Les rendements historiques des exploitations agricoles sont au centre de la conception et de la prestation d’un programme d’assurance récolte individuel et ils constituent la base pour établir les niveaux et les taux de couverture. Par contre, la rareté et la crédibilité des données, principalement le manque de données sur le rendement des exploitations agricoles, rendent difficile le calcul des pertes individuelles attendues. Par conséquent, des données cumulées au niveau des pays sont souvent utilisées pour établir une prime de base, ce qui peut contribuer à des sélections adverses et ainsi à des pertes pour le programme. J’ai développé un nouveau model relationnel pour prédire les distributions des rendements des exploitations agricoles en l’absence de données sur ces rendements pour améliorer la précision du calcul des primes d’assurance récolte. Ce modèle relationnel définie une mesure de similitude fondée sur une distance euclidienne pour sélectionner un comté optimal comme comté de référence d’où des données de rendements seront « empruntées ». Une analyse empirique démontre que le modèle relationnel obtient des erreurs de prédiction inférieures au modèle de référence au niveau de la moyenne et de l’écart-type et il se rapproche plus étroitement de la prime réelle.