Malisische Baumwollbauern verringern falsche Negativmeldungen mithilfe der Daten des Abnehmers

Die Indexversicherung zahlt automatisch aus, wenn ein regionaler Ertrags- oder Wetterindex eine Schwelle für eine schlechte Ernte überschreitet, wodurch die Kosten und das Betrugsrisiko vermieden werden, die mit der Überprüfung des Verlusts jedes einzelnen Landwirts verbunden sind. Ein grober regionaler Index kann jedoch nahe am Normalwert bleiben, während die eigenen Erträge eines bestimmten Dorfes zusammenbrechen, sodass der Landwirt, der tatsächlich einen Verlust erlitten hat, keine Auszahlung erhält – ein Fehlschlag durch falsche Negativmeldungen, bekannt als Basisrisiko, und der wichtigste Grund, warum es der Indexversicherung trotz jahrelanger Begeisterung der Entwicklungsagenturen schwerfällt, Käufer zu gewinnen.

Die übliche Lösung – den Index auf die Dorfebene zu verkleinern, was die Dorfvorsteher selbst vorgeschlagen hatten – führt das Problem wieder ein, das die Indexversicherung eigentlich vermeiden soll: Eine Dorfgenossenschaft aus 20 bis 30 eng miteinander verbundenen Haushalten könnte plausibel kolludieren, um Erträge zu niedrig anzugeben oder die Ernte absichtlich schlecht zu bewirtschaften, um eine Auszahlung auszulösen – ein Moral-Hazard-Risiko, das kein Versicherer in diesem Maßstab akzeptieren würde.

Die bereits vorhandenen Ertragsaufzeichnungen des Abnehmers auf Dorfebene wurden als Auslöser verwendet, wobei der Zonenindex als Kollusionsprüfung diente, wodurch die falschen Negativmeldungen ohne zusätzliche Kosten von 45 % auf 7 % gesenkt wurden.

Der Auslöser auf Dorfebene erfasst lokale Verluste, die ein Zonendurchschnitt verwischt.

Die Prüfung auf Zonenebene blockiert Kollusion, weil einige wenige Haushalte einen Durchschnitt über zehn Dörfer nicht verändern können.

Beide Datenpunkte existierten bereits in den Aufzeichnungen des Abnehmers, sodass die Lösung keine zusätzlichen Kosten verursachte.

Weniger falsche Negativmeldungen schufen Vertrauen und steigerten die Annahme auf 30 % gegenüber 5 % in einem vergleichbaren Pilotprojekt.

Bevor Sie für neue Daten zur Fehlerreduzierung bezahlen, prüfen Sie, ob in Ihren Aufzeichnungen bereits ein feiner aufgelöstes Signal existiert; kombinieren Sie es mit dem groben, um Fälle zu erfassen, die das grobe übersieht.

Das Design mit zwei Indizes senkte die Wahrscheinlichkeit falscher Negativmeldungen – die Chance, dass ein Dorf mit tatsächlichen Verlusten keine Auszahlung erhielt – von 45 % beim herkömmlichen ZPA-Vertrag mit einer einzigen Skala auf nur 7 % bei gleicher Prämienrate.