本文从国家政策和收入保险发展的角度出发,建立了产量风险、价格风险和收入风险子系统,明确刻画出山东省玉米收入保险的风险和费率的厘定。微观上通过建立模型确定了公平合理的收入保险费率,有助于保障农户种植收入并降低保险公司的负担;宏观上为打赢新型金融武器下的粮食保卫战提供实证经验,同时对分散国家的粮食安全风险、农业现代化和乡村振兴等战略具有积极效益。产量风险中通过综合灰色关联度确定了年份和上期单产等时间因素、上期平均气温和日照时长等气象因素与单产变化的趋势相近,并通过灰色预测GM（1,1）和主成分回归PCR的混合模型得到了 2005-2019年山东省16市单产的平均减产率、灾害频率和变异系数等风险指标。发现威海、东营和日照这沿海三市的单产风险最大,且混合模型的减产率整体低于山东省风险评级的地方标准临界值,最终借助减产率划分出山东省轻中重三种不同单产风险的空间分布。价格风险中从供需和上下游农产品等10个因素中剔除了上期进口量,以2005年9月-2020年4月为训练集,2020年5月-2021年12月为测试集,比较了不考虑相关因素的时间序列模型和考虑相关因素的RBF、单层单向多步的LSTM神经网络。发现RBF中扩展速度的增加对模型误差的影响不大,中间神经元数目的影响较为敏感且最大神经元数目大于20后易出现过拟合,最终确定了 ARIMA和单层单向6步的多变量LSTM神经网络分别最适用于不同数据维度下玉米月度期货价格的预测。收入风险系统中通过VineCopula藤结构分别确定了三次自然样条回归去趋势后上述系统中三个风险等级的年度玉米单产、玉米价格和大豆价格的最优联合分布,并利用蒙特卡洛模拟计算出山东省不同单产风险不同覆盖率下玉米收入保险的费率。发现不同风险的藤结构明显不同,且本系统相比传统保费考虑到了综合依赖关系故而得到了更全面的保费计算。本文的创新点是通过定性定量法相结合来建立了较全面的山东省玉米收入保险的生态系统,一方面得到了玉米收入的相关产价指标并对产价的趋势预测尝试了多种模型的比较;另一方面费率厘定的对象转换为风险区划且借助VineCopula考虑了大豆期货价格与玉米产价的上下尾相关性,不足之处是由于数据量不大导致模型的调参和比较受限。