O presente trabalho tem como principal objetivo, propor e testar métodos alternativos de precificação de contratos de seguro agrícola, baseados em um indicador de produtividade regional. A taxa de prêmio é calculada utilizando a abordagem nãoparamétrica de estimação da densidade da produtividade agrícola, a abordagem paramétrica utilizando as distribuições Normal e Beta e modelos hierárquicos Bayesianos. Na recuperação do processo gerador destes dados, são considerados os efeitos temporal, espacial e espaço-temporal visando a predição e a precificação de um contrato de seguro agrícola regional. Os dois primeiros métodos são aplicados a um conjunto de dados de produtividade municipal do Instituto Brasileiro de Geografia e Estatística (IBGE), no período de 1990 a 2002, para as culturas da soja, milho e trigo, no Estado do Paraná. Na análise empírica do modelo Bayesiano, são utilizados dados de produtividade municipal de milho, no Estado do Paraná, nos anos de 1990 a 2002. A escolha do melhor modelo dentre os modelos não-aninhados ajustados, é baseado no critério da preditiva a posteriori. As metodologias utilizadas nesta pesquisa incorporam melhorias no cálculo atuarial da taxa de prêmio, tendo em vista o pequeno número de observações de produtividade agrícola existentes. Além de propor novas metodologias, estudou-se a viabilidade de implantar um esquema de seguro agrícola regional na região de Castro, no Estado do Paraná, levando em conta a quantificação e redução do risco sistêmico proveniente da aquisição do seguro e da correlação da produtividade individual e regional. Para melhor entendimento dos diversos aspectos do problema, é feito um amplo levantamento histórico e principais tendências do seguro agrícola no Brasil e nos EUA, ressaltando os aspectos legal, institucional e operacional. O estudo mostrou que se o seguro regional de produtividade for oferecido na região de Castro, os produtores se beneficiariam devido à redução do risco proveniente do seguro e também devido ao prêmio relativamente menor do que aquele cobrado pelas seguradoras para os mesmos municípios estudados. / This research analyses alternative methods of pricing agricultural insurance contract based on regional yields. The premium rate is calculated using three different approaches: nonparametric method to estimate the density of the agricultural yield; parametric approach fitting the Normal and Beta distributions; and, hierarchical Bayesian models. The data generating process is recovered considering the temporal, spatial and spatio-temporal aspects to make predictions and pricing for area-yield insurance contract. The data used are county yields, collected by the Brazilian Institute of Geography and Statistics (IBGE), 1990 through 2002. The first two methods were applied to soybean, corn and wheat in the State of Paraná. In the Bayesian model, the empirical analysis limited to corn, in the State of the Paraná, from 1990 through 2002. The choice of the best model among the several non-nested models tested was based on the posterior predictive criteria. The methods proposed in this research intend to improve the actuarial calculation of the premium rate, taking into account the small size of data regarding agricultural yields. Besides proposing different methodologies, a case study of the viability was carried out. The possibility of implementation of an are-yield agricultural insurance was studied in the region of Castro, in the State of the Paraná. This case study considers the quantification and reduction of the systemic risk and also the correlation of the individual and regional yield. To better understand the problem involving the agricultural insurance, a broad historical review of literature was made in Brazil and U.S.A., considering its legal, institutional and operational aspects. The study shows that if a regional yield insurance contract is offered in the Castro region, producers would benefit from exposure to lower risk levels and also a relatively smaller premium rate than the rates charged by insurance companies in the same region.

No description available.

No description available.