DETERMINANTY RIZIKOVÉHO PROSTŘEDÍ ZEMĚDĚLSKÝCH PODNIKŮ V ČESKÉ REPUBLICE

DETERMINANTY RIZIKOVÉHO PROSTŘEDÍ ZEMĚDĚLSKÝCH PODNIKŮ V ČESKÉ REPUBLICE Jndřch Špčka, Václav Vlhelm* Úvod Současný systém řízení zemědělských rzk v ČR nerespektuje odlšný charakter rzka u podnků s různou velkostí a výrobní strukturou. Právě velkostní struktura zemědělských podnků je v ČR specfcká. Význam podrobnější analýzy rzkového prostředí zemědělských podnků vyvstává rovněž s nutností dentfkovat potřeby pro účely nastavení Programu rozvoje venkova na nové programové období 2014 2020, kde je jednou z prort řízení rzk v zemědělství. Problém, který je v článku řešen, vyplývá z rostoucí četnost a závažnost dopadů průběhu počasí v zemědělství a z nedostatečného krytí systematckých rzk počasí dostupným nstrumenty rsk managementu. Podle prognózy zpracované Evropskou komsí a prezentované 12. října 2011 př představení návrhu reformy SZP po roce 2013 1 může být efektem klmatckých změn ve střední Evropě častější střídání vlhkých zm s následným jarním povodněm a suchých letních měsíců, které v kombnac s půdní erozí zvýší rzko volatlty výnosů plodn. Jednou z důležtých nformací pro analýzu účnnost podpory vybraných opatření rsk managementu na varabltu příjmu zemědělských podnků v ČR je znalost úrovně vnímání rzka na různém stupn prostorové agregace. Náhodnou složku časové řady dat (výnosů, cen) je možno rozdělt na regonální a ndvduální. Regonální náhodnost je společná pro všechny producenty v daném regonu a může být ovlvněna například podobným technologckým postupy pěstování plodn, systematckým působením počasí č výskytem chorob a škůdců. Indvduální varablta výnosů může být způsobena chybam managementu podnku, omezeným zdroj č lokálním přírodním podmínkam. Varablta prostorově agregovaných dat (okres, kraj) tak reflektuje pouze faktory rzka společné pro většnu zemědělců v regonu. * Vysoká škola ekonomcká v Praze, Fakulta podnkohospodářská (jndrch.spcka@vse.cz), Ústav zemědělské ekonomky a nformací, odbor Ekonomka agrárního sektoru (vlhelm.vaclav@uze.cz). Článek je zpracován jako jeden z výstupů projektu IVP ÚZEI č. 1268 Ex post analýza účnnost podpory vybraných opatření rsk managementu na varabltu příjmu zemědělských podnků v ČR s využtím holstckého přístupu k řešení rzk zemědělského podnkání a projektu IGA VŠE F3/01/2010 Řízení příjmových rzk v zemědělských podncích s využtím klmatckých dervátů. Autoř děkují Ing. Janě Poláčkové, CSc., z ÚZEI za poskytnutí dat nezbytných pro zpracování článku a recenzentům za cenná doporučení. 1 European Commsson DG Agrculture and Rural Development: The CAP towards 2020 Legal proposals. Prezentace vz: http://ec.europa.eu/agrculture/cap-post-2013/legal-proposals/slde-show_en.pdf. 69

ACTA OECONOMICA PRAGENSIA 2/2013 V odborné lteratuře je možno vyhledat řadu studí, které řešly vlv prostorové agregace na zkreslení podnkové rzkové expozce (Carter, Dean, 1960; Esgruber, Schuhman, 1963; Debrah, Hall, 1989; Rudstrom a kol., 2002; Popp a kol., 2005). Harwood a kol. (1999) použl k hodnocení varablty výnosů koefcent varace a aplkoval jej na časovou řadu výnosů kukuřce v tzv. kukuřčném pásu v USA. Dospěl k závěru, že vyšší stupeň prostorové agregace způsobuje průměrně nžší varabltu výnosů. Ke stejným závěrům dospěl Popp a kol. (2005), kteří provedl analýzu vlvu prostorové agregace na varabltu výnosů pšence jarní, kanoly a lnu ve dvou centrálních produkčních regonech Kanady, a Coble a kol. (2007), kteří zkoumal koefcent varace výnosů kukuřce, sój a bavlny v USA na různých stupních prostorové agregace v období 1975 2004. Výsledky rovněž ukazují výrazný vlv prostorové agregace na zkreslení varablty výnosů. Průměrný koefcent varace výnosů na úrovn farmy porovnával s varabltou na úrovn federace (natonal), států (state), okresů (county) a zemědělských podnků (farm). Dospěl k závěru, že průměrný koefcent varace výnosů na ndvduální podnkové úrovn je více než dvojnásobný ve srovnání s průměrnou varabltou výnosů na úrovn států (state-level) a více než trojnásobný prot varabltě na úrovn federace (naton-level). Rudstrom a kol. (2002) s položl otázku, jakou váhu mají doporučení vyplývající z výsledků výzkumu pro podnky, pokud byla př analýze použta agregovaná a nkolv ndvduální data. Výzkum založený na analýze výnosů tvrdé červenozrnné jarní pšence naznačl, že seskupení dat do podskupn s podobnou varabltou pomocí shlukové analýzy je řešením, které zajstí menší zkreslení rzkové expozce podnků. Shlukování dat (clusterng) tak umožňuje přesnější měření chování podnků v rzkovém prostředí a odhalení charakteru zkreslení výsledků vlvem agregace dat. Prostorový vlv na rzkovou expozc zemědělských podnků se pravděpodobně projevuje také v závslost na velkost zemědělského podnku, resp. výměry plodny (OECD, 2009). Především v málo rozvnutých zemích je běžná velkost farmy kolem 1 hektaru a škoda může mít na výnosy farmy fatální důsledky. Naopak ve vyspělých zemích není neobvyklá výměra zemědělských podnků více než 1 000 hektarů. Produkce těchto podnků je zpravdla více dverzfkovaná a ekonomcké výsledky jsou stablnější. Cílem článku je vyhodnott prostorová a komodtní specfka ovlvňující rzkové prostředí zemědělských podnků v ČR. K naplnění tohoto globálního cíle je v první část kvantfkována úroveň výnosového a cenového rzka ve středních a velkých zemědělských podncích na komodtní, podnkové a agregované úrovn u hlavních zemědělských plodn pěstovaných v ČR. Výsledky jsou porovnány s Německem. V druhé část je vyhodnocen vlv účnnost pojštění rostlnné výroby na úroveň rzka malých a velkých zemědělských podnků specalzovaných na polní výrobu. V návaznost na cíle byly formulovány následující výzkumné hypotézy, které jsou ověřovány s využtím matematcko-statstckých metod a stochastckých smulačních metod v podmínkách ČR. H1: Průměrné rzko kolísání výnosů a cen plodn je v ČR na podnkové úrovn vyšší než na agregované úrovn souboru podnků. Hypotéza vychází z faktu, že 70

zejména srážky a krupobtí mají lokální charakter a způsobují tak vyšší volatltu výnosů (prostřednctvím trhu také cen) na úrovn podnku, než je volatlta vypočítaná z agregovaných dat za soubor podnků. Indvduálně též působí použté technologe. H2: Menší výměra plodny v podnku zvyšuje rzko kolísání výnosů plodny v podmínkách ČR. Pokud je plodna pěstována na velké výměře, nezpůsobí jednečná (dosynkratcká) rzka tak závažné škody, protože zemědělský podnk může prodat zbývající část úrody, která poškozena nebyla. H3: Účnnost pojštění rostlnné výroby je v malých podncích se specalzovanou polní výrobou větší než ve velkých podncích. Hypotéza je založena na předpokladu, že malé podnky mají nžší úroveň dverzfkace zemědělské výroby než velké podnky, a tudíž účnnost pojštění měřená schopností elmnovat pokles příjmových ndkátorů (v tomto článku hrubé přdané hodnoty) je v malých podncích vyšší. Podnky se specalzovanou polní výrobou byly vybrány proto, že škodní průběh v rostlnné výrobě je více rozkolísaný než u žvočšné výroby. 1. Data Analýza produkčního a cenového rzka na různém stupn prostorové agregace vychází z dat výběrového šetření nákladů a výnosů zemědělských komodt, které každoročně realzuje Ústav zemědělské ekonomky a nformací na pracovšt v Brně (ÚZEI). Podkladem pro zpracování potřebných nformací je výběrové šetření o výnosech zemědělských plodn za desetletou časovou řadu 2000 2009. ÚZEI poskytl defntvní data podnků o produkc hlavního výrobku v rostlnné výrobě (RV), sklzňové ploše, tržeb z prodeje hlavního výrobku a prodaném množství hlavního výrobku RV, které jsou zahrnuty do zpracování výsledků šetření ve všech letech časové řady. Výchozí databází je panel 100 podnků obsažených ve výběrovém šetření po dobu 10 let. Pro účely analýzy produkčního a cenového rzka jsou vybrány tří hlavní plodny pěstované v ČR s dostatečným zastoupením ve výběrovém souboru pšence ozmá, ječmen jarní a řepka ozmá. Podle údajů Českého statstckého úřadu (ČSÚ) se pšence, ječmen a řepka podílely na hodnotě rostlnné výroby v ČR 48,7 % v roce 2010. Z celkového počtu 100 podnků pěstovalo bez přerušení v letech 2000 2009 pšenc ozmou 90 podnků, ječmen jarní 51 podnků a řepku ozmou 56 podnků. Protože je výběrové šetření ÚZEI zaměřeno od roku 2005 na podnky s účetnctvím, je panel podnků tvořen pouze podnky právnckých osob, většnou akcovým společnostm a zemědělským družstvy. Většna podnků se nachází bramborářské výrobní oblast (tabulka 1). Podnky jsou zastoupeny ve většně krajů ČR a výběrový soubor je z regonálního hledska kvaltně sestaven, když není vzhledem k rozměru zemědělství ČR statstcky reprezentatvní. Zastoupeny jsou středně velké a velké zemědělské podnky s převážně smíšenou výrobou. Výměra podnků se pohybuje od 109 ha do 3 700 ha, 34 % podnků má výměru 500 1000 ha zemědělské půdy, průměrná výměra podnků v souboru je 1 294 ha. 71

ACTA OECONOMICA PRAGENSIA 2/2013 Tabulka 1 Struktura výběrového souboru podnků Výrobní oblast Počet podnků Kukuřčná a řepařská 18 Bramborářská 52 Bramborářsko-ovesná a horská Celkem 30 100 Charakterstka Právní formy Kraj a.s. 6 Středočeský 7 s.r.o. 2 Ústecký 4 družstvo 10 Jhomoravský 4 Olomoucký 3 a.s. 16 Středočeský 2 s.r.o. 8 Jhočeský 23 družstvo 28 Plzeňský 3 Karlovarský 2 Pardubcký 6 Vysočna 10 Jhomoravský 2 Olomoucký 4 a.s. 7 Středočeský 4 s.r.o. 4 Jhočeský 11 družstvo 19 Plzeňský 4 Lberecký 3 Vysočna 8 a.s. 29 Středočeský 13 s.r.o. 14 Jhočeský 34 družstvo 57 Plzeňský 7 Karlovarský 2 Ústecký 4 Lberecký 3 Pardubcký 6 Vysočna 18 Jhomoravský 6 Olomoucký 7 Pramen: Vlastní zpracování. Indvduální podnková data o výnosech plodn jsou očštěna od trendu (zvolen byl lneární trend), aby byl odstraněn možný vlv technologckých změn. Výnosy plodn (t/ha) jsou vypočítány jako podíl produkce hlavního výrobku (t) a sklzňové plochy (ha). Realzační ceny (Kč/t) jsou podílem tržeb z prodeje hlavního výrobku (Kč) 72

a prodaného množství hlavního výrobku (t). 2 Roky, kdy došlo k výpadku produkce a kdy tržby nebyly realzovány, resp. úroda byla použta ke krmení hospodářských zvířat, jsou označeny jako extrémy (outlers) a z výpočtu vynechány. Výsledky analýzy pro ČR jsou porovnány s Německem, které bylo stejnou metodkou hodnoceno v rámc výzkumu Organzace pro ekonomckou spoluprác a rozvoj (OECD, 2011). OECD dsponovala za Německo 232 farmam s hodnotam v časové řadě 12 let. Strukturální charakterstky českých a německých farem v souboru jsou odlšné, což odpovídá realtě. Zatímco průměrná výměra farmy v souboru za ČR je 1 294 ha, v souboru německých farem hospodaří podnky průměrně na 270 ha. Průměrná podnková výměra pšence ozmé je v souboru českých farem 386 ha, v souboru německých farem 91 ha. Obdobné rozdíly jsou u dalších sledovaných komodt. Strukturální odlšnost mohou samozřejmě výsledky komparace ovlvnt, ncméně dostupnost ndvduálních dat za ČR je velce lmtovaná. Varablta výnosů plodn je hodnocena nejen v prostorové agregac, ale také podle výměry plodny v podnku. Tyto výsledky však není možné srovnat s Německem, protože analýzy OECD nebyly na tuto závslost zaměřeny. Porovnáván je první a čtvrtý kvartl souboru podnků rozděleného podle výměry dané plodny v podnku, protože výběrový soubor reprezentuje převážně velké a velm velké zemědělské podnky a mezpodnkové rozdíly ve výměře plodn nejsou tak významné, jak v českém zemědělství ve skutečnost jsou. Výběrový soubor nereflektuje duální strukturu zemědělských podnků v ČR, kde 29,1 % zemědělské půdy obhospodařuje 86,5 % podnků (podnky fyzckých osob), zbývajících 70,9 % půdy využívá 13,5 % podnků (podnky právnckých osob) 3. 2. Metodka Za ukazatel varablty je zvolen koefcent varace (CV) vypočítaný jako podíl směrodatné odchylky a střední hodnoty jevu v souboru EX. Střední hodnota je aproxmována artmetckým průměrem (dále jen průměr ). Základem pro výpočet varablty výnosů a cen je matce m x n, kde v řádcích jsou řazeny podnky (m podnků) a ve sloupcích roky (n roků). A. Výpočet průměrné podnkové varablty výnosů a cen plodn (farm-level) 1. Varablta hodnot jevu X (výnos, resp. cena) v čase za jednotlvé podnky (koefcent varace): CV σó, kde (1) EX 2 Př analýze rzka by však bylo zajímavé porovnat data o sklzňových plochách s daty o osevních plochách, jelkož ze zemědělské praxe vyplývá zkušenost, že př vyzmování ozmých odrůd polních plodn se poškozené plochy osejí v jarních měsících jarní odrůdou. Výpočet výnosů vztažením sklzené produkce k osevní ploše př konstrukc parametrckých produktů byl v lteratuře jž aplkován (Meuwssen a kol., 2000). Data o osevních plochách nejsou v databáz nákladů a výnosů ÚZEI dostupná, Český statstcký úřad provádí šetření osevních ploch k 31. 5., což je doba, kdy jsou náhradní jarní odrůdy plodn jž zasety. 3 Agrocenzus 2010 Strukturální šetření v zemědělství a metody zemědělské výroby (www.czso.cz). 73

ACTA OECONOMICA PRAGENSIA 2/2013 je směrodatná odchylka hodnot jevu v čase pro jednotlvé podnky EX je artmetcký průměr hodnot jevu v čase pro jednotlvé podnky EX n j1 (x x ) j n x Index označuje podnk ( = 1, 2,, m), ndex j označuje rok (j = 1, 2,, n), X je obecné označení jevu (realzační cena plodny, hektarový výnos), proměnná x j je hodnota jevu pro -tý podnk v j-tém roce. 2. Průměrná podnková varablta jevu X: E(CV) m m CV (2) 1 1 EX m m B. Výpočet průměrné agregované varablty výnosů a cen plodn (aggregate-level) 1. Artmetcký průměr jevu X v souboru v každém roce: EX m x j 1 j, kde (3) m EX j je artmetcký průměr hodnot jevu pro jednotlvé roky (j = 1, 2,, n) za celý soubor podnků ( = 1, 2,, m). 2. Koefcent varace agregovaných dat CV EXj, kde CV EX j x EX j j, kde x j n j1 EX n EX j je směrodatná odchylka artmetckých průměrů jevu X za soubor podnků v čase (j = 1, 2,, n). Vzorce (1) až (4) byly vytvořeny autory podle OECD (2011). V následujících odstavcích je popsán postup analýzy účnnost pojštění v malých a velkých podncích. Protože je v posledních letech předmětem zájmu zejména pojštění rostlnné výroby, je smulace provedena u podnků se specalzací na polní výrobu. Sledován je rozdíl mez účnností zemědělského pojštění v typckých malých a velkých podncích pro tuto kategor výrobního zaměření. Strukturální charakterstky typckých podnků jsou zvoleny tak, aby přblžně odpovídaly průměrným podnkům dané velkostní kategore (malé podnky, největší podnky) a výrobního zaměření (polní výroba) podle typologe FADN (Farm Accountancy Data Network). j n j1 n 2 x j (4),. 74

Tabulka 2 Strukturální a ekonomcké charakterstky typckých podnků Ukazatel Jednotka Malý podnk Velký podnk Pšence ozmá výměra ha/podnk 10,8 466,9 Ječmen jarní výměra ha/podnk 4,5 239,8 Řepka ozmá výměra ha/podnk 5,9 188,7 Ostatní RV výměra ha/podnk 8,5 523,6 Výměra využívané zemědělské půdy ha/podnk 29,7 1 419,1 Žvočšná výroba celkem Kč/podnk 64 279 12 158 409 Ostatní produkce Kč/podnk 32 743 3 985 647 Provozní dotace a podpory* Kč/podnk 175 875 10 540 429 * Platby SAPS, LFA, envronmentální dotace, dotace na výrobní spotřebu, ostatní provozní dotace. Pramen: Vlastní zpracování. Účnností pojštění se rozumí jeho schopnost redukovat pokles krterální proměnné podnku, kterou je v našem případě hrubá přdaná hodnota (HPH). HPH vyjadřuje ekonomcký přínos dosažený z produkce po zaúčtování výrobní spotřeby, provozních dotací a daní a je zdrojem k úhradě odpsů, nákladů na prác, půdu a kaptál. Předpokladem je pojštění tří nejvýznamnějších plodn pšence ozmé, ječmene jarního a řepky ozmé. Krterální proměnnou, která je předmětem smulace, je hrubá přdaná hodnota (v textu dále uváděna zkratkou HPH, ve vzorc označena symbolem Z), kterou je možné algebracky vyjádřt takto: Z p n 1 Z p q c L CRLRORCG (5) hrubá přdaná hodnota podnku (náhodná krterální velčna), realzační cena plodny (náhodná proměnná), q smulovaný hektarový výnos plodny (náhodná proměnná), c přímé náklady 4 plodny (náhodná proměnná), L výměra plodny (determnstcká proměnná), ekonomcký efekt z pojštění plodny vyjádřený rozdílem pojstného plnění a pojstného (náhodná proměnná), CR ostatní tržby z rostlnné výroby mmo pšence ozmé, ječmene jarního a řepky (determnstcká proměnná), LR tržby z žvočšné výroby (determnstcká proměnná), OR ostatní produkce podnku mmo RV a ŽV (determnstcká proměnná), 4 Přímé náklady RV (nejvýznamnější nákladové položky) = osva, hnojva, prostředky ochrany rostln. 75

ACTA OECONOMICA PRAGENSIA 2/2013 C ostatní přímé náklady podnku (determnstcká proměnná), G provozní dotace a podpory z veřejného sektoru (determnstcká proměnná), n počet plodn se smulovaným cenam, výnosy a přímým náklady (n = 3). Ekonomcký efekt z pojštění plodn je možné algebracky vyjádřt takto: p f q f L q n q pf qf L max(0, q ) 1 qf očekávaná cena plodny (determnstcká proměnná), pojštěný výnos plodny (determnstcká proměnná), výměra pojštěné plodny (determnstcká proměnná), prahová hodnota výnosu pojštěné plodny, od které nastává pojstné plnění, (stanovena ve výš 0,9, tj. spoluúčast podnku je 10 %), q smulovaný hektarový výnos plodny (náhodná proměnná), pojstné za pojštění plodny stanovené fxní částkou z očekávaných tržeb (vz níže), n počet plodn se smulovaným cenam, výnosy a přímým náklady (n = 3). Holstcký přístup analýzy spočívá v paralelní smulac všech náhodných proměnných se zohledněním jejch vzájemných korelací. Proměnné p, q, c nejsou zcela nezávslé náhodné velčny. Př smulac Monte Carlo byly uvažovány pouze statstcky významné závslost mez náhodným velčnam na hladně významnost = 0,05. Příloha 1 uvádí hodnoty Spearmanových párových korelačních koefcentů včetně označení statstcky významných párových korelací na hladnách významnost = 0,01 a 0,05. Spearmanova pořadová korelace byla zvolena proto, že podmínkou použtí této metody není normální rozdělení četností hodnot proměnných, jako je tomu u Pearsonovy korelace. Nejvhodnější typ pravděpodobnostního rozdělení je zvolen podle výsledků Anderson-Darlngova testu na hladně významnost = 0,05 Testování rozdělení četnost je založeno na nulové hypotéze H 0, že emprcká data lze považovat za výběr z normálního rozdělení. Pokud je p-hodnota testu nžší, než zvolená hladna významnost = 0,05, pak výběrový soubor neodpovídá teoretcké dstrbuční funkc normálního rozdělení. Vhodnost pravděpodobnostního rozdělení je posouzena také vzuálně z grafu (Hnlca, Fotr, 2009). Z hledska konceptu analýzy účnnost pojštění v malých a velkých podncích je porovnávána hrubá přdaná hodnota př zakoupení pojštění a bez pojštění. Pojstné je vypočteno ve výš 3 % z tržeb u pšence a ječmene (což odpovídá Normatvům zemědělských výrobních technologí 5 ) a 5 % z tržeb u řepky, což odpovídá emprcké zkušenost z pojstného trhu. (6) 5 Normatvy zemědělských výrobních technologí www.agronormatvy.cz (ctováno 12. 12. 2011). 76

Pomocí smulace Monte Carlo bylo generováno 100 scénářů vývoje HPH podnku v závslost na hodnotách náhodných proměnných p, q, c pšence ozmé, ječmene jarního a řepky. Hodnoty náhodných proměnných jsou automatcky generovány z předem zvoleného pravděpodobnostního rozdělení př respektování statstcky významných párových korelací mez náhodným proměnným. Je porovnávána HPH bez pojštění (varanta 1) a př uzavření pojštění (varanta 2), kdy se náklady podnku zvyšují o zaplacené pojstné a výnosy podnku o případné pojstné plnění. Testována je schopnost pojštění kompenzovat pokles HPH v případě dosažení nízké produkce. Kvantfkace účnnost pojštění je provedena komparací varanty 1 a varanty 2 s využtím korelačního koefcentu (CV) rozdělení četností HPH na podnk. CV, kde (7) x je směrodatná odchylka hodnot HPH/podnk za soubor 100 scénářů N N 1 2 (x x), N x 1 je artmetcký průměr hodnot HPH/podnk za soubor 100 scénářů x. N Index označuje scénáře vývoje náhodných proměnných p, q, c ( = 1, 2,, 100), x je hodnota HPH/podnk pro -tý scénář, N je počet smulovaných scénářů (N = 100). Vzorce (5) až (7) byly vytvořeny autory podle OECD (2011). 3. Výsledky Vlv prostorové agregace na rzko volatlty cen a výnosů Porovnáním varablty výnosů a cen na podnkové a agregované úrovn je možné kvantfkovat skutečnou míru rzka, které čelí zemědělské podnky. Graf 1 znázorňuje průměrný koefcent varace výnosů a cen na podnkové a agregované úrovn u pšence ozmé, ječmene jarního a řepky v ČR a Německu. Průměrná varablta výnosů na podnkové úrovn je vyšší než př agregac dat na celý soubor. Protože rzko kolísání výnosů plodn je lokálně specfcké, dobré výnosy v jedné lokaltě mohou vyrovnat pokles výnosů v jné lokaltě v rámc jednoho regonu. To způsobuje zkreslení varablty agregovaných výnosů v porovnání s průměrnou varabltou na podnkové úrovn. Hypotéza H1 byla potvrzena. 77

ACTA OECONOMICA PRAGENSIA 2/2013 Graf 1 Průměrná varablta výnosů a cen na podnkové a agregované úrovn Výnos Řepka ozmá Ječmen jarní Pšence ozmá SRN ČR SRN ČR SRN ČR Cena Výnos Cena Výnos Cena Výnos Cena Výnos Cena Výnos Cena 0,00 0,05 0,10 0,15 0,20 0,25 0,30 Koefcent varace Podnková varablta Agregovaná varablta Pramen: Vlastní výpočty. Dále je důležté vyhodnott varabltu výnosů plodn v závslost na jejch výměře v podnku. Je formulována hypotéza H2, že čím vyšší výměra plodny, tím je menší pravděpodobnost výrazného poškození č úplného znčení úrody a tím nžší je varablta výnosů. Formou krabčkového grafu 2 je znázorněna varablta výnosů pšence, ječmene a řepky v krajních kvartlech podle výměry plodny v podnku. Porovnání dvou krajních kvartlů bylo zvoleno proto, že výběrový soubor je reprezentován hlavně větším podnky právnckých osob a skutečně malé podnky nejsou výběrem podchyceny. Rozdíl ve výměře mez krajním kvartly proto není výrazný, jak je pro ČR typcké. 78

Graf 2 Varablta výnosů plodn v závslost na jejch výměře v podnku 0,4 0,3 Koefcent varace 0,2 0,1 m = 22 m = 22 m = 13 m = 13 m = 14 m = 14 0,0 I. kvartl (<= 204,7 ha) IV. kvartl (> 503,5 ha) I. kvartl (<= 139,7 ha) IV. kvartl (> 337,1 ha) I. kvartl (<= 129,2 ha) Pšence ozmá Ječmen jarní Řepka ozmá IV. kvartl (> 265,7 ha) Pramen: Vlastní výpočty. V prvním kvartlu souboru rozděleném podle průměrné výměry plodny je ve všech případech dosaženo vyššího medánu koefcentu varace než ve čtvrtém kvartlu. V případě ječmene to platí také, ncméně v podncích s vyšší výměrou jarního ječmene je rozpětí varablty mnohem větší než v podncích s malou výměrou. To je způsobeno výskytem jednoho podnku s varabltou ječmene 0,35, u něhož došlo v roce 2007 k výpadku výnosů pravděpodobně z důvodu nepříznvého počasí. V případě nezahrnutí tohoto podnku do výpočtu by byla maxmální varablta výnosů ječmene ve čtvrtém kvartlu výměry 0,26, což je méně než v prvním kvartlu (0,29). Pokud bychom hodnotl závslost varablty výnosů na průměrné výměře plodn v celém výběrovém souboru (nkolv v jen krajních kvartlech) pomocí Pearsonova korelačního koefcentu, dospěl bychom k následujícím hodnotám pšence (r = -0,19, p = 0,0712), ječmen (r = 0,02, p = 0,9129), řepka (r = -0,18, p = 0,1817). Z ukazatele p-value korelačních koefcentů vyplývá, že v rámc celého výběrového souboru nebyla zjštěna statstcky významná závslost mez průměrnou výměrou plodny v podnku a varabltou výnosů plodny v čase. Hypotéza H2 tedy nebyla statstcky prokázána. Pokud bychom kombnoval závěry k hypotézám H1 a H2, můžeme vysledovat paralelu mez rzkovou expozcí podnků a států jako průměrných podnků. Bylo potvrzeno, že průměrná podnková varablta výnosů plodn v Německu je vyšší (nebo rovna v případě pšence ozmé) než v ČR. Tento jev je možno vysvětlt tím, že 79

ACTA OECONOMICA PRAGENSIA 2/2013 v Německu jsou podnky v průměru menší než v ČR a různorodější z hledska přírodních podmínek (vzhledem k velkost Německa). Naopak agregovaná varablta výnosů je v ČR větší než v Německu, což může být důsledek toho, že zemědělsky obhospodařované území v ČR je menší než v Německu a ČR jako celek má relatvně heterogenní produkční podmínky. To je v souladu se zjštěním, že čím větší podnk, tím stablnější výnosy a nžší produkční rzko. Větším podnkem můžeme na agregované úrovn chápat Německo jako celek, zatímco na podnkové úrovn zemědělské podnky v ČR. Tabulka 3 ukazuje rozdílné rzkové prostředí př pěstování oblovn a řepky. Hodnoty uvedené v tabulce nejsou korelační koefcenty, ale podíl podnků se stejnou charakterstkou rzkového prostředí, např. podíl podnků s vyšší než agregovanou varabltou výnosů. Tabulka 3 Podíl podnků s podobným rzkovým prostředím v ČR (%) Charakterstka rzkového prostředí Pšence ozmá Ječmen jarní Řepka Vyšší varablta výnosů než agregovaná 93,3 90,2 85,7 Výraznější kolísání výnosů než cen 22,2 17,6 87,5 Nepřímá korelace mez cenou a výnosem 32,2 41,2 78,6 Poznámka: Nepřímá korelace mez cenou a výnosem je vyjádřena záporným Pearsonovým koef centem korelace mez výnosy plodny a realzační cenou plodny (bez ohledu na statstckou významnost korelace). Pramen: Vlastní výpočty z dat ÚZEI. Podíl podnků s vyšší ndvduální varabltou výnosů než agregovanou je u pšence ozmé 93,3 % podnků, u ječmene jarního 90,2 % a u řepky ozmé 85,7 % podnků. Vyšší rzko (varablta) výnosů se u oblovn vyskytuje přblžně u jedné pětny podnků, zatímco u řepky je vyššímu rzku kolísání výnosů vystaveno 87,5 % podnků v souboru. Protchůdný pohyb výnosů a cen v čase (záporný korelační koefcent mez cenou a výnosem) se vyskytuje ve výrazně větší míře u řepky, než u pšence a ječmene. Tabulka 3 tedy poukazuje na rozdílný charakter rzka výnosů a cen u jednotlvých plodn. 4. Účnnost pojštění v malých a velkých podncích Grafy 3 a 4 znázorňují vlv pojštění na úroveň HPH typckého podnku specalzovaného na polní výrobu v závslost na hodnotě zemědělské produkce podnku. V přílohách 2 a 3 jsou uvedeny příklady scénářů analýzy účnnost zemědělského pojštění v malém a velkém podnku s převažující polní výrobou. 80

Graf 3 Účnnost zemědělského pojštění v malém podnku (polní výroba) 900 000 800 000 y = 0,909x - 306 174 700 000 HPH / podnk (Kč) 600 000 500 000 400 000 300 000 y = -3E-12x 3 + 7E-06x 2-5,6583x + 2E+06 200 000 100 000 0 400 000 500 000 600 000 700 000 800 000 900 000 1 000 000 1 100 000 1 200 000 1 300 000 Produkce celkem / podnk (Kč) HPH s pojštěním HPH bez pojštění Polyg. (HPH s pojštěním) Lneární (HPH bez pojštění) Pramen: Vlastní výpočty z dat ÚZEI. Graf 4 Účnnost zemědělského pojštění ve velkém podnku (polní výroba) 40 000 35 000 y = 0,9164x - 3E+07 30 000 y = 0,8892x - 2E+07 25 000 HPH / podnk (ts. Kč) 20 000 15 000 10 000 5 000 0 40 000 45 000 50 000 55 000 60 000 65 000 70 000 Produkce celkem / podnk (ts. Kč) HPH s pojštěním HPH bez pojštění Lneární (HPH s pojštěním) Lneární (HPH bez pojštění) Pramen: Vlastní výpočty z dat ÚZEI. 81

ACTA OECONOMICA PRAGENSIA 2/2013 Z hledska ověření hypotézy H3 je možné porovnáním koefcentu varace HPH/ podnk př zakoupení pojštění a bez pojštění konstatovat, že zemědělské pojštění je schopno redukovat pokles příjmů (resp. hrubé přdané hodnoty) účnněj v malých podncích. Koefcent varace HPH/podnk za soubor 100 scénářů bez použtí pojštění je u malých podnků 0,42, zatímco př použtí pojštění klesne na 0,29. 6 Příčnou je menší míra dverzfkace zemědělských čnností a nžší prostorová dverzfkace aktvt v malých podncích. Malé podnky s převažující polní výrobou mají podíl žvočšné produkce na celkové produkc přblžně 5 10 %, zatímco u velkých podnků s převažující polní výrobou je tento podíl v průměru více než dvojnásobný. Velké podnky mají také větší podíl nezemědělských čnností, kterým mohou stablzovat příjem. Z hledska prostorové dverzfkace aktvt hospodaří malé podnky zpravdla v jedné lokaltě a případná škoda posthne značnou část příjmů, na rozdíl od velkých podnků, které mívají často středska rozložena ve více lokaltách (často v různých okresech) a příjmy těchto podnků bývají postženy systematckým rzky s plošným působením. V grafu 3 je patrný bod zvratu, který označuje objem produkce, od kterého je pojštění čstým výdajem. Př poklesu produkce pod tento bod jsou příjmy z pojstného plnění schopny pokles příjmů zpomalt. Naprot tomu v grafu 4 tento bod zvratu patrný není a projevl by se až př velm malém objemu produkce (přímky se sbíhají zprava doleva). Bod zvratu byl patrný jak u malých podnků (průměrná výměra 30 ha), středních podnků (průměrná výměra 120 ha), větších podnků (průměrná výměra 450 ha), nkolv však u velkých a největších podnků (průměrná výměra 1 420 ha). Z toho vyplývá, že pojštění není pro velké a velm velké podnky vhodnou strategí řízení příjmových rzk a vzhledem k objemu a struktuře produkce pro ně znamená spíše náklad než beneft. Závěry Cílem článku bylo vyhodnott prostorová a komodtní specfka ovlvňující rzkové prostředí zemědělských podnků v ČR. V první část byla kvantfkována úroveň výnosového a cenového rzka ve středních a velkých zemědělských podncích na komodtní, podnkové a agregované úrovn u hlavních zemědělských plodn pěstovaných v ČR. Výsledky jsou porovnány s Německem. Z hledska úrovně výnosového a cenového rzka v zemědělství na podnkové a agregované úrovn v ČR je možné potvrdt hypotézu H1, že průměrné rzko kolísání výnosů a cen plodn je v ČR na podnkové úrovn vyšší, než na agregované úrovn souboru podnků. Rozdíly mez charakterem rzka výnosů a rzka cen v zemědělském podnku exstují dference mez průměrnou podnkovou a agregovanou varabltou výnosů je vyšší než v případě varablty cen. Rzko kolísání cen má tedy obecně více systematcký charakter a je obtížněj dverzfkovatelné. Stejné zjštění vyplývá z analýz provedených OECD stejnou metodkou v Německu. 6 U velkých podnků je koefcent varace přblžně shodný v případě zakoupení pojštění (0,20) bez něj (0,21). 82

Indvduální charakter rzka v zemědělství byl analyzován ověřováním hypotézy H2, že menší výměra plodny v podnku zvyšuje rzko kolísání výnosů plodny. Závslost je možné pozorovat př porovnání prvního a čtvrtého kvartlu podnků tříděných podle průměrné výměry dané plodny ve sledovaných deset letech. Na úrovn celého výběrového souboru však nebyla závslost statstcky prokázána, a hypotéza H2 tak nebyla potvrzena. V druhé část článku byl hodnocen vlv účnnost pojštění rostlnné výroby na úroveň rzka malých a velkých zemědělských podnků specalzovaných na polní výrobu. S využtím smulačního přístupu byla potvrzena hypotéza H3, že účnnost pojštění rostlnné výroby je větší v malých než ve velkých podncích s převažující polní výrobou. Z uvedených zjštění vyplývají následující mplkace pro podnkovou, výzkumnou a deczní sféru. Jednotlvé zemědělské podnky čelí odlšnému rzku v závslost na projevech počasí, stuac na trhu (manažersky neovlvntelné faktory) a kvaltě rozhodovacího procesu v podnku (manažersky ovlvntelný faktor). Zdroje varablty výnosů a cen předurčují optmální stratege řízení rzk na úrovn podnků a projevují se v nformační asymetr, kdy jednotlvé podnky mají lepší nformace o své skutečné rzkové expozc než sféra pojšťoven, výzkumu a státní správy. Indvduální charakter rzka v zemědělství má také agrárně poltcké důsledky. Podpora veřejného sektoru by neměla směřovat k tvorbě jednotného plošného systému řízení rzk v zemědělství a dlouhodobé podpoře vybraných nástrojů řízení rzk. Opatření poltky by spíše měla stmulovat zemědělské podnky k hledání vlastního optmálního mxu nástrojů ve strategckém řízení podnku vzhledem ke zdrojům rzka, kterým podnky čelí. Negatvní působení většny přímých státních subvencí, jakou je třeba podpora formou dotování část pojstného, se může projevt ve vytěsňování ostatních proaktvních strategí řízení rzk, jako je například dverzfkace zdrojů příjmů. Z pohledu zemědělských podnků je též otázkou, zda dotace pojstného vyplácené ex post (systém ČR) jsou zemědělcům volně k dspozc stejně jako přímé platby k jakémukolv účelu, nebo zda jsou touto podporou reálně stmulován k nákupu zemědělského pojštění. Subvencování zemědělského pojštění snžuje efektvnost transferu plateb z veřejných rozpočtů zemědělským podnkům, pro které je dotace pojstného reálným užtkem jen z část (část, která představuje rozdíl mez skutečným a spravedlvým pojstným) a zbytek představuje faktcky dotac na pěstované plodny a podporu pojšťoven č pojšťovacích agentů. Vyšší ctlvost malých zemědělských podnků k rzkům počasí má vlv na výběr vhodných strategí řízení rzk. Podnky s malou výměrou využívané zemědělské půdy jsou v ČR většnou specalzované na polní výrobu a případný výkyv produkce rostlnné výroby není dostatečně kompenzován produkcí žvočšné výroby an nezemědělským čnnostm. Rozvoj dverzfkace aktvt u malých podnků naráží na baréry omezené kapacty, kaptálové vybavenost a úvěrového omezení. Naprot tomu velké a velm velké podnky jsou schopny lokální škody způsobené počasím zvládat lépe, protože využívají výhod prostorové dverzfkace plodn (rozložení pěstebních ploch na větší území), smíšeného charakteru výroby s významným zastoupením žvočšné výroby 83

ACTA OECONOMICA PRAGENSIA 2/2013 a také lepší kaptálové vybavenost pro provozování přdružené výroby a nezemědělských aktvt. Ze zkušenost také vyplývá, že velké podnky mohou stablzovat peněžní toky skladováním produkce a vhodným načasováním prodeje a dsponují také větší vyjednávací slou vůč obchodním partnerům. Pro malé zemědělské podnky je vhodnější strategí řízení příjmových rzk komerční zemědělské pojštění. Tyto podnky čelí obecně vyššímu rzku varablty příjmů a účnnost pojštění snžovat ztrátu v důsledku realzace škody byla prokázána. Malým zemědělským podnkům je možné doporučt také strateg kooperace, například v podobě zakládání organzací producentů a vzájemných fondů řízení rzk. Návrh Společné zemědělské poltky EU (SZP) po roce 2013 dokonce předpokládá fnanční podporu těmto sdružením a spolufnancování vzájemných fondů pro krytí důsledků rzka nákazy a hromadných onemocnění zvířat, chorob rostln a ekologckých škod. Naprot tomu velké zemědělské podnky by měly využívat strateg dverzfkace a to jak dverzfkace výrobní, tak prostorové. Účnnost pojštění u velkých podnků (z hledska velkost typu akcových společností a družstev) je nízká a pro tyto podnky představuje pojštění spíše náklad než beneft. Z hledska dentfkace zásady pro zajštění optmální formy subvencování zemědělského pojštění s ohledem současnou úroveň efektvnost podpory pojštění ze státního rozpočtu v ČR je možné formulovat následující doporučení pro deczní sféru. Vzhledem k relatvně dobře rozvnutému trhu se zemědělským pojštěním v ČR postupně omezovat přímou podporu zemědělského pojštění formou subvencování část pojstného. Rzkem může být pokles propojštěnost zejména v rostlnné výrobě. S ohledem na dosavadní vývoj propojštěnost lze odhadnout pokles v pesmstcké varantě ze současných 50 % ploch na 30 % ploch, což byla propojštěnost před zavedením dotací pojstného. Určtým kompromsem by mohlo být omezení podpor pro podnky od určté výměry, u nchž jž není pojštění efektvní, a pokračování v dotování pojstného pro malé podnky. Dferencace podpory by však znamenala znevýhodnění určté velkostní skupny podnků. Stanovení mezních velkostí podnků je výzvou pro další výzkum. Nezbytnou součástí systému řízení zemědělských rzk v ČR by měla být také vyšší podpora dverzfkace zemědělské výroby a dverzfkace čnností nezemědělské povahy. Veřejný sektor by měl také pomoc koordnovat vzdělávací akce a podporovat nezávslé poradenství v oblast analýzy a řízení rzk, čemuž může napomoc lepší cílení opatření poltky po roce 2013 na transfer znalostí. K řízení rzk, prot nmž není možné uzavřít komerční pojštění, je vhodné využít vzájemné fondy. Je proto žádoucí pokračovat v dlouhodobé snaze pracovní skupny koordnované Podpůrným a garančním rolnckým a lesnckým fondem, a. s. o zřízení fondu s částečným spolufnancováním ze strany zemědělských subjektů. Lteratura CARTER, H. O.; DEAN G. W. Income, Prce, and Yeld Varablty for Prncpal Calforna Crops and Croppng Systems. Hlgarda. 1960, no. 30, pp. 175 218. COBLE, K. H.; DISMUKES, R.; THOMAS, S. Polcy Implcatons of Crop Yeld and Revenue Varablty at Dfferng Levels of Dsaggregaton. Portland : Amercan Agrcultural Economcs Assocaton, 2007. DEBRAH, S.; HALL, H. H. Data aggregaton and farm rsk analyss. Agrcultural Systems. 1989, vol. 31, no. 3, pp. 239 245. 84

EISGRUBER, L. M.; SCHUHMAN, L. S. The usefulness of aggregated data n the analyss of farm ncome varablty and resource allocaton. Journal of Farm Economcs. 1963, vol. 45, no. 3, pp. 587 591. HARWOOD, J. L. a kol. Managng Rsk n Farmng: Concepts, Research and Analyss. Agrcultural Economc Report No. 774. Washngton, D.C. : USDA Economc Research Servce, 1999. HNILICA, J.; FOTR, J. Aplkovaná analýza rzka ve f nančním managementu a nvestčním rozhodování. Praha : Grada, 2009. ISBN 978-80-247-2560-4. MEUWISSEN, M. P. M.; VAN ASSELDONK, M. A. P. M.; HUIRNE, R. B. M. The Feasblty of a Dervatve for the Potato Processng Industry n Netherlands. Meetng of the Southern Assocaton of Economcs and Rsk Management n Agrculture, Alabama, 2000, March 23 25. OECD. Managng Rsk n Agrculture. A Holstc Approach. Pars : OECD, 2009. ISBN 978-92-64-07530-6. OECD. Managng Rsk n Agrculture: Polcy Assessment and Desgn. Pars : OECD, 2011. ISBN 978-92-64-11609-2. POPP, M.; RUDSTROM, M.; MANNING, P. Spatal Yeld Rsk Across Regon, Crop and Aggregaton Method. Canadan Journal of Agrcultural Economcs. 2005, vol. 53, no. 2 3, pp. 103 115. RUDSTROM, M. POPP, M. MANNING, P. GBUR, E. 2002. Data Aggregaton Issues for Crop Yeld Rsk Analyss. Canadan Journal of Agrcultural Economcs, No. 50, pp. 185-200. Přílohy Příloha 1 Spearmanovy korelační koefcenty závslostí mez výnosem, cenou a varablním náklady (náhodné proměnné) ve výběrovém souboru podnků p_pšence q_pšence c_pšence p_ječmen q_ječmen c_ječmen p_řepka q_řepka c_řepka p_pšence 1,00 0,33** 0,05 0,89** -0,27 0,09 0,62** 0,05-0,08 q_pšence 1,00 0,14-0,01 0,78** 0,19-0,21 0,73** 0,17 c_pšence 1,00 0,43** 0,06 0,94** 0,64** -0,08 0,93** p_ječmen 1,00 0,22 0,23 0,77** 0,08 0,21 q_ječmen 1,00 0,16-0,05 0,38* 0,19 c_ječmen 1,00 0,59** 0,19 0,90** p_řepka 1,00-0,29* 0,20 q_řepka 1,00 0,03 c_řepka 1,00 Poznámka: p označuje cenu, q označuje hektarový výnos, c označuje přímé náklady. * Korelace je statstcky významná na hladně významnost 0,05. ** Korelace je statstcky významná na hladně významnost 0,05 0,01. Pramen: Vlastní výpočty z dat ÚZEI. 85

ACTA OECONOMICA PRAGENSIA 2/2013 Příloha 2 Příklady scénářů k hodnocení účnnost zemědělského pojštění v malých podncích (polní výroba) Náhodné proměnné Výsledky smulace Proměnné Pšence ozmá (cena) Pšence ozmá (výnos) Pšence ozmá (př. nákl.) Ječmen jarní (cena) Ječmen jarní (výnos) Ječmen jarní (př. nákl.) Řepka (cena) Řepka (výnos) Řepka (př. nákl.) Produkce celkem HPH s pojštěním HPH bez pojštění Scénáře Kč/t t/ha Kč/ha Kč/t t/ha Kč/ha Kč/t t/ha Kč/ha Kč Kč Kč S1 2 864 0,45 10 291 4 191 2,63 10 976 8 373 1,07 18 895 428 549 355 240 55 575 S2 3 947 0,51 7 554 4 277 1,60 9 178 8 615 1,45 15 939 437 945 417 631 119 975 S3 2 648 1,93 11 157 3 856 2,62 11 689 8 214 1,02 19 193 461 796 297 856 74 527 S51 5 180 4,27 10 677 4 828 3,87 10 753 10 453 1,89 16 346 750 719 417 186 389 668 S52 4 315 4,72 9 628 4 420 3,65 10 403 7 337 3,48 18 185 754 568 379 950 395 506 S53 3 039 7,26 9 260 3 620 5,74 10 586 6 533 3,24 19 094 767 882 388 403 406 578 S98 5 336 8,55 12 232 4 639 4,96 13 327 9 495 4,18 19 415 1 140 933 715 224 733 399 S99 4 515 8,90 14 464 4 769 7,41 16 432 8 986 5,09 24 901 1 173 879 677 737 695 912 S100 4 805 9,45 10 785 4 826 7,56 11 813 7 550 4,84 22 670 1 180 299 757 750 775 925 Pramen: Vlastní výpočty z dat ÚZEI. Příloha 3 Příklady scénářů k hodnocení účnnost zemědělského pojštění ve velkých podncích (polní výroba) Náhodné proměnné Výsledky smulace Proměnné Pšence ozmá (cena) Pšence ozmá (výnos) Pšence ozmá (př. nákl.) Ječmen jarní (cena) Ječmen jarní (výnos) Ječmen jarní (př. nákl.) Řepka (cena) Řepka (výnos) Řepka (př. nákl.) Produkce celkem HPH s pojštěním HPH bez pojštění Scénáře Kč/t t/ha Kč/ha Kč/t t/ha Kč/ha Kč/t t/ha Kč/ha ts. Kč ts. Kč ts. Kč S1 2 035 5,94 9 651 2 969 5,28 9 664 5 106 2,77 19 212 41 836 12 944 13 772 S2 2 578 4,57 9 845 4 066 4,24 9 211 6 356 2,36 17 894 42 234 14 510 14 436 S3 2 743 5,43 11 012 3 145 4,69 10 457 7 132 1,81 19 925 42 695 14 431 13 670 S51 5 145 5,41 9 903 4 817 3,70 9 741 9 953 2,12 16 274 51 017 23 894 23 371 S52 4 074 5,86 12 512 4 807 4,49 11 150 8 967 2,95 17 422 51 082 20 836 21 663 S53 3 688 5,84 15 099 4 503 4,83 13 898 10 048 3,21 19 853 51 130 18 557 19 385 S98 4 715 8,46 13 186 5 037 5,82 13 654 9 326 3,58 20 743 61 724 29 935 30 763 S99 5 047 8,31 11 980 5 074 5,96 10 873 8 224 4,07 18 340 62 915 32 810 33 637 S100 4 939 8,79 12 535 5 003 6,17 12 736 9 354 4,57 19 160 65 503 34 538 35 365 Pramen: Vlastní výpočty z dat ÚZEI. 86

DETERMINANTS OF THE RISK ENVIRONMENT IN AGRICULTURAL ENTERPRISES IN THE CZECH REPUBLIC Abstract: The ncome of agrcultural enterprses has always been nfl uenced by both weather and prce volatlty. Nevertheless, the rsk envronment of varous farms seems not to be the same. Smlarly, rsk factors are not ndependent of each other. The am of the paper s to assess the spatal and commodty partculartes determnng the rsk envronment of agrcultural enterprses n the Czech Republc. Wthn the man objectve, the eff cency of crop nsurance dependng on farm sze s also consdered. Usng calculaton of statstcal ndcators of varablty n the panel data, as well as Monte Carlo smulaton, dfferences n farm rsk exposure and eff cency of crop nsurance between small and large farms were found. It was found that the rsk of crop prce volatlty s generally of a more systemc nature and t s more dff cult to dversfy than the rsk of crop yeld volatlty. The hypothess that smaller crop acreage ncreases the rsk of farm crop yeld fl uctuaton was not statstcally conf rmed wthn a set of medum and large agrcultural enterprses. In the sample of typcal farms wth specalzed crop f eld types of farmng, t was revealed that agrcultural nsurance s more effectve for small farms than for large agrcultural enterprses. Based on the man f ndngs, we make some recommendatons for the busness sector and polcy makers. Keywords: agrculture, rsk management, rsk envronment, Monte Carlo smulaton, holstc approach JEL Classfcaton: M11, Q18, D81 HEŘMAN, J. Оценка имущества. 1. vyd. Praha : Vysoká škola ekonomcká, Nakladatelství Oeconomca, 2012. 154 s. ISBN 978-80-245-1850-3. Publkace seznamuje čtenáře jednak s metodam oceňování nehmotného majetku, movtého majetku nemovtostí, jednak s významem a postavením znalců a odhadců majetku. Také vysvětluje pojmy cena a hodnota a jejch modfkace. Dále přblžuje jednotlvé oceňovací standardy používané v České republce a konfrontuje je s přístupy používaným ve vyspělých zemích Evropské une. Představuje a porovnává jednotlvé metody oceňování, vysvětluje rozdíly mez admnstratvním a tržním způsobem stanovení hodnoty majetku. Autor rovněž uvádí čtenáře do problematky praktckých postupů př ocenění majetku podle platných norem jak podle Zákona o oceňování majetku, tak na tržním prncpu. 87