趙 亮

(中國社會(huì)科學(xué)院研究生院，北京 102488)

一、從軍事偵察模式之爭比較兩種數(shù)據(jù)應(yīng)用路徑的特征

二戰(zhàn)時(shí)期，航空偵察可以準(zhǔn)確及時(shí)查明敵人兵力部署、戰(zhàn)略資源布局以及戰(zhàn)時(shí)計(jì)劃與企圖，為各國戰(zhàn)地指揮機(jī)構(gòu)快速準(zhǔn)確決策起著至為關(guān)鍵的作用。為此，軸心國與盟國都高度關(guān)注航空偵察，但二者的發(fā)展路徑卻不相同。以德軍為代表的軸心國部隊(duì)主要通過研發(fā)更為先進(jìn)的偵察飛機(jī)和高焦距的拍照相機(jī)，提升自身的信息偵察能力，即照片質(zhì)量是第一位的，不斷提升圖像數(shù)據(jù)的清晰度和豐富性,而對(duì)于圖片的信息處理則交給稍經(jīng)培訓(xùn)的普通軍士；以英軍為代表的盟軍部隊(duì)則主要聘用了大量軍工及數(shù)學(xué)、物理等專家，對(duì)現(xiàn)有照片進(jìn)行深度挖掘，雖然有些圖像并不清晰，但專家具有豐富的專業(yè)知識(shí)與行業(yè)經(jīng)驗(yàn)，依然可以大體判斷或還原照片中呈現(xiàn)的信息，為盟軍的軍事決策提供有力支持。

當(dāng)年德軍和英軍的做法孰優(yōu)孰劣，大部分歷史學(xué)家或評(píng)論者傾向于肯定盟軍的做法。事實(shí)上，對(duì)軍事信息的偵察和處理本質(zhì)上是要減少敵方策略的不確定性，直至準(zhǔn)確把握對(duì)手的真實(shí)意圖。如同前述案例，在資源投入有限的前提下，提升數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性可以有兩種路徑：一是將資源投入到數(shù)據(jù)信息的獲取和處理環(huán)節(jié)，降低數(shù)據(jù)分析難度及資源需求，以此提升數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確度；二是將資源投入到數(shù)據(jù)分析環(huán)節(jié)，通過科學(xué)方法依然能夠有效評(píng)估有限和不完善的數(shù)據(jù)，評(píng)估精度能夠匹配相應(yīng)的需求。

表1 兩種風(fēng)險(xiǎn)數(shù)據(jù)應(yīng)用模式成本—收益比較

二、以保險(xiǎn)精算為基礎(chǔ)的風(fēng)險(xiǎn)評(píng)估及定價(jià)模式

(一)風(fēng)險(xiǎn)的不確性與保險(xiǎn)的可保性

戰(zhàn)爭中敵方的行動(dòng)往往難于判斷，存在高度的不確定性，依靠航空偵察和分析是戰(zhàn)爭中風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)的主要手段之一。同樣，保險(xiǎn)面對(duì)的是保險(xiǎn)標(biāo)的的不確定性，也是通過數(shù)據(jù)(信息)的獲取和分析對(duì)風(fēng)險(xiǎn)進(jìn)行評(píng)估與定價(jià)?？偟膩碚f，保險(xiǎn)學(xué)中針對(duì)的風(fēng)險(xiǎn)是未來發(fā)生損失的可能性，不確定性既包括盈利的不確定性，也包括損失的不確定性。在純粹風(fēng)險(xiǎn)的范疇內(nèi)，保險(xiǎn)的可保性體現(xiàn)在以下幾個(gè)方面：一是損失發(fā)生的隨機(jī)性，即不能由于任何一方的故意使得損失發(fā)生或嚴(yán)重增大發(fā)生的可能性。二是損失發(fā)生的明確性，包含兩個(gè)層面，損失發(fā)生的事件必須是明確的，損失的金額也必須是明確的。三是損失金額界定于合理的范圍內(nèi)，即損失金額太小，將缺乏保險(xiǎn)的必要性；而損失金額過大，則將降低保險(xiǎn)理賠的可能性[注]針對(duì)重大自然災(zāi)害的巨災(zāi)保險(xiǎn)以及相關(guān)再保險(xiǎn)機(jī)制等內(nèi)容暫不在本文討論。。這也可以從雙方在合同權(quán)利與義務(wù)的界定來理解，顯失公平的合同在法律上是無效的。四是損失在客觀上不能危害公眾利益，也不應(yīng)存在違法性。五是損失的頻率和金額是可以預(yù)測(cè)的，這是保險(xiǎn)公司定價(jià)風(fēng)險(xiǎn)、運(yùn)營風(fēng)險(xiǎn)與管理風(fēng)險(xiǎn)的基礎(chǔ)。

(二)保險(xiǎn)精算與精算理論依據(jù)

在保險(xiǎn)實(shí)務(wù)中，風(fēng)險(xiǎn)評(píng)估所需足夠量級(jí)的數(shù)據(jù)通常難以獲取，或者說成本過于昂貴。因此，傳統(tǒng)保險(xiǎn)業(yè)通常會(huì)選擇“盟軍路徑”來提升數(shù)據(jù)預(yù)測(cè)質(zhì)量，即聘用專業(yè)的精算師，通過構(gòu)建精算模型來評(píng)估擬承保風(fēng)險(xiǎn)，主要應(yīng)用于費(fèi)率厘定和保險(xiǎn)定價(jià)、保險(xiǎn)公司償付能力測(cè)算及準(zhǔn)備金的計(jì)提以及再保險(xiǎn)測(cè)算等領(lǐng)域。

保險(xiǎn)精算理論的基礎(chǔ)在于獨(dú)立同分布數(shù)據(jù)風(fēng)險(xiǎn)波動(dòng)的可測(cè)性與趨穩(wěn)性。在精算理論中，度量風(fēng)險(xiǎn)水平的兩個(gè)常用指標(biāo)為方差和變異系數(shù)。其中，方差反映風(fēng)險(xiǎn)的絕對(duì)水平，而變異系數(shù)反映風(fēng)險(xiǎn)的相對(duì)水平。假定個(gè)體風(fēng)險(xiǎn)的隨機(jī)損失均值為E(x)，對(duì)于個(gè)體風(fēng)險(xiǎn)而言，其風(fēng)險(xiǎn)的方差為Var(x)，變異系數(shù)CV=Var(x)/E(x)。在單次單人的保險(xiǎn)交易中，被保險(xiǎn)人通過支付固定費(fèi)率，期望損失E(x)來讓保險(xiǎn)人承擔(dān)隨機(jī)損失X及相應(yīng)風(fēng)險(xiǎn)，方差為Var(x)，變異系數(shù)為Var(x)/E(x)。在個(gè)體風(fēng)險(xiǎn)的交換中，保險(xiǎn)人與投保人的風(fēng)險(xiǎn)交換與其說是“交易價(jià)格上的不公平”，不如說是“發(fā)生潛在不公平的波動(dòng)性過大”，因?yàn)橥侗Ｈ瞬怀鲭U(xiǎn)或出險(xiǎn)較大賠付的情況都可能出現(xiàn)，即在期望損失相似的前提下，由于方差較大而存在最終賠付額的較大波動(dòng)性。考慮保險(xiǎn)成本核算是由純保費(fèi)、風(fēng)險(xiǎn)加權(quán)成本與管理費(fèi)用構(gòu)成，會(huì)出現(xiàn)因單個(gè)風(fēng)險(xiǎn)的風(fēng)險(xiǎn)加權(quán)成本難以測(cè)算而造成保險(xiǎn)的成本及費(fèi)率厘定難以確定的局面。

當(dāng)構(gòu)成風(fēng)險(xiǎn)集合的元素不再是單個(gè)的個(gè)體風(fēng)險(xiǎn)，而是達(dá)到一定規(guī)模量的相互獨(dú)立且具有相同損失特征的個(gè)體風(fēng)險(xiǎn)，在風(fēng)險(xiǎn)集合構(gòu)成同樣的期望損失條件下，即期望損失仍為E(x)，單個(gè)個(gè)體風(fēng)險(xiǎn)的變異系數(shù)CV=Var(x)/E(x),則新的風(fēng)險(xiǎn)集合的變異系數(shù)為

在“大數(shù)原則”基礎(chǔ)上，精算師分別根據(jù)原有歷史數(shù)據(jù)進(jìn)行賠付額分布和索賠次數(shù)分布。在賠付額分布方面，應(yīng)注意賠付額不等于損失額，在保險(xiǎn)公司應(yīng)用諸如免賠額或無賠款優(yōu)惠應(yīng)用系統(tǒng)等鼓勵(lì)政策的背景下，理性投保人往往會(huì)在損失額較小的情況下，對(duì)自擔(dān)損失和保險(xiǎn)賠付進(jìn)行經(jīng)濟(jì)性比較，并作出不申請(qǐng)賠付的決策，這樣賠付額往往要低于損失額。在索賠次數(shù)方面，精算師最常見的精算假設(shè)是，假定風(fēng)險(xiǎn)集合的保單具有同質(zhì)性，即集合內(nèi)的保單對(duì)應(yīng)的標(biāo)的具有相同的索賠頻率，各自相互獨(dú)立，且在每一時(shí)間區(qū)間內(nèi)發(fā)生的索賠次數(shù)只與時(shí)間長度有關(guān)而與時(shí)間起點(diǎn)無關(guān)，在該同質(zhì)性假定成立的前提下，索賠頻率服從參數(shù)為λ的泊松分布[注]泊松分布與時(shí)間起點(diǎn)無關(guān)的假設(shè)，不符合壽險(xiǎn)實(shí)踐，因壽險(xiǎn)的給付是在約定年齡時(shí)段發(fā)生的。。在對(duì)風(fēng)險(xiǎn)集合的風(fēng)險(xiǎn)個(gè)體特征進(jìn)行調(diào)整與細(xì)化分組后，不同質(zhì)的保單組合也可以服從泊松分布，并以負(fù)二項(xiàng)式分布、逆高斯分布以及離散型分布等結(jié)構(gòu)函數(shù)作為索賠次數(shù)模型的數(shù)理基礎(chǔ)。

綜合賠付額分布和索賠次數(shù)分布，精算師會(huì)利用計(jì)算機(jī)模擬卷積計(jì)算，將上述分布合成為復(fù)合分布，并以索賠次數(shù)的名稱定義復(fù)合分布的名稱，如復(fù)合泊松分布或復(fù)合負(fù)二項(xiàng)式分布，從而測(cè)算一個(gè)保險(xiǎn)組合的期望賠付成本，或者說給定概率下的總賠付成本，并由此形成純保費(fèi)的測(cè)算基礎(chǔ)。同時(shí)，還將運(yùn)用極值理論(如Expected Shortfall)對(duì)分布尾部進(jìn)行測(cè)算，形成安全附加費(fèi)的測(cè)算基礎(chǔ)。這樣，由純保費(fèi)、安全附加費(fèi)構(gòu)成的風(fēng)險(xiǎn)保費(fèi)，再加上經(jīng)營管理、傭金等營運(yùn)費(fèi)用，就形成了保費(fèi)厘定的測(cè)算基準(zhǔn)。當(dāng)然，這并不是保險(xiǎn)定價(jià)的全部，因?yàn)楸ｋU(xiǎn)定價(jià)還將綜合考慮市場(chǎng)競(jìng)爭環(huán)境、公司營銷戰(zhàn)略等因素，但是對(duì)于保險(xiǎn)精算的風(fēng)險(xiǎn)評(píng)估與定價(jià)來說，這可以認(rèn)為是最核心的精算內(nèi)容。

三、大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)應(yīng)用模式的比較與分析

以大數(shù)據(jù)、云計(jì)算、深度學(xué)習(xí)算法等新興信息技術(shù)的廣泛應(yīng)用為標(biāo)志，保險(xiǎn)業(yè)對(duì)數(shù)據(jù)分析與預(yù)測(cè)不確定性開始進(jìn)入人工智能時(shí)代。大數(shù)據(jù)以其“4V標(biāo)準(zhǔn)”，即海量的數(shù)據(jù)規(guī)模(volume)、高速的數(shù)據(jù)流轉(zhuǎn)(velocity)、多樣化的數(shù)據(jù)類型(variety)以及高性價(jià)比的輸出價(jià)值(value)的特征，將數(shù)據(jù)管理和分析提升至一個(gè)新的高度(見表2)。相比于傳統(tǒng)數(shù)據(jù)應(yīng)用模式，大數(shù)據(jù)技術(shù)無論在“量”還是“質(zhì)”上都有顯著的提升與革新，主要體現(xiàn)在數(shù)據(jù)獲取、傳輸、存儲(chǔ)、分析及展示五個(gè)方面。傳統(tǒng)的數(shù)據(jù)庫軟件正是在這五個(gè)方面進(jìn)行數(shù)據(jù)集合的工具。而大數(shù)據(jù)應(yīng)用模式是在傳統(tǒng)數(shù)據(jù)應(yīng)用模式的基礎(chǔ)上，在數(shù)據(jù)應(yīng)用的各個(gè)流程上實(shí)現(xiàn)了技術(shù)上的突破和理念上的革新。

表2 大數(shù)據(jù)應(yīng)用模式和傳統(tǒng)數(shù)據(jù)應(yīng)用模式的區(qū)別與比較

(一)在數(shù)據(jù)獲取方面，數(shù)據(jù)融合程度不斷加強(qiáng)，不斷接近實(shí)現(xiàn)“全量數(shù)據(jù)”效應(yīng)

傳統(tǒng)的數(shù)據(jù)獲取模式是基于業(yè)務(wù)系統(tǒng)和交易系統(tǒng)產(chǎn)生，如傳統(tǒng)保險(xiǎn)公司的數(shù)據(jù)庫來源于客戶資料信息的收集和報(bào)案資料信息的累積，保險(xiǎn)定價(jià)主要基于保險(xiǎn)公司或相關(guān)機(jī)構(gòu)的內(nèi)部數(shù)據(jù)庫進(jìn)行精算分析。然而，大數(shù)據(jù)的信息獲取方式在于數(shù)據(jù)的廣自發(fā)與數(shù)據(jù)的大融合。所謂數(shù)據(jù)的大融合是指在人工智能時(shí)代下，獲取、識(shí)別、整合和聚合各種自發(fā)但分散的數(shù)據(jù)。隨著手機(jī)、相機(jī)、攝像頭乃至可穿戴設(shè)備等各種移動(dòng)終端設(shè)備的應(yīng)用，無論是文字、數(shù)字、聲音、圖像乃至氣味，各種感官可接收的各種格式數(shù)據(jù)一方面不斷地被大量個(gè)體創(chuàng)造和釋放，另一方面又被強(qiáng)大的社會(huì)數(shù)據(jù)設(shè)備收集、存儲(chǔ)和快速聯(lián)結(jié)。2007年，微軟工程師阿爾卡斯利用Flicker網(wǎng)站上成千上萬普通拍攝者的照片，重建了一座虛擬的巴黎圣母院大教堂，人們可以在網(wǎng)上以不同角度感受教堂，甚至可以放大、細(xì)賞建筑外墻上的具體部位。阿爾卡斯在演講中稱：“從每個(gè)人那里得到數(shù)據(jù)——從人類對(duì)地球的集體視覺記憶中得到數(shù)據(jù)——然后把它們聯(lián)結(jié)在一起?！睙o獨(dú)有偶，2014年10月8日，世界多地發(fā)生月全食，全球各地天文愛好者拍攝月全食照片，上傳至云端，呈現(xiàn)出不同地點(diǎn)、不同拍攝角度的月全食景象。天文研究者意識(shí)到，如果整合起來，其對(duì)研究工作的意義可能比一臺(tái)超級(jí)天文望遠(yuǎn)鏡還要重大[1]。海量數(shù)據(jù)的收集、傳輸與存儲(chǔ)在硬件設(shè)備上實(shí)現(xiàn)了質(zhì)的突破，這些基礎(chǔ)數(shù)據(jù)呈幾何倍數(shù)的增長，從根本上改變了原有數(shù)據(jù)處理模型和分析的固有模式。隨著新科技的不斷突破以及應(yīng)用的普及，數(shù)據(jù)整合的功能將不斷完善，“全量數(shù)據(jù)”效應(yīng)將日益顯現(xiàn)。

傳統(tǒng)數(shù)據(jù)應(yīng)用模式下的保險(xiǎn)定價(jià)與開發(fā)模式存在諸多局限。如在壽險(xiǎn)方面，我國現(xiàn)行的生命表主要依據(jù)占保險(xiǎn)市場(chǎng)份額80%的6家保險(xiǎn)公司保單數(shù)據(jù)，由于高年齡段投保人數(shù)較少，造成案例數(shù)據(jù)過少，高年齡段的死亡率初始估計(jì)并不確切，必須基于初始估計(jì)，結(jié)合先驗(yàn)觀點(diǎn)對(duì)初始估計(jì)值進(jìn)行修正得到[2]。這也反映了保險(xiǎn)精算定價(jià)的一個(gè)理論缺陷是精算模型的左尾數(shù)據(jù)缺失。通常情況下高額賠付的統(tǒng)計(jì)數(shù)據(jù)十分有限，使得對(duì)左尾均值的預(yù)測(cè)穩(wěn)定性和可信度降低，即使采用了Conditional Var或Expected Shortfall等極值評(píng)估方法作為補(bǔ)充，精算模型的模型風(fēng)險(xiǎn)在尾部評(píng)估方面仍然較高。因此，保險(xiǎn)公司要么選擇不開發(fā)相關(guān)風(fēng)險(xiǎn)產(chǎn)品，要么在保險(xiǎn)精算中加入過高的風(fēng)險(xiǎn)補(bǔ)償附加費(fèi)，這種對(duì)可保風(fēng)險(xiǎn)評(píng)估的扭曲和誤判直接影響了保險(xiǎn)的本質(zhì)意義與社會(huì)效益，也不符合保險(xiǎn)業(yè)監(jiān)管的核心要求。

在大數(shù)據(jù)時(shí)代下，數(shù)據(jù)的可獲取性增強(qiáng)，乃至全量數(shù)據(jù)效應(yīng)將使精算模型在尾部損失數(shù)據(jù)的計(jì)量上更加精準(zhǔn)，而且數(shù)據(jù)的動(dòng)態(tài)更新將更加及時(shí)。如通過構(gòu)建數(shù)據(jù)融合與管理平臺(tái)，生命表的編制不僅會(huì)豐富高齡投保人的生命率數(shù)據(jù)，也會(huì)實(shí)時(shí)維護(hù)與更新“動(dòng)態(tài)生命表”。此外，數(shù)據(jù)采集與存儲(chǔ)的社會(huì)性，如專屬醫(yī)療用途的云存儲(chǔ)和云計(jì)算的社會(huì)數(shù)據(jù)采集與共享，使保險(xiǎn)公司將更加集中投入到保險(xiǎn)產(chǎn)品的設(shè)計(jì)與開發(fā)，而不是將精力耗費(fèi)在前端數(shù)據(jù)庫的構(gòu)建與維護(hù)上。

(二)數(shù)據(jù)處理與分析的多維化，實(shí)現(xiàn)大數(shù)據(jù)“關(guān)聯(lián)效應(yīng)”

借助人工智能技術(shù)的發(fā)展，大型計(jì)算機(jī)和云計(jì)算在數(shù)據(jù)挖掘及智能計(jì)算能力的深度與速度上都得到了代際性的提升。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)的多維化成為數(shù)據(jù)分析與展示的主要發(fā)展特征。

所謂大數(shù)據(jù)分析，是一種新的商業(yè)處理技術(shù)，主要特點(diǎn)為對(duì)商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和模型化處理，從中提取輔助于商業(yè)決策的有效信息[3]。大數(shù)據(jù)的“大”不僅僅指向數(shù)據(jù)的絕對(duì)數(shù)量，其深層含義還包括處理數(shù)據(jù)所使用的“大模式”。大數(shù)據(jù)分析的實(shí)質(zhì)是完整數(shù)據(jù)和綜合數(shù)據(jù)，進(jìn)行數(shù)據(jù)挖掘以實(shí)現(xiàn)數(shù)據(jù)增值。大數(shù)據(jù)分析對(duì)象的基本單位是數(shù)據(jù)集，在每一個(gè)數(shù)據(jù)集中可以有若干個(gè)數(shù)據(jù)對(duì)象，這些數(shù)據(jù)對(duì)象可以理解為是數(shù)據(jù)集的基本元素，可以由一組描述其特征的屬性來確定，這種數(shù)據(jù)對(duì)象的屬性數(shù)量也被稱為數(shù)據(jù)集密度。數(shù)據(jù)對(duì)象的屬性在數(shù)據(jù)特征方面可以分為標(biāo)稱屬性、序數(shù)屬性、區(qū)間屬性和比率屬性四類。其中，前兩類數(shù)據(jù)屬性屬于定性判定，無法進(jìn)行數(shù)據(jù)的數(shù)學(xué)性運(yùn)算；后兩類數(shù)據(jù)屬性屬于定量判定，具有數(shù)據(jù)的數(shù)學(xué)運(yùn)算性質(zhì)，可以進(jìn)行加減乘除的運(yùn)算處理。此外，數(shù)據(jù)對(duì)象的屬性還可以依據(jù)數(shù)據(jù)區(qū)間內(nèi)可以取值的個(gè)數(shù)，分為離散屬性和連續(xù)屬性。

與傳統(tǒng)保險(xiǎn)定價(jià)模型相比，大數(shù)據(jù)保險(xiǎn)數(shù)據(jù)多維效應(yīng)的優(yōu)勢(shì)在于以下幾個(gè)方面：

第一，可以增強(qiáng)對(duì)風(fēng)險(xiǎn)數(shù)據(jù)的保險(xiǎn)評(píng)估模型的可靠性。一般來說，數(shù)據(jù)集中的數(shù)據(jù)對(duì)象的屬性數(shù)量越豐富，數(shù)據(jù)集密度越高，其數(shù)據(jù)分析統(tǒng)計(jì)的自由度越大，數(shù)據(jù)分析的可靠性就越顯著。大數(shù)據(jù)技術(shù)條件下，可以對(duì)數(shù)據(jù)集中的數(shù)據(jù)對(duì)象進(jìn)行規(guī)模性的屬性細(xì)分，屬于同類細(xì)分屬性的數(shù)據(jù)對(duì)象特征更為相似，概率估算的可信度將大大增強(qiáng)。經(jīng)驗(yàn)數(shù)據(jù)是固化的，不同時(shí)期的數(shù)據(jù)特征存在偏差，風(fēng)險(xiǎn)損失的特性會(huì)隨著時(shí)間的變化而改變，大數(shù)據(jù)下的數(shù)據(jù)獲取是實(shí)時(shí)更新的，動(dòng)態(tài)數(shù)據(jù)雖然在性質(zhì)上仍然是截面數(shù)據(jù)，但是可以在很大程度上避免數(shù)據(jù)沉淀帶來的評(píng)估偏差，降低模型風(fēng)險(xiǎn)[4]。

第二，數(shù)據(jù)集的多維化，即數(shù)據(jù)集密度越高，數(shù)據(jù)間的關(guān)聯(lián)性就越易發(fā)覺，可以形成更多細(xì)分場(chǎng)景下的風(fēng)險(xiǎn)數(shù)據(jù)評(píng)估模型。在傳統(tǒng)數(shù)據(jù)模式下，保險(xiǎn)定價(jià)主要基于公司內(nèi)部數(shù)據(jù)庫中的經(jīng)驗(yàn)數(shù)據(jù)，由于計(jì)算機(jī)處理和展示能力的限制，一些大型復(fù)雜的數(shù)據(jù)模型無法實(shí)現(xiàn)應(yīng)用。正如1988年施樂公司的科學(xué)家韋澤提出“普適計(jì)算”，預(yù)測(cè)人類的第三股計(jì)算浪潮將是“萬物皆聯(lián)網(wǎng)，無處不計(jì)算”。在大數(shù)據(jù)時(shí)代下，互聯(lián)網(wǎng)保險(xiǎn)的風(fēng)險(xiǎn)評(píng)估與保險(xiǎn)定價(jià)主要基于關(guān)聯(lián)數(shù)據(jù)。通過對(duì)數(shù)據(jù)多維屬性的細(xì)分，可以進(jìn)一步梳理風(fēng)險(xiǎn)數(shù)據(jù)，排除數(shù)據(jù)噪音，突出風(fēng)險(xiǎn)數(shù)據(jù)背后的風(fēng)險(xiǎn)因子映射關(guān)系。借助大型計(jì)算機(jī)的復(fù)雜算法，互聯(lián)網(wǎng)模式下的海量多維數(shù)據(jù)可以通過深度的數(shù)據(jù)挖掘，找尋更為精準(zhǔn)的風(fēng)險(xiǎn)相關(guān)邏輯和風(fēng)險(xiǎn)估算模型，在提高風(fēng)險(xiǎn)定價(jià)精度的同時(shí)，還可以根據(jù)市場(chǎng)的場(chǎng)景化保險(xiǎn)需求快速報(bào)價(jià)、核保與理賠。如國內(nèi)純互聯(lián)網(wǎng)保險(xiǎn)公司眾安保險(xiǎn)在業(yè)務(wù)流程中將精算環(huán)節(jié)放入前端，使精算師承擔(dān)起“半個(gè)產(chǎn)品經(jīng)理”的角色，在業(yè)務(wù)洽談之初積極介入，客戶的需求能夠直接面對(duì)面?zhèn)鬟f給精算師，讓精算師在定價(jià)時(shí)能充分考慮風(fēng)險(xiǎn)因素，并最大限度地貼近實(shí)際情況進(jìn)行精準(zhǔn)定價(jià)[5]。

第三，數(shù)據(jù)分析與風(fēng)險(xiǎn)定價(jià)的低成本與高速率使保險(xiǎn)精算更為便捷化，精算適用性更好，場(chǎng)景與假設(shè)條件的更新也更加及時(shí)。在大數(shù)據(jù)時(shí)代的保險(xiǎn)估算模式下，碎片化、細(xì)節(jié)化的保險(xiǎn)需求不僅可以實(shí)現(xiàn)保險(xiǎn)產(chǎn)品的有效供給，并且在運(yùn)營成本方面實(shí)現(xiàn)了商業(yè)可行，在有效的保險(xiǎn)精算和風(fēng)險(xiǎn)評(píng)估基礎(chǔ)上，可以推出更多滿足長尾客戶需求的多樣化、個(gè)性化的保險(xiǎn)產(chǎn)品，保險(xiǎn)核保與理賠程序更快捷，從而推動(dòng)普惠金融理念在保險(xiǎn)行業(yè)的深入和擴(kuò)展。如眾安保險(xiǎn)于2015年推出國內(nèi)首款輪胎意外保障服務(wù)，輪胎因意外造成爆胎和鼓包都能更換。在此之前，國內(nèi)輪胎意外保險(xiǎn)尚屬空白領(lǐng)域。輪胎屬于易損物品，意外保障的風(fēng)險(xiǎn)在傳統(tǒng)保險(xiǎn)模式下存在成本高于收益的“經(jīng)濟(jì)不可行”。在傳統(tǒng)保險(xiǎn)模式下，一般的車險(xiǎn)規(guī)定：如果是車胎和車身一起遭受意外，可按照車損險(xiǎn)進(jìn)行賠付；如果是輪胎單獨(dú)破損，則不屬于保險(xiǎn)責(zé)任范圍。而眾安保險(xiǎn)憑借大數(shù)據(jù)保險(xiǎn)定價(jià)模型以及互聯(lián)網(wǎng)保險(xiǎn)的成本集約特點(diǎn)，有效拓展了市場(chǎng)上保險(xiǎn)產(chǎn)品可保風(fēng)險(xiǎn)的范圍，實(shí)現(xiàn)了保險(xiǎn)品種的創(chuàng)新。

四、大數(shù)據(jù)保險(xiǎn)精算模式革新的影響及與傳統(tǒng)定價(jià)模式比較分析

保險(xiǎn)定價(jià)通常分為兩部分，根據(jù)對(duì)風(fēng)險(xiǎn)的評(píng)估進(jìn)行費(fèi)率厘定和根據(jù)對(duì)市場(chǎng)供需及行業(yè)競(jìng)爭情況進(jìn)行產(chǎn)品定價(jià)。一般商品的成本在出售之前可以通過成本會(huì)計(jì)的結(jié)轉(zhuǎn)核算予以確定，但保險(xiǎn)產(chǎn)品的定價(jià)卻存在較大的不確定性，其成本是在產(chǎn)品銷售之后根據(jù)實(shí)際的賠付頻率和賠付金額確定。因此，保險(xiǎn)定價(jià)的準(zhǔn)確性顯得至關(guān)重要。若保險(xiǎn)成本估算過高，則保險(xiǎn)產(chǎn)品的定價(jià)會(huì)超出正常合理值，意味著市場(chǎng)的出讓甚至可能不被監(jiān)管機(jī)構(gòu)認(rèn)可；而保險(xiǎn)成本估算過低，則保險(xiǎn)公司面臨潛在巨額的賠付風(fēng)險(xiǎn)將會(huì)增大，加劇保險(xiǎn)機(jī)構(gòu)甚至整個(gè)保險(xiǎn)體系的償付危機(jī)。此外，保險(xiǎn)定價(jià)及涉及后續(xù)核保和理賠的成本也十分重要。若無法進(jìn)行快速和合理及多樣化的定價(jià)，可保風(fēng)險(xiǎn)的范圍會(huì)出現(xiàn)實(shí)質(zhì)性的縮小，即便是推出相關(guān)保險(xiǎn)產(chǎn)品，其運(yùn)營成本同樣會(huì)以附加費(fèi)的形式計(jì)算在保險(xiǎn)成本定價(jià)中。從這個(gè)意義上來說，保險(xiǎn)精算評(píng)估可保風(fēng)險(xiǎn)的范圍，測(cè)度風(fēng)險(xiǎn)發(fā)生的可能性與損失規(guī)模，是保險(xiǎn)公司設(shè)計(jì)保險(xiǎn)產(chǎn)品、開展保險(xiǎn)業(yè)務(wù)的核心基礎(chǔ)，它體現(xiàn)在保險(xiǎn)產(chǎn)品線與業(yè)務(wù)流程的各個(gè)方面，如保險(xiǎn)產(chǎn)品的設(shè)計(jì)與開發(fā)、保險(xiǎn)產(chǎn)品定價(jià)、對(duì)投保客戶和單據(jù)的核保以及保險(xiǎn)公司準(zhǔn)備金的計(jì)提等。因此，保險(xiǎn)精算定價(jià)的準(zhǔn)確性和成本考核對(duì)于保險(xiǎn)公司的市場(chǎng)營銷與運(yùn)營，以及保險(xiǎn)利益相關(guān)各方都十分重要。

傳統(tǒng)保險(xiǎn)精算模型的特征是，在有限的樣本數(shù)據(jù)獲取條件下，精算師進(jìn)行數(shù)據(jù)分布與特征分析，通過泊松分布等歷史概率推算，或?qū)︼L(fēng)險(xiǎn)數(shù)據(jù)的頻次與規(guī)模進(jìn)行模擬和卷積，從而形成風(fēng)險(xiǎn)定價(jià)的核心依據(jù)。大數(shù)據(jù)保險(xiǎn)精算模式則通過獲取全量數(shù)據(jù)，并通過人工智能進(jìn)行數(shù)據(jù)挖掘，找尋多維數(shù)據(jù)間的關(guān)聯(lián)，并且降低了后續(xù)核保和理賠的操作難度，從而可以開發(fā)和拓展更多的保險(xiǎn)需求及相關(guān)產(chǎn)品。根據(jù)人工智能等保險(xiǎn)科技發(fā)展的趨勢(shì)，在相同的數(shù)據(jù)獲取與分析成本條件下，大數(shù)據(jù)保險(xiǎn)精算的準(zhǔn)確度會(huì)更高。而在大數(shù)據(jù)共享機(jī)制逐漸形成，外溢效應(yīng)開始顯現(xiàn)的背景下，在相同的估算精度要求下，大數(shù)據(jù)保險(xiǎn)精算的成本會(huì)更低。

當(dāng)然，兩種模型并不是天然對(duì)立的。從現(xiàn)實(shí)情況來看，大數(shù)據(jù)保險(xiǎn)精算模式剛剛起步，無論是數(shù)據(jù)獲取與處理的硬件設(shè)施開發(fā)，還是基于大數(shù)據(jù)的智能估算模型及業(yè)務(wù)流程的設(shè)計(jì)，仍處于概念探討和初步應(yīng)用階段。即便是大數(shù)據(jù)保險(xiǎn)估算體系能夠發(fā)展至成熟階段，并不意味著傳統(tǒng)的保險(xiǎn)精算定價(jià)模型被淘汰， 相反精算模型和大數(shù)據(jù)分析模型將相互結(jié)合，以大數(shù)據(jù)、云計(jì)算和機(jī)器學(xué)習(xí)等保險(xiǎn)科技賦能傳統(tǒng)保險(xiǎn)業(yè)務(wù)模式，改進(jìn)和完善保險(xiǎn)定價(jià)模型才是未來保險(xiǎn)定價(jià)模式發(fā)展的主流。大數(shù)據(jù)保險(xiǎn)定價(jià)模型將會(huì)建立更多數(shù)據(jù)維度場(chǎng)景下的風(fēng)險(xiǎn)估算，從平臺(tái)化的數(shù)據(jù)采集到場(chǎng)景化的數(shù)據(jù)挖掘，到服務(wù)化的數(shù)據(jù)更新，再到個(gè)性化的數(shù)據(jù)應(yīng)用，大數(shù)據(jù)分析將全面滲透至保險(xiǎn)行業(yè)各個(gè)業(yè)務(wù)環(huán)節(jié)。同時(shí)，傳統(tǒng)保險(xiǎn)精算可以對(duì)大數(shù)據(jù)精算模式進(jìn)行比對(duì)和檢驗(yàn)，進(jìn)一步防范模型風(fēng)險(xiǎn)。

最終，融合兩種模式的保險(xiǎn)精算體系可以根據(jù)業(yè)務(wù)需求和監(jiān)管要求，進(jìn)行風(fēng)險(xiǎn)精算模式的優(yōu)化匹配。如對(duì)低頻高損的風(fēng)險(xiǎn)估算更加精準(zhǔn)，以滿足監(jiān)管對(duì)賠付準(zhǔn)備金及增強(qiáng)保險(xiǎn)機(jī)構(gòu)風(fēng)險(xiǎn)防控的要求，而對(duì)高頻低損的風(fēng)險(xiǎn)估算降低成本，簡化風(fēng)險(xiǎn)賠付流程，以滿足長尾客戶多樣化、個(gè)性化的場(chǎng)景式保險(xiǎn)需求，擴(kuò)大風(fēng)險(xiǎn)產(chǎn)品開發(fā)范圍，減少保險(xiǎn)產(chǎn)品免賠額，簡化賠付流程和理賠時(shí)限，防范系統(tǒng)性金融風(fēng)險(xiǎn)，回歸保險(xiǎn)本質(zhì)，真正提高全社會(huì)的總體效用和福利。