商業(yè)車險(xiǎn)改革

劉艷

[摘要]車聯(lián)網(wǎng)是汽車物聯(lián)網(wǎng)的簡稱，是一種汽車信息服務(wù)。在車輛保險(xiǎn)中推廣應(yīng)用車聯(lián)網(wǎng)保險(xiǎn)模式，不僅能夠使保險(xiǎn)經(jīng)營走向更加科學(xué)和規(guī)范的軌道，更重要的是，這種模式能夠很好地發(fā)揮保險(xiǎn)的正外部性特征。與此同時(shí)，在車輛保險(xiǎn)領(lǐng)域推廣應(yīng)用車聯(lián)網(wǎng)技術(shù)也能夠有力推動我國車聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展，繼而推動相關(guān)領(lǐng)域的技術(shù)進(jìn)步。

[關(guān)鍵詞]車聯(lián)網(wǎng) 保險(xiǎn)

車聯(lián)網(wǎng)是以駕乘者的體驗(yàn)為服務(wù)核心，運(yùn)用汽車制造、無線通信技術(shù)、數(shù)據(jù)分析、物聯(lián)網(wǎng)和互聯(lián)網(wǎng)等技術(shù)，將駕乘者與周圍環(huán)境有機(jī)聯(lián)系起來，以實(shí)現(xiàn)整個系統(tǒng)綜合廣泛的應(yīng)用，從而構(gòu)成網(wǎng)絡(luò)生態(tài)系統(tǒng)。

在車輛保險(xiǎn)的發(fā)展過程中，定價(jià)模式一直是推動車輛保險(xiǎn)進(jìn)步的重要因素。按照發(fā)展階段的不同，車輛保險(xiǎn)的定價(jià)方式主要有保額定價(jià)、車型定價(jià)及使用定價(jià)三類。我國目前仍處于保額定價(jià)階段，并正在向半保額、半車型定價(jià)過渡。而從國外發(fā)達(dá)保險(xiǎn)市場的情況看，車輛保險(xiǎn)已經(jīng)開始進(jìn)入使用定價(jià)（UBI）階段。

無論是保額定價(jià)還是車型定價(jià)，在這些傳統(tǒng)的定價(jià)模式中，定價(jià)因子包括從車、從地、從用和從人等因素。車聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的出現(xiàn)，給我們破解傳統(tǒng)定價(jià)模式局限帶來可能，基于UBI技術(shù)的車聯(lián)網(wǎng)保險(xiǎn)模式應(yīng)運(yùn)而生。在UBI定價(jià)模式中，“用”和“人”更多是指動態(tài)概念。車聯(lián)網(wǎng)保險(xiǎn)除了在定價(jià)方面將破解從前面臨的難題外，還能在防止盜竊風(fēng)險(xiǎn)和保險(xiǎn)欺詐方面發(fā)揮很好的作用。

一、傳統(tǒng)車險(xiǎn)定價(jià)模型及問題

車險(xiǎn)實(shí)務(wù)中，對于費(fèi)率的確定，比較廣泛采用的模型是加法模型和乘法模型。二者的本質(zhì)思想類似：將選定的每個風(fēng)險(xiǎn)分類變量都分為離散的若干個級別，每一個級別對應(yīng)一個級別相對數(shù)，通過級別相對數(shù)的組合來確定每一個風(fēng)險(xiǎn)單元的費(fèi)率。二者的區(qū)別在于級別相對數(shù)的組合方式不同：加法模型采用級別相對數(shù)相加的方式，而乘法模型則采用級別相對數(shù)相乘的方式。

以上兩種傳統(tǒng)的線性模型的形式十分簡單，采用的邊際總和法的方法也比較容易。但無論是模型本身，還是估計(jì)參數(shù)用的邊際總和法，都存在著一定的問題。

第一：邊際總和法的適用性存在問題。經(jīng)驗(yàn)表明，通過一個風(fēng)險(xiǎn)因素分類的結(jié)果是粗略的，遠(yuǎn)不足以將所有的被保險(xiǎn)人分為風(fēng)險(xiǎn)同質(zhì)的群體。對于一個風(fēng)險(xiǎn)異質(zhì)性較大的群體，大數(shù)法則是不適用的。因此，假設(shè)經(jīng)過一個因素的分類，就可以使各類的實(shí)際損失與理論損失嚴(yán)格相等，其條件是不充分的。

第二：這兩個模型都假設(shè)損失變量是連續(xù)隨機(jī)的并且服從正態(tài)分布，實(shí)際上這一假設(shè)往往不成立。

第三，通過加法模型和乘法模型擬合的結(jié)果并不一致，特別是當(dāng)損失的分布很不均勻時(shí)，對于較大幅度偏離總體平均損失水平的那些風(fēng)險(xiǎn)單元，兩種方法求得的費(fèi)率結(jié)果差別可能會很大。

第四：這兩種方法的準(zhǔn)確性難以衡量。因?yàn)槿狈ο鄳?yīng)的統(tǒng)計(jì)檢驗(yàn)手段，這使得我們無法比較哪一個模型對實(shí)際數(shù)據(jù)的擬合程度更高；同時(shí)，亦無法鑒別所選用的風(fēng)險(xiǎn)分級變量是否合適，因此，對于風(fēng)險(xiǎn)分類變量的選取以及風(fēng)險(xiǎn)分級的確定，很大程度上需要依賴于主觀的判斷。

二、車聯(lián)網(wǎng)保險(xiǎn)的總體框架

車聯(lián)網(wǎng)保險(xiǎn)的基本特征是基于使用定價(jià)，即UBI模式，可將其準(zhǔn)確表述為將與使用相關(guān)的風(fēng)險(xiǎn)因子納入定價(jià)模型，其中最重要的部分是駕駛行為。

車輛保險(xiǎn)的定價(jià)原理是將車輛“純風(fēng)險(xiǎn)損失”進(jìn)行分解，首先是出險(xiǎn)率和案均損失，其次是分析與這兩個因素有關(guān)的因子，最后是尋求不同因子之間的函數(shù)關(guān)系。從傳統(tǒng)定價(jià)模式看，由于存在數(shù)據(jù)獲取方面的局限性，因此，人們更多的是使用“從車”因子，如車輛的價(jià)值、類型、使用性質(zhì)等，而在“從人”因子方面，也大都采用一些相對靜態(tài)的類屬因子，如性別、年齡、職業(yè)和婚姻狀態(tài)等。盡管人們知道影響“出險(xiǎn)率”最大和最直接的因子應(yīng)當(dāng)是與人的駕駛行為相關(guān)的因子，同時(shí)，人們也知道根據(jù)實(shí)際使用情況確定價(jià)格才是最合理的。但苦于沒有一種技術(shù)手段能夠解決數(shù)據(jù)采集問題，而車聯(lián)網(wǎng)技術(shù)的出現(xiàn)，給這個問題的解決提供了可能。

與傳統(tǒng)的車險(xiǎn)數(shù)據(jù)采集系統(tǒng)不一樣，車聯(lián)網(wǎng)技術(shù)能夠獲得人、車、環(huán)境三方面的信息，信息量大、數(shù)據(jù)準(zhǔn)確性高。從車聯(lián)網(wǎng)數(shù)據(jù)的整體來看主要有以下三個顯著特點(diǎn)：

第一：數(shù)據(jù)類型多。保險(xiǎn)市場的不確定性受到許多因素的影響。數(shù)據(jù)的類型既有數(shù)值型的也有非數(shù)值型的。傳統(tǒng)的基于統(tǒng)計(jì)學(xué)的粗略地分析，往往都是分析人員對大量統(tǒng)計(jì)數(shù)據(jù)憑經(jīng)驗(yàn)做出決策，因而受分析者主觀因素比較大，分析結(jié)果也非常粗略。傳統(tǒng)的數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)的風(fēng)險(xiǎn)因素也比較簡單，主要涉及投保人的年齡、性別、歷史賠付數(shù)據(jù)等，沒有考慮更能準(zhǔn)確反映風(fēng)險(xiǎn)水平的因素，而這正是車聯(lián)網(wǎng)保險(xiǎn)數(shù)據(jù)所具備的最主要的特點(diǎn)。

第二：數(shù)據(jù)動態(tài)性強(qiáng)。保險(xiǎn)數(shù)據(jù)中特別是保險(xiǎn)期限較短的財(cái)產(chǎn)保險(xiǎn)所包含的規(guī)律的時(shí)效性非常強(qiáng)。利用車聯(lián)網(wǎng)系統(tǒng)收集的數(shù)據(jù)更新周期會大大縮短，甚至每月所交保費(fèi)會在很大程度上受到近幾個月的駕駛情況的影響，數(shù)據(jù)具有很強(qiáng)的動態(tài)性。

第三：數(shù)據(jù)量大。保險(xiǎn)領(lǐng)域的數(shù)據(jù)量非常龐大，基于車聯(lián)網(wǎng)技術(shù)所涉及的數(shù)據(jù)則種類更加廣泛，類型更加細(xì)致。車聯(lián)網(wǎng)的一個目標(biāo)是通過數(shù)據(jù)更加準(zhǔn)確地反映投保人的風(fēng)險(xiǎn)水平，從而制定出更加切合事實(shí)的保費(fèi)。

如下三類數(shù)據(jù)影響著車輛風(fēng)險(xiǎn)水平。

一：駕駛行為數(shù)據(jù)。駕駛行為是決定駕駛員風(fēng)險(xiǎn)水平的最關(guān)鍵因素?；谲嚶?lián)網(wǎng)系統(tǒng)的數(shù)據(jù)采集會涉及行駛里程數(shù)、平均行駛速度、每百公里急加速/減速次數(shù)、平均轉(zhuǎn)向速度、每次出行時(shí)段以及每百公里最佳車速駕駛里程等，這些信息會隨著車輛的使用而不斷產(chǎn)生新的數(shù)據(jù)，從而豐富保險(xiǎn)公司識別的基礎(chǔ)，以便于對保費(fèi)作出及時(shí)的修正。

二：車輛狀況數(shù)據(jù)?；谲嚶?lián)網(wǎng)的車輛數(shù)據(jù)具有更大的動態(tài)性，即隨著保單的進(jìn)行，數(shù)據(jù)會隨時(shí)更新。其中，數(shù)據(jù)包括發(fā)動機(jī)轉(zhuǎn)速、平均油耗等。

三：環(huán)境數(shù)據(jù)。車輛的行駛環(huán)境也是一個至關(guān)重要的因素。環(huán)境數(shù)據(jù)包括但不限于：居住地環(huán)境、每百公里夜間行車占比、溫度、濕度、車輛懸掛壓力、每百公里山路行車?yán)锍獭?/p>

在收集了各種維度和結(jié)構(gòu)的數(shù)據(jù)之后，我們應(yīng)當(dāng)采取一個合理的模型來對收集的數(shù)據(jù)進(jìn)行處理，以達(dá)到對車險(xiǎn)產(chǎn)品進(jìn)行定價(jià)、對其準(zhǔn)備金進(jìn)行評估等目的。作為傳統(tǒng)線性模型的推廣的廣義線性模型（GLM）在理論和實(shí)務(wù)界都受到了越來越多的關(guān)注。GLM的核心思想為：用風(fēng)險(xiǎn)等級變量的線性組合的某個函數(shù)，可以解釋損失變量的期望值水平。采用符號系統(tǒng)表示，GLM的核心表達(dá)式為

其中，表示因變量（可以是損失次數(shù)、損失強(qiáng)度等變量），g（.）是聯(lián)結(jié)函數(shù)，為自變量（即風(fēng)險(xiǎn)分類變量）組成的向量，為參數(shù)向量（即各個風(fēng)險(xiǎn)分類變量的系數(shù)向量）。模型假定服從某一指數(shù)族分布，并且該分布的方差可依據(jù)其期望來確定，從而整個分布也可以被確定。GLM的模型參數(shù)通過最大似然法確定。我們只需在確定模型和數(shù)據(jù)后，通過參數(shù)估計(jì)、模型檢驗(yàn)和模型診斷三個步驟對模型進(jìn)行求解，最終便可使用模型進(jìn)行預(yù)測。

三、結(jié)論

本文通過對現(xiàn)有的車險(xiǎn)定價(jià)模型進(jìn)行分析，指出目前的車險(xiǎn)定價(jià)方法中數(shù)據(jù)收集和分析處理、模型建立與預(yù)測方面均存在不足，同時(shí)車聯(lián)網(wǎng)保險(xiǎn)的數(shù)據(jù)類型進(jìn)行詳細(xì)解讀，其數(shù)據(jù)復(fù)雜性、大量性和強(qiáng)動態(tài)性的論證證明了在大數(shù)據(jù)時(shí)代車聯(lián)網(wǎng)保險(xiǎn)的實(shí)施有其現(xiàn)實(shí)基礎(chǔ)。在未來大數(shù)據(jù)時(shí)代背景之下，在車輛保險(xiǎn)中推廣應(yīng)用車聯(lián)網(wǎng)保險(xiǎn)模式，不僅能夠精準(zhǔn)定價(jià)，推動保險(xiǎn)經(jīng)營水平提升，還能夠促進(jìn)綠色出行和安全駕駛，給和諧交通和環(huán)境保護(hù)作出貢獻(xiàn)。但是我們在開展車聯(lián)網(wǎng)保險(xiǎn)的過程中，應(yīng)當(dāng)處理好隱私保護(hù)的問題，這樣才能得到消費(fèi)者的認(rèn)可，使得車聯(lián)網(wǎng)保險(xiǎn)能更好的推廣開來，發(fā)揮保險(xiǎn)的社會功能。endprint