【摘要】地震指数保险是我国巨灾保险制度的重要组成部分。然而，由于地震灾害发生频率低、造成的经济损失高且随机性强，地震指数保险的赔付结构设计往往会面临样本量不足、灾害损失预测不准确等问题，导致严重的基差风险。本文提出了一种新的指数保险设计方法，首先将传统广义可加模型的训练结果与决策树结构相结合，使连续型指数离散化，同步提高了地震损失预测、指数保险设计结果的稳健性和实际可行性。借鉴迁移学习思想，设计具有参数软共享结构的多任务改进决策树模型，最终实现不同区域地震损失数据的增强。基于1949—2019年我国历史地震灾害，基于三个目标区域，包括云南，新疆，以及西藏、青海、甘肃、宁夏，验证新方法对于降低地震指数保险样本外基差风险的优势，并应用“频率–强度”模型框架计算保费，为完善我国巨灾保险制度提供理论参考和实践依据。