肖陸祇 肖陸鏑 杜 平 劉小西

（1.中國(guó)核工業(yè)集團(tuán)有限公司，北京 100822；2.東方證券股份有限公司，上海 200001；3.杭州銀行股份有限公司北京分行，北京 100005 ；4.金匯財(cái)富管理有限公司，北京 100033）

一、引言

對(duì)于解決社會(huì)資源約束、環(huán)境污染問題，共享經(jīng)濟(jì)功不可沒。其中出行行業(yè)最具代表性，P2P租車服務(wù)（司機(jī)是租客）是很重要的一部分。P2P租車公司本質(zhì)是租車中介，它將車主和租客的信息整合匹配并提供第三方監(jiān)管保障服務(wù)。由于汽車購(gòu)置金額較大、風(fēng)險(xiǎn)影響因子較多且事故發(fā)生頻率較高，對(duì)于P2P平臺(tái)的車，除交強(qiáng)險(xiǎn)外，必須有商業(yè)車險(xiǎn)。商業(yè)車險(xiǎn)的購(gòu)買方已從車輛所有方轉(zhuǎn)移到租客，保險(xiǎn)周期縮短至以天為計(jì)算單位。一方面，由于被保險(xiǎn)人的保險(xiǎn)周期監(jiān)測(cè)時(shí)間短、對(duì)于每輛車的被保險(xiǎn)人頻繁更換這兩個(gè)原因，導(dǎo)致保險(xiǎn)中信息不對(duì)稱性愈加明顯，由此導(dǎo)致的逆向選擇以及道德風(fēng)險(xiǎn)問題更加突出，傳統(tǒng)商業(yè)車險(xiǎn)定價(jià)體系已不再適用。另一方面，P2P租車公司為其平臺(tái)上的每一輛車安裝了OBD設(shè)備，它可以提取到車輛的實(shí)時(shí)位置、速度、方向等信息，可以分析出租客的駕駛行為，以此來判斷駕駛風(fēng)險(xiǎn)。

本文將數(shù)據(jù)分為從車、從人（靜態(tài)、動(dòng)態(tài)）因素兩大類，基于定量風(fēng)險(xiǎn)度量與評(píng)價(jià)，設(shè)計(jì)出P2P商業(yè)車險(xiǎn)厘定模型，并進(jìn)行實(shí)證檢驗(yàn)及對(duì)比驗(yàn)證，為P2P租車商業(yè)車險(xiǎn)進(jìn)行用戶風(fēng)險(xiǎn)衡量、精準(zhǔn)定價(jià)提供理論依據(jù)，對(duì)于其他類型車險(xiǎn)也有一定的借鑒意義。

二、P2P平臺(tái)商業(yè)車險(xiǎn)厘定模型與方法

1.P2P商業(yè)車險(xiǎn)特征分析

P2P平臺(tái)的商業(yè)車險(xiǎn)是傳統(tǒng)車險(xiǎn)的衍生品，與傳統(tǒng)乘用車保險(xiǎn)有幾點(diǎn)不同，具體可以分為：（1）保險(xiǎn)參與人關(guān)系的變化，傳統(tǒng)乘用車商業(yè)保險(xiǎn)的投保人是車主，而P2P平臺(tái)的商業(yè)車險(xiǎn)投保人是租客；（2）保險(xiǎn)標(biāo)的變化，傳統(tǒng)乘用車商業(yè)保險(xiǎn)根據(jù)標(biāo)的不同又可以分為車輛損失險(xiǎn)、商業(yè)第三者責(zé)任險(xiǎn)等，目前P2P平臺(tái)所出售的商業(yè)車險(xiǎn)是混合標(biāo)的；（3）被保險(xiǎn)車輛性質(zhì)的變化，乘用車范疇變成了商用車的性質(zhì)；（4）保險(xiǎn)周期的變化，傳統(tǒng)商業(yè)車險(xiǎn)一般的保險(xiǎn)周期是一年，而P2P平臺(tái)商業(yè)車險(xiǎn)的周期為一天。

2.P2P商業(yè)車險(xiǎn)厘定模型分析

基于P2P平臺(tái)商業(yè)車險(xiǎn)特點(diǎn)，本文著重從區(qū)分用戶風(fēng)險(xiǎn)大小的角度來設(shè)計(jì)車險(xiǎn)厘定方法，具體步驟如下：

第一步，以可得性、相關(guān)性、正向激勵(lì)為原則分別對(duì)靜態(tài)從人因素以及動(dòng)態(tài)從人因素進(jìn)行風(fēng)險(xiǎn)因子篩選。

第二步，對(duì)于靜態(tài)從人因素部分，用廣義線性模型進(jìn)行風(fēng)險(xiǎn)因子的擬合。在廣義線性模型擬合的過程中，需對(duì)因變量的分布函數(shù)進(jìn)行選擇（正態(tài)分布、泊松分布、Tweedie分布等），選取依據(jù)是擬合優(yōu)度檢驗(yàn)和P值檢驗(yàn)最優(yōu)。

第三步，利用廣義線性模型擬合結(jié)論中的估計(jì)值判斷出每個(gè)風(fēng)險(xiǎn)因素不同組別的風(fēng)險(xiǎn)大?。ü烙?jì)值越高，風(fēng)險(xiǎn)越大）。根據(jù)估計(jì)值的大小分別對(duì)每個(gè)風(fēng)險(xiǎn)因素進(jìn)行費(fèi)率的賦權(quán)，對(duì)于同一風(fēng)險(xiǎn)因素不同組別之間的費(fèi)率賦權(quán)比例要與其估計(jì)值之間的比率基本相同，并將各風(fēng)險(xiǎn)因素的費(fèi)率賦權(quán)值加總得出基礎(chǔ)費(fèi)率。

第四步，利用熵權(quán)分析法對(duì)所篩選的動(dòng)態(tài)從人因素進(jìn)行權(quán)重計(jì)算，并擬定駕車行為評(píng)分模型。

第五步，將駕車行為評(píng)分模型的不同分?jǐn)?shù)段與不計(jì)免賠額費(fèi)率建立聯(lián)系，以駕車行為評(píng)分越高不計(jì)免賠額費(fèi)率越低為原則，擬定動(dòng)態(tài)從人因素費(fèi)率參照表。

第六步，根據(jù)保險(xiǎn)公司的成本率、預(yù)期收益率的大小，對(duì)費(fèi)率進(jìn)行調(diào)整（不改變每個(gè)風(fēng)險(xiǎn)因子組別之間費(fèi)率賦權(quán)的比例關(guān)系）。

最后，根據(jù)公式：“保費(fèi)=日租金×（基礎(chǔ)費(fèi)率+不計(jì)免賠額費(fèi)率）”進(jìn)行樣本檢驗(yàn)，判斷在不降低保險(xiǎn)公司保費(fèi)收入的前提下，是否能夠?qū)Ρ槐ｋU(xiǎn)人的風(fēng)險(xiǎn)大小進(jìn)行區(qū)分。

三、從人靜態(tài)因素的風(fēng)險(xiǎn)度量

1.樣本數(shù)據(jù)說明

本文樣本數(shù)據(jù)全部來自寶駕P2P租車平臺(tái)?？傮w樣本按地區(qū)劃分進(jìn)行分層，從上海、北京兩個(gè)城市分別抽取500個(gè)樣本。抽取樣本時(shí)以訂單編號(hào)為關(guān)鍵字，進(jìn)行隨機(jī)抽樣。

靜態(tài)樣本維度分別為地區(qū)、訂單編號(hào)、性別、年齡、駕齡、實(shí)際取車時(shí)間、實(shí)際還車時(shí)間、購(gòu)買保險(xiǎn)類別、車輛品牌系列、車齡（年）、已行駛里程、出險(xiǎn)原因、車輛損失狀況、報(bào)案時(shí)間、賠付客戶金額，共15個(gè)維度。

2.指標(biāo)的選取與數(shù)據(jù)的預(yù)處理

風(fēng)險(xiǎn)因子篩選要符合可靠性、相關(guān)性、正向激勵(lì)三個(gè)原則。

下面以風(fēng)險(xiǎn)因子分組數(shù)據(jù)的索賠強(qiáng)度和索賠頻率來刻畫該風(fēng)險(xiǎn)因子的風(fēng)險(xiǎn)大小。風(fēng)險(xiǎn)因子分組的索賠頻率=該風(fēng)險(xiǎn)分組的出險(xiǎn)次數(shù)/該風(fēng)險(xiǎn)分組的樣本數(shù)量×100。風(fēng)險(xiǎn)因子分組的索賠強(qiáng)度=該風(fēng)險(xiǎn)分組賠付客戶總金額/該風(fēng)險(xiǎn)風(fēng)阻的出險(xiǎn)次數(shù)。

分別計(jì)算地區(qū)（a）、性別（b）、年齡（c）、駕齡（d）、從車因素（e）五個(gè)維度的風(fēng)險(xiǎn)因子的頻率分布，得出a、b、c、d四個(gè)因子風(fēng)險(xiǎn)水平具有顯著的差異性，而因子e相關(guān)性低，舍去。因此，選擇地區(qū)（a）、性別（b）、年齡（c）、車齡（d）這四個(gè)從人因素作為風(fēng)險(xiǎn)因子加入模型。

3.損失分布的確定

由于P2P租車平臺(tái)上的保單都是短期保單，僅將索賠強(qiáng)度作為因變量進(jìn)行擬合，建立廣義線性模型：

（1）E（Yabc）=μabc； （2）ηabc=Xβ=（1，xa，xb，xd）×β， β=（β0，βa，βb，βc，βd）T ； （3）Φ（μabc） =ηabc，Φ為連接函數(shù)。

利用SPSS軟件，分別用正態(tài)分布、Poisson、Tweedie分布擬合索賠額分布，對(duì)比不同分布下的擬合優(yōu)度， Tweedie分布的總離差最小，擬合效果最好。然后，分別用上述三個(gè)分布對(duì)各個(gè)參數(shù)進(jìn)行顯著性檢驗(yàn)，泊松分布和Tweedie分布的所有參數(shù)均通過了顯著性檢驗(yàn)。綜合來看，選取Tweedie分布來擬合賠付客戶金額。

4.模型檢驗(yàn)

用SPSS軟件，以Tweedie分布擬合索賠額分布，連接函數(shù)為對(duì)數(shù)連接，得出結(jié)果：

分組數(shù)據(jù)均通過置信水平為1%的顯著性檢驗(yàn)。（1）在地區(qū)分組中，北京地區(qū)的估計(jì)值要高于上海地區(qū)，這可能與路況有關(guān)，如交通擁堵情況等。（2）在性別分組中，男性的估計(jì)值要明顯高于女性，這可能與性別整體性格有關(guān)。（3）年齡分組中，年齡在21歲～24歲的估計(jì)值（2.003）明顯高于其他年齡組，30歲～34歲的參數(shù)估計(jì)值（1.566）相對(duì)較大，25歲～29歲以及35歲～39歲的人群駕駛的平均損損失相對(duì)較低，39歲以上隨著年齡的增大，駕駛的平均損失成本開始增大。（4）在駕齡分組中，剛拿到駕照的人群（駕齡1年之內(nèi)）的損失程度較大，8年～9年駕齡損失程度較小，之后隨著車輛使用年限的增長(zhǎng)，其平均損失程度也在呈現(xiàn)逐步降低的趨勢(shì)。值得注意的是，駕齡在4年～7年的階段，損失程度僅次于剛拿到駕照的人群。

從Tweedie分布擬合的廣義線性模型來看，它與上文所進(jìn)行的單因子分析結(jié)論基本一致，說明模型擬合有很好的解釋效果。

四、從人動(dòng)態(tài)因素的風(fēng)險(xiǎn)評(píng)價(jià)

1.模型的選取及樣本數(shù)據(jù)說明

通過動(dòng)態(tài)數(shù)據(jù)來進(jìn)行被保險(xiǎn)人風(fēng)險(xiǎn)大小甄別，要設(shè)計(jì)一個(gè)對(duì)駕駛行為進(jìn)行評(píng)分的模型，根據(jù)評(píng)分的高低判斷被保險(xiǎn)人風(fēng)險(xiǎn)的大小。為了避免主觀賦權(quán)的主觀性，選擇熵權(quán)法來賦權(quán)。

此部分動(dòng)態(tài)數(shù)據(jù)樣本均取自上文中的1000個(gè)樣本，其中33個(gè)是出險(xiǎn)樣本的動(dòng)態(tài)數(shù)據(jù)（原本35個(gè)出險(xiǎn)樣本，去除無效數(shù)據(jù)后剩余33個(gè)）。另外35個(gè)樣本是在未出險(xiǎn)的965個(gè)樣本中隨機(jī)抽取的35個(gè)對(duì)比樣本。原始的動(dòng)態(tài)數(shù)據(jù)是由OBD設(shè)備提取到的，平均每隔30秒提取一次車輛瞬時(shí)經(jīng)度、緯度、速度及行駛方向。

2.數(shù)據(jù)的預(yù)處理與駕駛行為指標(biāo)的選取

駕駛行為因子指標(biāo)的篩選同樣也要符合可得性、相關(guān)性、正向激勵(lì)三個(gè)原則。

原始行為數(shù)據(jù)只有四個(gè)維度，在刻畫出最終行為因子數(shù)據(jù)前，需要預(yù)先構(gòu)建一些中間變量。

（1）0distance_delta（△s）：相鄰兩個(gè)取樣時(shí)間點(diǎn)之間的地理坐標(biāo)距離（米）。點(diǎn) A的經(jīng)緯度為（LonA， LatA），點(diǎn)B的經(jīng)緯度為（LonB， LatB），得到兩點(diǎn)距離計(jì)算公式如下：

C = sin（MLatA）×sin（MLatB）×cos（MLonA-MLonB）+ cos（MLatA）×cos（MLatB）

Distance = R*Arccos（C）*Pi/180（半徑R取值6371004米）

（2）time_delta（△t）：相鄰兩次記錄的時(shí)間間隔（秒）；

（3）at_night（f1）：是否在夜間（20：00-06：00，是為1，否則為0）；

（4）continuous_time（tc）：累計(jì)的連續(xù)駕駛時(shí)間（秒）（若中間停車，瞬時(shí)速度為0）；（5）acceleration（a）：實(shí)時(shí)加速度（米/秒2），用公式a=（V2-V1）/（T2-T1）表示。

（6）highWay（f2）：是否在高速路上（0表示否，1表示是），采用速度來判斷。

下面進(jìn)行行為因子的篩選，分為三大類，基于原始數(shù)據(jù)和上述中間變量計(jì)算出汽車駕駛員行為評(píng)分指標(biāo)。（1）行駛里程及時(shí)間：行駛總時(shí)間（T行）、平均單日行駛時(shí)間（t行）、總里程（S）、平均單日行駛里程（S日）、夜間行駛總時(shí)間（T夜）、平均單日夜間行駛時(shí)間（t夜）、夜間行駛平均占比（W夜行）；（2）超速行駛情況：非高速公路行駛每百公里超速（≥70km/s）次數(shù)（q非）、 高速公路行駛每百公里超速次數(shù)（q高）。（3）駕車行駛情況：平均加速度（a均）、每百公里急加速（≥1.38m/s2）次數(shù)（d加）、每百公里急減速（≤-1.5m/s2）次數(shù)（d減）、每百公里急變速次數(shù)（d總）、最大連續(xù)駕駛時(shí)間tmax、速度標(biāo)準(zhǔn)差Sv均、非高速公路行駛的平均速度（V非）、高速公路行駛的平均速度（V高）。

3.指標(biāo)的再篩選與權(quán)重的計(jì)算

根據(jù)樣本數(shù)據(jù)擬合后，對(duì)出險(xiǎn)樣本和未出險(xiǎn)樣本對(duì)比，判斷駕駛行為因子是否均符合相關(guān)性與正向激勵(lì)原則，選出夜間行駛時(shí)間（h）、每百公里急減速次數(shù)、行駛總里程（km）、最大連續(xù)駕駛時(shí)間（h）、速度標(biāo)準(zhǔn)差（m/s2）、行駛總時(shí)間（h）6個(gè)指標(biāo)。由于行駛總里程與行駛總時(shí)間高度相關(guān)，將行駛總時(shí)間這一指標(biāo)去除。下面對(duì)這5個(gè)指標(biāo)進(jìn)行熵權(quán)分析賦權(quán)。

（w1，w2，w3，w4，w5）=（0.1848，0.4445，0.2273，0.1293，0.0141）

由于w5值較小，剔除速度標(biāo)準(zhǔn)差，重新計(jì)算得出：

（w1，w2，w3，w4）=（0.1874，0.4509， 0.2306，0.1312）

4.駕車行為評(píng)分模型的建立

100分為滿分，夜間行駛時(shí)間（h）、每百公里急減速次數(shù)、總里程（km）、最大連續(xù)駕駛時(shí)間（h）這4個(gè)指標(biāo)最大分值分別為19、45、23、13，對(duì)每個(gè)指標(biāo)的若干數(shù)據(jù)檔按照安全性高低分別賦相應(yīng)分值，得到駕駛行為評(píng)分。

5.模型檢驗(yàn)

用駕駛行為評(píng)分模型計(jì)算樣本數(shù)據(jù)得分情況，按照駕駛評(píng)分的大小對(duì)樣本進(jìn)行分組，共五組：90（含）～100（含）、80（含）～90、80（含）～90、70（含）～80、60（含）～70。計(jì)算出每組的頻數(shù)、駕駛評(píng)分均值、未出險(xiǎn)樣本個(gè)數(shù)、出險(xiǎn)樣本個(gè)數(shù)。用歸一化指標(biāo)（出險(xiǎn)樣本個(gè)數(shù)/組頻數(shù)）來評(píng)價(jià)該駕駛評(píng)分分組的風(fēng)險(xiǎn)大小。結(jié)果得出，駕駛評(píng)分均值越高，該組的出險(xiǎn)概率越低，這說明評(píng)價(jià)模型有效。

五、加入從人因素的風(fēng)險(xiǎn)分類定價(jià)方法與傳統(tǒng)方法的對(duì)比

1.樣本數(shù)據(jù)說明

此部分檢測(cè)樣本為動(dòng)態(tài)因素風(fēng)險(xiǎn)評(píng)價(jià)選取的68個(gè)樣本。

2.基于靜態(tài)從人因素的基本費(fèi)率厘定

根據(jù)靜態(tài)因素風(fēng)險(xiǎn)度量的結(jié)論，針對(duì)不同風(fēng)險(xiǎn)因素進(jìn)行風(fēng)險(xiǎn)區(qū)分，并根據(jù)風(fēng)險(xiǎn)大小進(jìn)行費(fèi)率賦權(quán)。計(jì)算得到，出險(xiǎn)樣本的平均費(fèi)率為10%，未出險(xiǎn)樣本為9%，總平均費(fèi)率9.76%。出險(xiǎn)樣本費(fèi)率高于未出險(xiǎn)樣本，說明本文基于靜態(tài)從人因素的風(fēng)險(xiǎn)區(qū)分方法有效。

為了方便與傳統(tǒng)方法對(duì)比（傳統(tǒng)方法基礎(chǔ)保險(xiǎn)費(fèi)率20%），我們將靜態(tài)從人因素費(fèi)率每個(gè)權(quán)值乘以2，得到對(duì)比數(shù)據(jù)：對(duì)于高風(fēng)險(xiǎn)用戶（出險(xiǎn)樣本）保費(fèi)提高了1%～21%，低風(fēng)險(xiǎn)用戶（未出險(xiǎn)樣本）保費(fèi)下降了1%～19%。這說明基于靜態(tài)從人因素進(jìn)行風(fēng)險(xiǎn)區(qū)分的保費(fèi)定價(jià)方法有效。

3.基于動(dòng)態(tài)從人因素的免賠額費(fèi)率厘定

根據(jù)動(dòng)態(tài)因素風(fēng)險(xiǎn)評(píng)價(jià)的結(jié)論，基于評(píng)分越高費(fèi)率越低的原則，對(duì)應(yīng)不同駕車評(píng)分段的樣本給定不同的保費(fèi)費(fèi)率。根據(jù)動(dòng)態(tài)從人因素費(fèi)率參照表可以計(jì)算出每個(gè)樣本的不計(jì)免賠額費(fèi)率大小，得到不計(jì)免賠費(fèi)率均值為1.7313%。

為了方便與傳統(tǒng)方法對(duì)比（傳統(tǒng)方法不計(jì)免賠額保險(xiǎn)費(fèi)率8%），將不同評(píng)分等級(jí)所對(duì)應(yīng)的費(fèi)率值各乘以5。根據(jù)調(diào)整后的動(dòng)態(tài)從人因素費(fèi)率參照表再次計(jì)算出每個(gè)樣本的不計(jì)免賠額費(fèi)率大小，得到對(duì)比數(shù)據(jù)：對(duì)于保險(xiǎn)公司來說，運(yùn)用基于動(dòng)態(tài)從人因素風(fēng)險(xiǎn)區(qū)分方法樣本不計(jì)免賠費(fèi)率均值上升了0.69%，總體的保費(fèi)收入有所增加；對(duì)于高風(fēng)險(xiǎn)用戶（出險(xiǎn)樣本）保費(fèi)提高了1.6875%～9.6875%，低風(fēng)險(xiǎn)用戶保費(fèi)下降了0.6567%～7.7143%。這說明基于動(dòng)態(tài)從人因素進(jìn)行風(fēng)險(xiǎn)區(qū)分的保費(fèi)定價(jià)方法有效，并且對(duì)于被保險(xiǎn)人有正向激勵(lì)作用。

4.加入從人因素的風(fēng)險(xiǎn)分類定價(jià)方法與傳統(tǒng)方法的對(duì)比

無論是本文所設(shè)計(jì)的加入從人因素的風(fēng)險(xiǎn)分類定價(jià)方法或是傳統(tǒng)方法，其定價(jià)公式均為：保費(fèi)=日租金×（基礎(chǔ)費(fèi)率+不計(jì)免賠額費(fèi)率）。

假設(shè)所有樣本車輛的日租金均為200元 ，利用本文所設(shè)計(jì)的加入從人因素風(fēng)險(xiǎn)分類定價(jià)方法計(jì)算出每個(gè)樣本的費(fèi)率，并將出險(xiǎn)樣本與未出險(xiǎn)樣本的保費(fèi)進(jìn)行對(duì)比，得到對(duì)比數(shù)據(jù)。對(duì)于保險(xiǎn)公司來說，新的車險(xiǎn)定價(jià)方法使樣本均值變?yōu)?6.26元，而傳統(tǒng)定價(jià)方法樣本均值為56。對(duì)于被保險(xiǎn)人來說，出險(xiǎn)樣本的保費(fèi)均值為60元，高于傳統(tǒng)定價(jià)方法；未出險(xiǎn)樣本的保費(fèi)均值為52，低于傳統(tǒng)定價(jià)方法。由此可以驗(yàn)證，本文所設(shè)計(jì)的加入動(dòng)態(tài)從人因素的風(fēng)險(xiǎn)分類定價(jià)方法能夠區(qū)分風(fēng)險(xiǎn)大小，體現(xiàn)出保險(xiǎn)定價(jià)中公平合理的原則。

六、結(jié)論

本文擬定了P2P商業(yè)車險(xiǎn)定價(jià)的基本方法和步驟，同時(shí)提供了用戶風(fēng)險(xiǎn)甄別的基本方法。

靜態(tài)從人因素部分采用了服從Tweedie分布的廣義線性模型對(duì)出險(xiǎn)金額進(jìn)行擬合，分別對(duì)地區(qū)、性別、年齡、駕齡四個(gè)因素進(jìn)行用戶風(fēng)險(xiǎn)大小的衡量，四個(gè)因素對(duì)被保險(xiǎn)人風(fēng)險(xiǎn)大小的衡量均有顯著作用。地區(qū)方面，北京出險(xiǎn)風(fēng)險(xiǎn)大于上海；性別方面，男性出險(xiǎn)風(fēng)險(xiǎn)遠(yuǎn)大于女性；從年齡來看，21歲～24歲的被保險(xiǎn)人風(fēng)險(xiǎn)最高，40歲以上的被保險(xiǎn)人風(fēng)險(xiǎn)其次，而25歲～29歲年齡段的風(fēng)險(xiǎn)相對(duì)較低；從駕齡來看，駕齡小于1年的被保險(xiǎn)人風(fēng)險(xiǎn)最大，其次是駕齡在4年～7年的被保險(xiǎn)人，而7年以上駕齡的被保險(xiǎn)人，其風(fēng)險(xiǎn)會(huì)隨著駕齡的增加而降低。

動(dòng)態(tài)從人因素部分，利用P2P車險(xiǎn)平臺(tái)天然的數(shù)據(jù)優(yōu)勢(shì)，采用熵權(quán)法對(duì)用戶駕車行為進(jìn)行打分。其中，每百公里急減速次數(shù)這一行為因子指標(biāo)對(duì)出險(xiǎn)風(fēng)險(xiǎn)的影響最大，夜間行駛時(shí)間、行駛總里程以及最大連續(xù)駕駛時(shí)間這三個(gè)行為因子對(duì)風(fēng)險(xiǎn)的高低也有比較顯著的影響。

基于靜態(tài)以及動(dòng)態(tài)從人因素風(fēng)險(xiǎn)大小的識(shí)別，分別厘定基礎(chǔ)費(fèi)率、不計(jì)免賠額費(fèi)率。經(jīng)過出險(xiǎn)樣本與未出險(xiǎn)樣本的對(duì)比，得到采用從人因素的風(fēng)險(xiǎn)分類定價(jià)方法可以在不降低保險(xiǎn)公司保費(fèi)收入的前提下，區(qū)分被保險(xiǎn)人風(fēng)險(xiǎn)大小的結(jié)論。與此同時(shí)，這種加入從人因素的風(fēng)險(xiǎn)分類定價(jià)方法對(duì)于被保險(xiǎn)人有正向激勵(lì)作用，即被保險(xiǎn)人為了降低保費(fèi)費(fèi)率會(huì)更加注重自己駕車行為的安全性，針對(duì)此模型的正向激勵(lì)作用未來也有待于進(jìn)一步研究。

注：

OBD設(shè)備：On-Board Diagnostics的縮寫，車載自動(dòng)診斷系統(tǒng)。