楊鈞鈞 解志山(通訊作者)
(長春財經學院金融學院,吉林 長春 130000)
自21世紀以來,全球經濟發展迅猛,資本不斷涌入市場。隨著科學的迅速發展,世界上信息技術和成千上萬的信息材料可以在短時間內系統地分析和轉化成廣泛的數據。現如今,我國已經發展是一個保險服務大國,但對于保險行業數據應用信息的開放共享還是不夠充分完善,大數據保險交易平臺也尚未得到完善,數據應用基礎配套設施體系建設也仍然有待不斷加強,數據資源是否存儲足夠安全以及信用體系保障制度方面、個人隱私保護方面等相關信息也仍然是當務之急。
什么樣才是商業大數據?大數據信息是廣泛指人類無法在一定時間和范圍內用各種常規的計算軟件和信息工具對所提供需要的信息內容進行精確捕捉、管理和綜合處理的海量數據信息集合。大數據不僅僅可以幫助整合公司現有的行業信息,將其進行加工轉化成行業數據,甚至還可以幫助實現更加精準化的企業個人服務定制和風險預測。
大數據分析技術的實際市場應用價值不僅僅在于能夠掌握多么龐大的專業數據分析信息,更關鍵在于將這些最具有歷史意義的數據信息綜合進行高度數據化、專業化的分析處理。大數據的出現,使保險定價所參考的數據變多了,對保險定價效率也提高了,保險公司對大數據的利用越高效越集中,保險產品定價的參考數據也就越多,也就越精準、越高效。
保險產品的成本定價,即保費的成本厘定,即一個保險公司的實際投資成本收益變化情況、運營管理成本、銷售管理隊伍的經營激勵管理成本、股東的投資利潤率和回報率及其要求、市場上對同類產品的銷售價格等,運用應用核保/保險精算定價模型,確定一個保險產品的定價過程。
保險市場競爭環境一般來說指的也就是整個保險市場的潛在風險、投資者和渠道的管控、稅收上的成本、競爭對手的保險產品等;內部環境主要是保險公司對股東的利潤回報率、市場競爭策略和內部部門的協調等方面。這兩者各方面需要各家保險代理公司慢慢仔細進行戰略規劃,仔細研究思考如何兩者兼得,做出判斷。
監管市場環境的具體要求中還包括了資金償付能力、資金運用、精算標準規定和證券市場交易行為的綜合監管。從長期償付能力風險監管角度來看,國內的保險監管更加嚴格,從理論上來說,在一定相當程度上大大降低了國內保險業務公司長期發生償付風險的可能概率,但同時也大大增加了國內保險公司對于產品長期定價的整體成本。
根據國內現有的統計資料分析可以初步證實,大數據分析可以有效地大幅降低金融保險產品的精算定價處理風險。以目前壽險這類項目來作為一舉例,目前保險代理公司傳統壽險定價模式過于老舊,多為2000年到2003年的數據,在一定程度上直接反映了當時保險人們的平均死亡成本狀況,但對于現在而言,已經過時已久。
對于一般人壽保險基金類的理財產品,保險公司大都可以以“Lee-Carter死亡率模型”為數據基礎,從準確預測未來幾個年份保險死亡率和其他相關數值角度作為定價參照值的數據,來逐步進行保險資產的種類劃分、行業內資產平均價格波動水平等相關數據的精密分析定價。該模型的計算結果具體形式和歷史數據統計如表1所示。

表1 大數據整合實例——分年齡分年代歷史數據統計
該模型計算公式為:lnmx,t=ax+bxkt+ex,t,其中ex,t,是均值為0的誤差項。為了得到唯一解,要求向量b各分量之和為1,向量k各分量之和為0。按照這種約束,對給定的x, ax就是lnmx,t關于t的平均值,表2為模型計算預測后的kt值。

表2 預測后的kt
我國壽險管理部門在制定進行精算服務定價時就需要注意充分利用市場大數據,利用信息分析計算技術可以獲得合理的我國壽險服務產品精算定價,增加精算定價的市場靈活性,獲得我國壽險服務產品價格市場整體價格的絕對比較競爭優勢。
大數據可以提高保險產品的定價合理性,如果將“大數定律”這個理論應用于保險行業,保險公司可以去積累經驗、提高業務水平、豐富自身的信息資源,最終可能會逐步形成一個較為全面、細致、專業的保險數據分析體系。
這樣,保險業務公司就完全可以通過利用大數據分析處理技術和對加工數據處理后的結果得出的保險數據管理體系,來不斷改善自身的業務體系。這樣,保險代理公司就完全可以在最大化的程度地充分挖掘潛在保險客戶的市場價值,從而有效實現自身經濟利益點的最大化和提高保險產品的市場定價合理化程度。
眾所周知,任何單個一家企業保險開發公司若是真的想實現盈利,那么就不一定可能只愿意經營單一的險種,保險產品的項目種類眾多,這些企業保險需要開發的險種由于市場需求量大,涉及了多個不同行業,那么對于保險險種的定價數據也必然龐大,因此大數據分析整理技術必然可以有效地幫助提高企業保險產品設計開發人員的實際工作效率。對于保險定價也是如此,因為必須參考相當龐大的數據才能合理定價,但通過大數據的云計算分析,我們就能提高效率,以最快捷的方法,最高效的速度進行定價。
在這個現代社會信息技術呈現出爆炸性式增長的巨大時代背景下,對于金融保險行業來說,大數據的信息技術應用分析無疑是一把“雙刃劍”。好的一方面,海量的數據共享平臺有助于提高我國保險產品從業人員的實際工作效率,也推動我國保險行業對于保險定價的整體效率;壞的一方面,一旦這種數據資源共享模式成為市場主流,也就可能意味著單個大型保險業務公司所需要共同面對的也就是整個保險行業所有的整個公共數據,這樣如此龐大的公共數據量,無疑大大增加了保險公司分析數據的負擔,這就需要極大的人力、時間和精力去完成。
如果無法保證大量投入人力、物力、財力、那么效率低下就是最明顯的問題,如果因數據過大而導致數據處理不及時,不僅會影響到對保險定價的準確性,還會影響到對保險定價的時效性。所以,往后我們仍然還需不斷優化大數據分析應用技術的實際應用管理模型,提高大數據分析應用技術的實際應用管理效率,來徹底改善應用效率不適配等現實問題。
大數據分析僅基于前面分析的數據,但不代表得出的數據就是事實。大規模數據應用的一個典型例子是利用Google在線搜索引擎預測流感爆發的趨勢。根據維克托·邁爾-舍恩伯格在《大數據時代》這本書中所寫,谷歌計算了2008年流感關鍵詞搜索頻率,并比較了2003年的平均搜索結果,以便準確地預測2009年流感暴發率為97%,但這本書并沒有討論2010年和2011年預測的準確性。這兩年的精確度明顯降低,2010年的預測遠低于實際水平,2011年的預測遠遠高于實際。這就說明大數據不一定準確,未來可能千變萬化,所以,對于保險定價來說,自然也會因為大數據的局限性而受到影響,在保險定價的時候,我們可以參考大數據,但絕不能完全依賴大數據,不能讓大數據局限保險定價,要做到多角度多維度定價,適當運用大數據,才能更好地體現大數據對保險定價的使用價值。
大數據時代的出現既是一個機會,也是對保險業和其他行業的挑戰,而正確使用大量數據則是一個問題,我們需要不斷思考、不斷改革和創新,只有改變過去的思維方式。綜合上述實例、行業期望和大數據運用,我們可以發現許多問題,如何促進業務和行業發展的成功,我們將在很多方面進行改進。
既然我們不可避免地要面臨巨量的信息數據,巨量的信息數據會導致保險定價的效率降低,那么我們就應該考慮如何優化大數據分析應用技術的應用模型,提高大數據的管理效率,提高對保險定價的效率。本文認為應將大數據為我們提供的各類數據進行分庫分表,即對各種類型的用戶進行分類,可以根據其需要購買的險種或其年齡段適用的險種進行分類,在將一大類中細分為各小類,對應具體的險種,進行多層次多角度分析,這樣可以做到對數據進行很好的分流管理。與此同時,在分類分表的過程中,進行適當的算法優化,以便于更快捷,更高效的分類用戶群體。這樣對保險公司的各險種的定價提供了更加清晰的數據,使保險定價的效率達到最優,也更加準確,更加貼合實際。
由于大數據信息技術主要是由過去的資料對未來進行分析,那么就意味著所得出的結論不一定是事實,如果全部依賴于大數據,就會導致保險定價存在一定的局限性。所以,首先我們要從根本上去知道大數據并非是萬能的。我們可以依靠大數據的精確算法去完善保險的定價,但在公司內部還要有一套自己的算法,這套算法需要基于自身獲取的信息,這部分信息不要依賴于網絡數據,可以通過傳統的獲取信息的方式去獲取這部分數據,盡量做到與大數據相輔相成。只有這部分信息與大數據相結合才能夠得出最終的依賴數據,才能夠更加精準地完善保險公司對保險的定價。
如果要提高保險定價的效率,同時提高對大數據的應用,那么必須做到數據共享。這里的數據共享,并不單純指大數據的行業內共享,應分為三個部分:部門共享、公司共享、行業共享。部門共享即各部門就必須形成一個龐大的數據鏈,利用各部門的分析技術獲得合理的保險定價,增強定價的靈活性,提高公司產品的市場價格優勢;而公司共享,是在更廣泛的數據交換范圍內,將大多數保險公司的數據合并起來,以便建立更全面、詳細的專業數據系統,也會使保險定價更加的符合市場需求,更加合理化;行業共享主要是匯聚整個行業內的專業知識和行業理論,通過更大的信息技術交流信息,可以提供更多的技術支助,可以更好地確定整個保險行業的保險產品定價,為保險定價提供更加有力的理論基礎和數據支持。
綜上所述可知,大數據分析技術的高效率和應用不僅可以有效率地降低各類保險產品的市場定價率和風險、提高各類保險產品的市場定價率和合理性,同時還可以完善各家保險代理公司自身的保險經營管理體系。此外,我國社會保險系統從業人員們還應當堅持繼續在推動大數據信息技術創新應用發展道路上不斷摸索,推動當代我國社會保險行業整體實力的不斷提升。