has advantages and disadvantages compared to traditional crop insurance and, despite its great penetration in the North American market, in Brazil, it is still incipient. The objective of this study was to evaluate the changes effect in the reference price (base price) on the indemnities of these contracts for the soybean crop, in selected municipalities, from 2008 to 2018. The results showed that there is a weak association between price and productivity since the estimated effect was close to zero, but it was negative in which price and production show an inversely correlated behavior. Also, the choice of the price parameter had a strong influence on the indemnity value. When using the Paranaguá price, producers would receive a lower amount of indemnity than if they used the reference price in their region. In particular, for the states of Mato Grosso and Mato Grosso do Sul the difference would be much greater. This fact may be an indication of the low contracting of income insurance by these producers, who, even with the federal subsidy, have shown less demand, compared to producers in the South region.

Resumo: A previsão dos prêmios do seguro agrícola tem impacto relevante no dimensionamento orçamentário do Programa de Subvenção ao Prêmio do Seguro Rural (PSR). Pela ótica da responsabilidade e do planejamento do gasto público, é preciso estimar com relativa precisão quanto se pretende despender com o Programa no curto e médio prazo (Emenda Constitucional nº 95, de 2016). O presente estudo faz uma comparação de métodos para a projeção do prêmio do seguro agrícola por região. Foram utilizados os modelos SARIMA e os algoritmos NNAR, TBATS, MAPA e ELM, com e sem a covariável de subsídio. As metodologias foram aplicadas aos dados mensais do volume de prêmio do seguro agrícola das regiões Sul, Sudeste, Centro-Oeste e Nordeste do Brasil de 2006 a 2018. Foi observado que o modelo SARIMA univariado mostrou o melhor resultado nas regiões Centro-Oeste e Nordeste, ao passo que o SARIMA e o ELM com a covariável foram superiores na região Sul e Sudeste, respectivamente. A partir desses resultados, foi possível discutir a relevância da subvenção para a ampliação do seguro nas regiões analisadas.

Abstract: The forecast of crop insurance premiums has a relevant impact on the budget dimensioning of the Crop Insurance Premium Subsidy Program (PSR). From the perspective of responsibility and public expenditure planning, it is necessary to estimate with relative precision how much is intended to be spent on the program in the short and medium-term (Constitutional Amendment no. 95, 2016). The present study makes a comparison of methods for the projection of the agricultural insurance premium, by region. The SARIMA models and the NNAR, TBATS, MAPA, and ELM algorithms were used, with and without a subsidy covariate. The methodologies were applied to the monthly data of the premium volume of crop insurance in the South, Southeast, Midwest, and Northeast regions of Brazil between 2006 and 2018. It was observed that the univariate SARIMA model showed better results in the Midwest regions and Northeast, while SARIMA and ELM with the covariate were higher in the South and Southeast, respectively. From these results, it was possible to discuss the relevance of the subsidy for the expansion of insurance in the regions analyzed.

RESUMO Objetivo: este artigo estuda a eficiência de uma nova abordagem de regressão, o Lasso quantílico geograficamente ponderado (GWQlasso), na modelagem da relação índice-rendimento para produtos de seguro de índice climático. O GWQlasso permite que os coeficientes de regressão variem espacialmente, enquanto usa as informações de locais vizinhos para gerar estimativas robustas. O componente Lasso do modelo facilita a seleção de variáveis explicativas relevantes. Metodologia: um produto de seguro de índice climático (WII) é desenvolvido com base no standardized precipitation index (SPI) de um mês derivado de um conjunto de dados de precipitação diária para 41 estações meteorológicas no estado do Paraná (Brasil) para o período de 1979 a 2015. Os dados de produção de soja também são usados para os 41 municípios de 1980 a 2015. A eficácia do seguro modelado utilizando-se GWQlasso é avaliada em comparação com uma abordagem de regressão quantílica clássica e um produto de seguro de produtividade tradicional usando a medida de risco espectral (SRM) e o semidesvio médio. Resultado: embora o GWQlasso tenha se mostrado tão eficaz quanto a regressão quantílica, ele superou o produto de seguro de produtividade. Conclusão: o GWQlasso mostra-se como alternativa para o mercado de seguro agrícola no Brasil e em outros locais com limitação de dados.

ABSTRACT Objective: this article studies the efficiency of a novel regression approach, the geographically weighted quantile lasso (GWQlasso), in the modeling of yield-index relationship for weather index insurance products. GWQlasso allows regression coefficients to vary spatially, while using the information from neighboring locations to derive robust estimates. The lasso component of the model facilitates the selection of relevant explanatory variables. Methodology: a weather index insurance (WII) product is developed based on one-month standardized precipitation index (SPI) derived from a daily precipitation dataset for 41 weather stations in the state of Paraná (Brazil) for the period from 1979 to 2015. Soybean yield data are also used for the 41 municipalities from 1980 to 2015. The effectiveness of the GWQlasso product is evaluated against a classic quantile regression approach and a traditional yield insurance product using the spectral risk measure (SRM) and the mean semi-deviation. Results: while GWQlasso proved as effective as quantile regression, it outperformed the yield insurance product. Conclusion: the GWQlasso is an alternative to the crop insurance market in Brazil and other locations with limited data.