车险市场非对称信息研究

车险研究读物

自中国改革开放以来，保险行业无论是在保费规模上还是在保险范围上都已取得了很大的进展。作为提供损失补偿和风险控制的部门，保险行业为中国经济的发展提供了有力的保障。
但是，随着保险行业的快速发展，与保险行业相伴相生的非对称信息问题对该行业的困扰也日益加重。非对称信息问题使保险市场资源配置无法达到*，使市场效率显著下降，使社会福利蒙受了严重的损失，是保险市场失灵的罪魁祸首。
本文主要关注的是中国机动车保险市场中的非对称信息问题，具体来说，主要包括非对称信息的存在性问题和控制问题。全文分为6个章节。
第1章为绪论，包括研究意义、相关概念、研究方法、主要创新点以及论文结构。第2部分为文献综述。第3章为理论模型回顾。第4章为中国车险市场非对称信息存在性的实证检验。第5章为中国车险市场非对称信息控制研究。第6章为全文总结。

屈博，九三学社社员，中国人民大学经济学博士，中国人民银行金融研究所金融学博士后，注册会计师（CPA），特许金融分析师（CFA）。现任中国互联网金融协会统计部高级主管。主要研究方向为金融经济学，信息经济学，保险经济学以及大数据和人工智能技术在金融科技领域的应用。

1绪论111研究背景和意义112相关概念界定513研究方法和技术路线914主要创新点1215本书的主要内容和结构13
2文献综述1521引言1522风险水平与保障程度之间关系的检验模型1823关于非对称信息存在性的实证研究2124不同国家保险市场的非对称信息问题3625学习效应3826非对称信息控制4127本章小结46
3理论、模型和方法概述4831非对称信息的计量经济学模型4832风险分类理论的回顾6033本章小结69
4中国车险市场非对称信息存在性的实证检验7141理论假设7242数据描述7443理论模型8444实证分析8845本章小结103
5中国车险市场非对称信息控制研究10551分类算法10552基于全部样本的实证分析11953基于车损险数据的实证分析12454基于三责险数据的实证分析12855本章小结133
6结论和研究展望13461全书结论13462展望135
参考文献136图、表目录图1-12003—2012年中国民用机动车保有量3图1-22003—2012年中国机动车驾驶员数量3图1-3本书主体部分的技术路线11
表1-12000—2012年中国财产险和机动车辆保险的保费及赔付情况4表2-1各保险市场中的经典实证研究22表4-1解释变量说明75表4-22011年中国各省级行政区人均GDP77表4-3基于全部样本的因变量交叉列联表79表4-4基于车损险数据的因变量交叉列联表79表4-5基于三责险的因变量交叉列联表80表4-6基于全部样本的自变量描述性统计81表4-7基于车损险数据的自变量描述性统计82表4-8基于三责险数据的自变量描述性统计83表4-9车龄的统计描述83表4-10索赔次数的描述统计84表4-11非参数独立性检验87表4-12非参数检验的控制变量说明87表4-13基于全部样本的bivariate probit回归模型的实证结果88表4-14基于全部样本和参数模型的稳健性检验91表4-15基于所有样本和非参数模型的稳健性检验92表4-16基于车损险数据的bivariate probit回归模型的实证结果93表4-17基于车损险数据和参数模型的稳健性检验96表4-18基于车损险数据和非参数模型的稳健性检验97表4-19基于三责险数据的bivariate probit回归模型的实证结果100表4-20基于三责险数据和参数模型的稳健性检验101表4-21基于三责险和非参数模型的稳健性检验102表5-1基于全部样本风险分类后的非对称信息存在性检验结果119表5-2基于全部样本的风险分类后的非对称信息存在性的稳健性检验结果：w统计量120表5-3基于全部样本的风险分类后的非对称信息存在性的稳健性检验结果：相关系数122表5-4基于全部样本的风险分类后的非对称信息存在性的稳健性检验结果：非参检验123表5-5基于车损险数据的风险分类后的非对称信息存在性检验结果124表5-6基于车损险数据的风险分类后的非对称信息存在性的稳健性检验结果：w统计量125表5-7基于车损险数据的风险分类后的非对称信息存在性的稳健性检验结果：相关系数127表5-8基于车损险数据的风险分类后的非对称信息存在性的稳健性检验结果：非参检验128表5-9基于三责险数据的风险分类后的非对称信息存在性检验结果129表5-10基于三责险数据的风险分类后的非对称信息存在性的稳健性检验结果：w统计量130表5-11基于三责险数据的风险分类后的非对称信息存在性的稳健性检验结果：相关系数131表5-12基于三责险数据的风险分类后的非对称信息存在性的稳健性检验结果：非参检验132

自改革开放以来，我国保险行业无论是在保费规模上还是在保险范围上都已经取得了长足发展。作为提供损失补偿和风险控制的部门，保险行业为中国经济的发展提供了有力的保障。但是，随着保险行业的快速发展，非对称信息问题对保险行业的困扰也日益明显。非对称信息问题使保险市场资源配置无法达到，使市场效率显著下降，使社会福利蒙受严重损失，是保险市场失灵的“罪魁祸首”。因此，对保险市场非对称信息问题的研究，具有重要的理论价值和实践意义。本书主要关注的是中国机动车保险市场中的非对称信息问题，主要包括非对称信息的存在性问题和控制问题。本书在对相关文献进行系统梳理的基础上，通过对风险水平—保障程度相关模型进行实证检验，验证了中国保险市场中非对称性信息的存在性问题，之后，运用机器学习技术对非对称信息进行了控制研究。通过理论推导和实证分析，得到的主要结论如下：一、在实证检验中，应用广泛的理论模型是风险水平—保障程度相关模型。该模型关注的要点是风险水平与保障程度的条件相关性，即在控制了所有可观测到的外生变量后，风险水平和保障程度之间的相关性；在检验该模型时，风险水平一般用索赔次数或索赔金额表示，而保障程度一般用投保人对免赔条款的选择来表示；此外，在检验中必须注意模型错误和控制变量选择问题所导致的模型失效。二、如果保险市场不存在非对称信息问题，那么风险分类并不会促进经济效益的提高；对于存在非对称信息的保险市场，风险分类提供了取得较高经济效益的可能性。三、本书的研究结果表明中国的车险市场存在显著的非对称信息问题。从车险市场的实证结果来看，对于不同险种以及具有不同特征的机动车的细分市场的实证检验，表明该结论具有稳健性；从方法层面上来看，本书采用了两种参数方法和一种非参数方法，并从参数检验和非参数检验两个角度对非对称信息的存在性进行了稳健性检验，结论均支持中国车险市场存在非对称信息问题。四、本书从实证的角度证明了风险分类可以有效控制车险市场中的非对称信息问题。具体而言，首先，本书利用被广泛认可的机器学习算法来区分风险较高的投保人与风险较低的投保人；其次，本书限制风险较高的投保人可以获得的保障程度；后，验证在风险控制前后的风险水平与保障程度之间的相关关系的变化程度。实证结果表明，有效的风险分类可以缓解车险市场中的非对称信息问题。本书的创新之处体现在以下三点：一、系统考察中国保险市场中非对称信息的存在性问题。与以往研究不同的是，本书不仅将车险市场作为一个整体进行研究，还对不同险种及具备不同特性的车辆细分市场进行稳健性检验。并且，本书选择适当的代理变量来控制风险厌恶程度这一广受理论模型关注的影响因素。二、提出一种基于风险分类理论的非对称信息控制方法。该方法通过使用高效的分类算法区分具有不同风险特性的投保人，并适当控制高风险的投保人可选择的保障程度，从而缓解了中国保险市场中非对称信息问题所造成的危害。该方法不但验证了风险分类理论的正确性，而且为控制车险市场中的非对称信息提出了一种低成本的解决方案。三、在实证方法上本书有所创新。首先，本书使用了两种参数方法和一种非参数方法全面地检验了中国机动车保险市场中非对称信息的存在性问题；其次，本书将决策树、近邻分类法、支持向量机、提升法、装袋法以及随机森林等多种机器学习算法引入车险市场的非对称信息控制研究，以建立有较好控制效果的分类系统。实证结果表明，该分类系统能够缓解中国保险市场中的非对称信息问题。此外，该系统的理论核心为机器学习算法，该方法具有成本低、误差小等人工控制方法所不具备的优点。出于隐私保护的考虑，保险公司一般只提供较早时期的数据，但投保人特性较为稳定，因此，本书结论仍具有代表性。
作者2018年6月

保险市场中的非对称信息（Asymmetric Information）问题，是指这样一种现象：每一个被保险人的风险的类别（如损失的可能性、损失大小的概率分布等）不同，并且保险人对具体某一被保险人的风险类别的了解程度低于相应的被保险人，即投保人相对于承保人而言存在私人信息或称为超信息。因此，承保人只能对所有无法区分风险类别的被保险人收取相同的保费，这就导致了低风险投保人的期望效用低于他不参加保险时的期望效用，高风险投保人的期望效用高于他不参加保险时的期望效用。终的结果是低风险投保人的比例下降，高风险投保人的比例上升，保险人的经营风险上升。保险市场中信息不对称的原因如下：尽管保险合同要求投保人遵循诚信原则，但若被保险人为理性人，那么他就会以获取效用为目标。其结果是被保险人隐瞒自己真实的风险状况，使保险人相信自己是低风险的被保险人，从而达到减少保费支付、提高期望效用的目的。非对称信息问题主要发生在保险市场。Jorgen W Weibull 在给Joseph Stiglitz颁发诺贝尔奖时指出：作为非对称信息的主要来源的逆向选择主要发生在保险市场，而保险公司为了应对这种风险，通常提供多种类型的合约，即具有较高免赔额和较低保费的合约以及具有较低免赔额和较高保费的合约。相应地，被保险人会根据自己不同的风险类别，选择适合自己的合约。对非对称信息的研究，主要来源于对保险市场的探索和总结。Cohen和Siegelman（2009）指出，作为非对称信息的核心的“逆向选择”，这一概念起源于对保险市场的研究，并且非对称信息的核心理论体系的构建主要基于多位学者（Arrow（1963），Pauly（1974），Rothschild & Stiglitz(1976)）对保险市场的研究。非对称信息问题的存在，会对保险市场产生严重影响。Akerlof（1970）指出：如果所有的保险人对投保人的风险只拥有不完全信息，那么保险市场将难以生存，即使勉强维持，也不可能有效率。其原因如下：一是在存在非对称信息的保险市场中，均衡可能不存在。Rothschild和Stiglitz(1976) 指出，如果保险市场存在均衡，那么一定为分离均衡（Separating Equilibrium），即高风险的投保者和低风险的投保者分别购买保险人为其量身定制的保险合同，并实现各自市场的均衡。但是，保险市场也可能根本不存在均衡，当市场中高风险的投保者的比例较小时，混同合同对保险人更加有利，此时不存在分离合同，因而无法实现分离均衡。二是非对称信息使保险市场的福利下降。Rothschild和Stiglitz(1976) 指出，如果保险市场中存在分离均衡，那么高风险的投保人将获得足额保险，而低风险的投保人只能获得部分保险，因而非对称信息使低风险的投保人的福利下降了。三是非对称信息将优质的投保人驱逐出保险市场。Rothschild和Stiglitz(1976) 指出，因为保险人缺乏足够的信息，无法区分投保人的风险类别，所以保险人只能对所有的投保人收取相同的保费，这就导致低风险投保人的期望效用下降，而高风险投保人的期望效用上升，终低风险的投保人被高风险的投保人驱逐出市场的结果。相对于整个保险市场，我们主要关注机动车保险市场，其原因如下：车险市场发展迅速，并已经成为财产保险领域主要的市场之一。自改革开放以来，随着中国经济的迅猛发展，中国的汽车产业取得了举世瞩目的巨大成就。如图1-1所示，2003—2012年短短的10年间，中国的民用机动车保有量从238293万辆迅速增长到1093309万辆。同时，掌握机动车驾驶技术的人也越来越多。如图1-2所示，机动车驾驶员的数量也有了显著提高：2003—2012年10年间中国的机动车驾驶员的数量就从1061104万人激增到2525083万人。