| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 1 绪论 | 第18-28页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 研究目标与内容 | 第19-21页 |
| 1.3 研究思路与方法 | 第21-24页 |
| 1.4 数据来源 | 第24-25页 |
| 1.5 创新点与不足之处 | 第25-28页 |
| 2 概念界定、理论基础和文献综述 | 第28-44页 |
| 2.1 概念界定 | 第28-29页 |
| 2.1.1 天气、气候与气象 | 第28页 |
| 2.1.2 农业风险 | 第28-29页 |
| 2.1.3 天气期权 | 第29页 |
| 2.2 理论基础 | 第29-38页 |
| 2.2.1 不确定性、风险与资产组合理论 | 第29-34页 |
| 2.2.2 生产与农业风险决策理论 | 第34-37页 |
| 2.2.3 期权理论 | 第37-38页 |
| 2.3 国内外相关文献综述 | 第38-44页 |
| 2.3.1 不确定性与农业风险研究 | 第38-40页 |
| 2.3.2 天气不确定性与农业风险研究 | 第40-42页 |
| 2.3.3 天气期权与农业风险研究 | 第42-44页 |
| 3 农业生产项目组合分析——以浙江、安徽典型农户为例 | 第44-66页 |
| 3.1 引言 | 第44页 |
| 3.2 农业生产项目组合分析方法 | 第44-49页 |
| 3.2.1 分析思路与方法 | 第44-46页 |
| 3.2.2 分析模型 | 第46-49页 |
| 3.3 浙江和安徽概况、气象条件及农户农业生产基本情况 | 第49-50页 |
| 3.4 浙江、安徽典型农户农业生产项目组合分析结果 | 第50-65页 |
| 3.4.1 规模比重分析 | 第51-52页 |
| 3.4.2 产量分析 | 第52-55页 |
| 3.4.3 收入分析 | 第55-58页 |
| 3.4.4 成本分析 | 第58-61页 |
| 3.4.5 利润分析 | 第61-65页 |
| 3.5 小结 | 第65-66页 |
| 4 天气风险及其在农业生产中的传导效应分析 | 第66-94页 |
| 4.1 引言 | 第66页 |
| 4.2 天气风险水平的测算方法与结果分析 | 第66-69页 |
| 4.2.1 天气风险水平的测算方法 | 第66-67页 |
| 4.2.2 浙江、安徽天气风险水平测算结果分析 | 第67-69页 |
| 4.3 不考虑天气风险下的农业生产项目组合分析方法 | 第69-73页 |
| 4.3.1 分析思路与方法 | 第69-70页 |
| 4.3.2 分析模型 | 第70-72页 |
| 4.3.3 天气风险传导效应的测量方法 | 第72-73页 |
| 4.4 不考虑天气风险下浙江、安徽典型农户农业生产项目组合分析结果 | 第73-84页 |
| 4.4.1 产量分析 | 第74-77页 |
| 4.4.2 收入分析 | 第77-80页 |
| 4.4.3 利润分析 | 第80-84页 |
| 4.5 天气风险传导效应 | 第84-92页 |
| 4.5.1 对产量的传导效应 | 第84-87页 |
| 4.5.2 对收入的传导效应 | 第87-89页 |
| 4.5.3 对利润的传导效应 | 第89-92页 |
| 4.6 小结 | 第92-94页 |
| 5 天气不确定下的农业风险决策 | 第94-130页 |
| 5.1 引言 | 第94页 |
| 5.2 引入天气风险的MOTAD模型 | 第94-101页 |
| 5.2.1 理论假设 | 第94-95页 |
| 5.2.2 数理模型 | 第95-98页 |
| 5.2.3 天气风险优化效应的测量方法 | 第98-101页 |
| 5.3 MOTAD模型的优化方法 | 第101-104页 |
| 5.3.1 决策变量与目标函数 | 第101页 |
| 5.3.2 约束条件 | 第101-104页 |
| 5.3.3 算法与求解步骤 | 第104页 |
| 5.4 基于MOTAD模型的优化结果 | 第104-116页 |
| 5.4.1 规模比重优化结果分析 | 第104-106页 |
| 5.4.2 产量优化结果分析 | 第106-108页 |
| 5.4.3 收入优化结果分析 | 第108-111页 |
| 5.4.4 成本优化结果分析 | 第111-114页 |
| 5.4.5 利润优化结果分析 | 第114-116页 |
| 5.5 天气风险优化效应 | 第116-127页 |
| 5.5.1 对产量的优化效应 | 第117-119页 |
| 5.5.2 对收入的优化效应 | 第119-122页 |
| 5.5.3 对成本的优化效应 | 第122-124页 |
| 5.5.4 对利润的优化效应 | 第124-127页 |
| 5.6 小结 | 第127-130页 |
| 6 天气期权及其对农业风险决策的影响 | 第130-174页 |
| 6.1 引言 | 第130-131页 |
| 6.2 基于小波-NAR神经网络的天气期权估值模型 | 第131-135页 |
| 6.3 引入天气期权的MOTAD模型 | 第135-140页 |
| 6.3.1 理论假设 | 第135页 |
| 6.3.2 数理模型 | 第135-138页 |
| 6.3.3 天气风险对冲效应的测量方法 | 第138-140页 |
| 6.4 基于小波-NAR神经网络和MOTAD模型的计算结果 | 第140-159页 |
| 6.4.1 气象预测结果分析 | 第140-145页 |
| 6.4.2 天气期权估值结果分析 | 第145-147页 |
| 6.4.3 天气期权对冲下农业风险决策结果分析 | 第147-159页 |
| 6.5 天气风险对冲效应 | 第159-171页 |
| 6.5.1 对产量的对冲效应 | 第159-162页 |
| 6.5.2 对收入的对冲效应 | 第162-164页 |
| 6.5.3 对成本的对冲效应 | 第164-167页 |
| 6.5.4 对利润的对冲效应 | 第167-171页 |
| 6.6 小结 | 第171-174页 |
| 7 主要结论和启示 | 第174-178页 |
| 7.1 主要结论 | 第174-176页 |
| 7.2 启示 | 第176-178页 |
| 参考文献 | 第178-190页 |
| 作者简历及在学期间所取得的主要科研成果 | 第190页 |
