高現(xiàn)價產(chǎn)品挽救保費

隨著2月初保監(jiān)會“規(guī)范高現(xiàn)金價值產(chǎn)品”的通知正式下發(fā)，一刀切式的叫停被有條件的放開取代，保費增速大幅下滑的警報基本解除。

正式通知與此前的征求意見稿相比，主要變化在違規(guī)標準和懲罰措施兩方面。在違規(guī)標準上，征求意見稿要求：“傭金費率不得高于附加費用率”，由于高現(xiàn)金價值產(chǎn)品的附加費用率只有0-0.5%左右；而銀保躉繳分紅險的傭金率一般要3%以上，萬能險也一般在1%以上（部分熱賣產(chǎn)品費用也可以做到費用很低），因此，征求意見稿相當于“一刀切”叫停了高現(xiàn)金價值產(chǎn)品。但在正式通知中，該條禁令取消，轉而提出償付能力充足率達到150%和董事會審議兩個較寬松的限制；且二季度以后高現(xiàn)金價值產(chǎn)品依然可以銷售。

在懲罰措施上，征求意見稿要求：“高現(xiàn)金價值產(chǎn)品準備金超過全部法定準備金30%以上的，要計提額外的最低資本”。但在正式通知中，該懲罰措施給了5年的過渡期，對于保費收入超過資本金2倍的部分，逐年增加額外的最低資本。計提臨界值從掛鉤準備金變?yōu)閽煦^資本金，體現(xiàn)了監(jiān)管后端遷移的思路，給高現(xiàn)金價值產(chǎn)品留出了一片發(fā)展空間。

高給付壓力所迫

高現(xiàn)金價值產(chǎn)品是指第二保單年度末保單現(xiàn)金價值與累計生存保險金之和超過累計所繳保費，且預期該產(chǎn)品60%以上的保單存續(xù)時間不滿3年的產(chǎn)品。投資連結保險產(chǎn)品、變額年金保險產(chǎn)品除外。數(shù)據(jù)顯示，2013年保費高達2800億元，占比為26%。

目前上市公司所售的高現(xiàn)金價值主要產(chǎn)品如下（截至2013年11月底的數(shù)據(jù)）：國壽的鑫豐2013年銷售額為320億元，新單占比約為29%；在2014年轉型為費改新產(chǎn)品后作為開門紅產(chǎn)品。

新華的惠福寶2013年銷售額為100億元，新單占比約為28%；在2014年繼續(xù)銷售。太保的紅利盈（2014年的保得盈）2013年銷售額為70億元，新單占比約為20%。平安的高現(xiàn)金價值產(chǎn)品非常少，預計2013年的新單占比小于5%。

總體來看，國壽2013年新單中高現(xiàn)金價值產(chǎn)品占比較高，計劃二季度將推進價值轉型，且償付能力比較充裕；新華由于資本金吃緊，處在被動轉型的時點，且預計在2014年將發(fā)行50億元的 “債務融資工具”，提高償付能力充足率25個基點。太保和平安高現(xiàn)金價值產(chǎn)品相對有限。

新規(guī)明確規(guī)定了不增加最低資本的條件：2013年高現(xiàn)金價值產(chǎn)品保費不超過資本金的200%。國壽、新華、太保、平安的保費除以實際資本分別只有18%、28%、17%、3%；但其余人身險公司的平均比例預計則高達146%；可見該比例在不同公司間波動很大，一批資本金有限但是靠高現(xiàn)價產(chǎn)品搶占市場和現(xiàn)金的公司會被要求提高最低資本。

截至2013年中期，上市保險公司償付能力充足率均在170%以上；其中太保和平安充足率較高，預計2013年末太保充足率為247%，平安壽險按照可轉債的額度計算有到230%的空間。四家公司在未來幾年將繼續(xù)推進期繳對躉繳的替代工作，預計2014年上市險企投放的高現(xiàn)金價值產(chǎn)品的額度與2013年相近，主要是國壽的300億元、新華和太保不足100億元。

據(jù)了解，監(jiān)管層在最后一刻將高現(xiàn)金價值產(chǎn)品的監(jiān)管尺度后移，主要原因在于2014年行業(yè)滿期給付壓力依然很大。2013、2014、2015年的給付額分別為1430億元、1700億元、2600億元，一次性把占比接近三成的保費砍掉的硬著陸實在不可取。

另外，監(jiān)管后移的思路挽救了高現(xiàn)金價值產(chǎn)品，它體現(xiàn)為資本主導一切，用雙重資金的市場成本去約束價格競爭。以國壽為例：2013年有超過1000億元的5年滿期給付，金額占全行業(yè)的60%以上。但到2014年，國壽的滿期給付將降到600億元，行業(yè)為1600億元；到2015年，國壽的滿期給付約為400億元，行業(yè)為2600億元。

在未來幾年仍較高的給付和退保壓力下，高現(xiàn)金價值產(chǎn)品還會在市場上占據(jù)一定位置，但產(chǎn)品投放主體將轉化為有更多元融資渠道的險企。2013年人身險業(yè)務企穩(wěn)回升，保費收入1.1萬億元，同比增長8.4%，比上年提高3.9%。在高現(xiàn)金價值產(chǎn)品起死回生的前提下，2014年復蘇趨勢將會繼續(xù)。

ZestFinance顛覆傳統(tǒng)信用評估體系

？？？？通過對海量數(shù)據(jù)的分析和處理，ZestFinance對傳統(tǒng)信用評估體系有了顛覆性的改變，其大數(shù)據(jù)模型導致貸款批準更有效率，同時風險控制則進一步改善。

互聯(lián)網(wǎng)金融已經(jīng)成為最熱的概念之一，我要分享的案例是美國最近的一個互聯(lián)網(wǎng)金融公司：ZestFinance，如果翻譯過來的話應該叫澤斯塔金融公司，它是一個關于顛覆式的信用評估體系的故事。

在此之前，我想用一個當時并不是很得志的棒球評論員的一段話來作為開局，比爾·詹姆斯是一個癡迷于棒球，而且非常癡迷于棒球的各種數(shù)據(jù)的分析員，他編纂并自費出版了一本書，《1985年棒球摘要》。在這本書中，他說數(shù)字并不應該僅僅是數(shù)字，數(shù)字其實可以像小說、戲劇和詩歌一樣，數(shù)字在人類歷史中訴說的并不只是干巴巴的數(shù)字本身，背后講述的是性格、心理、歷史、力量、優(yōu)雅、榮耀、犧牲、勇氣、沮喪、連貫一致、運氣不濟、雄心壯志與成功失敗。

我們平均每個人每天大約要做3000個左右的決策，當然絕大部分都是非常小的決策，只有個別的是比較重大的決策。在很多的決策過程中，我們的決策質量是直接受到經(jīng)驗和直覺的限制，從而越多的經(jīng)驗和直覺往往有可能會導致最差的決策。這也就是思維的局限性和思維的盲點。

關于思維的盲點，美國的暢銷書作家邁克爾·劉易斯根據(jù)當時奧克蘭的一支棒球隊的一個真實故事寫了一本書《Money ball》（《點球成金》），講述財力有限的小棒球隊如何顛覆實力雄厚的大棒球隊。劉易斯對比了兩種決策的思路，一是根據(jù)經(jīng)驗判斷，二是根據(jù)數(shù)字。這本書后來被改編成同名電影，其中非常有意思的一幕就是關于依靠直覺與經(jīng)驗來進行決策會導致什么樣的后果。在這一幕中，幾個富有經(jīng)驗的球探和球隊經(jīng)理在討論一個球員人選。

一個球探說，“他不錯，有天賦……而且長得也不錯。”

一個滿頭白發(fā)，戴著助聽器的老人虛弱地附和道，“他擊打動作不錯，球一被碰到就一下子彈出去老遠。”

另一個球探也附和說，“擊打聲很大。”

有一個球探打斷了對話，說，“他女朋友真丑。”

會議的負責人說，“那是什么意思？”

那個人似乎很肯定地說，“女朋友丑說明沒自信啊！”

開了一會玩笑之后，一個一直沒說話的球探說，“這個人有很大的氣場。我的意思是，他還沒上傳呢，對手就已經(jīng)提前感受到了他的氣勢。”

從這一幕中可以發(fā)現(xiàn)，即使是一群非常有經(jīng)驗、有直覺的資深職業(yè)球探，當他們進行決策的時候，事實上也面臨非常多的所謂的思維的局限性和路徑依賴。決策的質量遇到這種路徑依賴和思維局限性所干擾的時候，會受到很大的影響。

ZestFinance的故事雖然與棒球無關，但同樣與數(shù)字密切相關。ZestFinance本質上也是一個關于數(shù)字的故事，它針對的痛點是發(fā)薪日貸款，由此而建立了完全有別于傳統(tǒng)信用評估體系的信用模型。

發(fā)薪日貸款

有64%的美國人的現(xiàn)金賬戶里只有不到1000美元的現(xiàn)金，即救急現(xiàn)金不足1000美元，有超過3000萬的美國人每年要依賴個人過橋貸款，也就是說，3000萬美國人等不到下一次發(fā)工資就必須有一個救急貸款。讓我們再來看另一組數(shù)據(jù)，在美國每10萬人平均有3家星巴克、4.3家麥當勞，而與之相對應每10萬人平均有超過10家的所謂發(fā)薪日貸款機構。從數(shù)字就能看出，發(fā)薪日貸款實際上是一個非常大的行業(yè)，也是一個痛點非常多的行業(yè)。

發(fā)薪日貸款針對特定的人群，這是一個低收入人群，其中年收入低于2萬美元的占到大約一半，而且其中大多數(shù)人沒有任何的信用記錄，甚至有一部分人是連名字、身份都不存在的，也沒有任何的信用分數(shù)，這批人根本和常規(guī)的貸款機構沒有任何的關聯(lián)。

與之對應的，針對這類人群的高風險貸款的利率就會特別的高，在不同的州，年化利率高達400%、500%以上。也就是說，如果將這種小額的、短期的貸款轉化成年化利率來看的話，其實質就是高利貸。這直接導致了很多依賴發(fā)薪日貸款這種途徑的貸款人背上了沉重的枷鎖，一旦他選擇了發(fā)薪日貸款，他可能會陷得越來越深。前幾年英國有一個案例，有個小伙子當時通過這種發(fā)薪日貸款借了150英鎊，由于極高的年度利率，最終這150英鎊變成了1萬英鎊，這個人可能永遠也還不起這個錢了。

ZestFinance就是針對這個行業(yè)的這種具體的痛點，實際上走的是一條顛覆傳統(tǒng)信用評估體系的道路。ZestFinance的創(chuàng)始人Douglas Merrill，是一個很典型的嬉皮士，非常年輕，滿身都是紋身。在創(chuàng)辦ZestFinance之前，他曾擔任谷歌的CIO（總信息師），在大數(shù)據(jù)的挖掘和應用方面積累了非常多的經(jīng)驗。同時，這個人雖然是名嬉皮士，但他有非常強的社會責任感。ZestFinance的創(chuàng)辦，一方面是試圖去建立一個新的信用評估體系；另一方面也是試圖對這種收入的整體的分配不公或者說傳統(tǒng)的貸款渠道的不公發(fā)起沖擊。

大數(shù)據(jù)基礎上的信用評估

ZestFinance的一個基本模型是通過大數(shù)據(jù)的挖掘和機器的智能學習，具體來說，一方面是利用海量的數(shù)據(jù)挖掘和處理；另一方面大量地、深度地挖掘社交媒體，同時極大地拓展貸款人的變量。

美國的信用系統(tǒng)里，傳統(tǒng)的信用分數(shù)所包含的貸款人的變量一般只有幾十項，而ZestFinance的模型里包含的變量將近1萬項，在7000-8000項以上。它搜尋極多、極邊緣的變量，試圖從中挖掘出一些有用的信息。

非常有意思的是，在發(fā)薪日貸款行業(yè)，實際上有很多貸款人從官方定義上來說是不存在的。所以通過常規(guī)的信用分數(shù)，這批人是根本不會進入模型的。而通過社交媒體的挖掘，這批人能夠進入ZestFinance的模型，而ZestFinance能夠對這批人進行一個深度的挖掘。最后它通過機器智能學習，能夠極大地縮短模型的反饋和改進的時間，這是它的一些根本特點。

這個模型具體分為大概四到五步。第一步是去挖掘數(shù)以千計的不同的變量；第二步會尋找這些變量之間的一些關聯(lián)性。接著，在關聯(lián)性的基礎上將這些變量重新綁定成一些比較大的變量，然后將這些大的變量放入不同的分立的數(shù)據(jù)模型來進行處理。每一個分立的數(shù)據(jù)模型給出一個分立的結論，再把這些分立的結論綁定，最終整合成一個自有的信用分數(shù)。所以這個信用分數(shù)是基于大量的海量數(shù)據(jù)、大量的社交網(wǎng)絡的數(shù)據(jù)、大量的非結構化數(shù)據(jù)的一個處理。一方面它依賴結構化的數(shù)據(jù)，但是另一方面它導入了大量的非結構化的數(shù)據(jù)。

常規(guī)的信用評估體系實際上是一個簡單的線性回歸，通過對一個貸款人的一些最重要的十幾個方面或者幾十個參數(shù)進行一個線性回歸，就得出了一個常規(guī)的信用分數(shù)。而ZestFinance是通過對數(shù)以千計的變量及其關聯(lián)性進行整理，在大數(shù)據(jù)挖掘的基礎上最終形成一個獨立的信用分數(shù)。

ZestFinance的非結構化數(shù)據(jù)包括申請人的IP地址，因為IP地址可以映射出申請人來自哪個區(qū)域。申請人的家庭地址和工作地址都是ZestFinance對非結構化數(shù)據(jù)進行處理的一部分。非結構化數(shù)據(jù)還包括申請人的電子郵件所使用的用戶名，因為電子郵件的用戶名可以映射出這個申請人的一些行為或者反映出這個申請人的一些社會特征。更極端的，ZestFinance甚至在申請人填寫申請表的時候跟蹤填表的大小寫習慣。申請人是否大量地使用大寫，或者申請人是否能夠正確地分清大小寫都能夠映射申請人的一些行為和心理特征。所以ZestFinance的模型都會考慮這些最細微的一些變量。

從整個信用評估體系的發(fā)展歷程來看，ZestFinance是對現(xiàn)有信用評估體系的顛覆。它在很多方面和谷歌、亞馬遜，甚至奈飛（Netflix）公司在數(shù)據(jù)挖掘和機器智能學習方面所采用的方式是相通的。

當ZestFinance對傳統(tǒng)的信用評估體系有了一個顛覆性的改變之后，就帶來了一個新的價值空間：這個模型對批準貸款更加有效率，事實上這個模型和常規(guī)的信用評估體系的模型相比，效率能夠提高將近90%。同時，在風險控制方面也有極大的改進，ZestFinance的模型能夠把相關貸款人的違約率降低將近50%。

而ZestFinance的下一步行動是希望把其在這種發(fā)款日的貸款上的優(yōu)勢繼續(xù)拓展到其他貸款領域，包括信用卡、汽車的貸款，甚至包括房屋的貸款。他們認為，如果采用他們的模型在房屋貸款上能夠有120億美元的空間，在其他幾個領域也會有幾十億美元的空間。

最后回到大數(shù)據(jù)的一個理論基礎，牛津大學的維克托·邁爾-舍恩伯格教授在《大數(shù)據(jù)時代》一書中對大數(shù)據(jù)提出了三個觀點，也就是關于大數(shù)據(jù)的三個總的趨勢。第一，隨著計算能力的增強，大數(shù)據(jù)的處理應該是總體大于樣本，傳統(tǒng)的抽樣統(tǒng)計正在被總體數(shù)據(jù)分析所取代。也就是說，小數(shù)據(jù)時代的隨機采樣正在被全數(shù)據(jù)模式替代。第二，數(shù)據(jù)分析的精確性需求在下降，而數(shù)據(jù)的混雜性需求在不斷上升，大數(shù)據(jù)的簡單算法優(yōu)于小數(shù)據(jù)的復雜算法。第三，大數(shù)據(jù)時代對關聯(lián)度的追求大于對傳統(tǒng)意義上的因果關系的追求。在大數(shù)據(jù)時代，我們讓數(shù)據(jù)自己發(fā)出聲音。這三個大數(shù)據(jù)趨勢構成了包括ZestFinance在內(nèi)的很多數(shù)據(jù)挖掘模型的基礎，是關于數(shù)據(jù)挖掘方面需要遵循的三大原則。

我們現(xiàn)在所處的年代還只是在一個大數(shù)據(jù)分析與應用的起始點，當前很多關注點還是在內(nèi)部數(shù)據(jù)，還沒有拓展到外部。未來我們的決策越來越多將會由數(shù)據(jù)來驅動，而不是由個人的直覺和經(jīng)驗來驅動。

作者為中歐國際工商學院創(chuàng)業(yè)學教授