大数据环境下保险行业UBI 车险定价模型构建探索

郭 际

（江西省社会科学院 法学研究所，江西南昌 330077)

一、UBI 车险

（一）UBI 车险的定义

UBI（Usage-based insurance）是通过车联网、自动驾驶系统、GRPS 定位系统进行驾驶者行驶行为、行驶习惯、行驶环境、路况信息等数据收集的一种物联网保险。通过收集这些数据和信息，最终建立人、车、路和环境等多维度模型进行定价。[1]它通过车载终端或智能手机设备获取车辆信息及驾驶员的行驶行为数据，并利用互联网技术进行数据的传输和处理，以驾驶员的行驶里程、速度、行驶时间、加速、减速、地点等行驶信息为依据进行分析和建模，精准计算风险保费、设计保险产品。[2]

（二）UBI 车险的产生背景

在信息技术深化应用的大背景下，以互联网为基础形成人、物之间深层次的关联是互联网应用改革的主要方向。在这种基础应用改革背景下，组成了构建人机交互深层次联系的物联网概念，并广泛应用到人们生活和工作中的诸多方面。物联网架构下实现了更深层次的人机交互，解决了过去互联网应用过程中各行业发展改革的瓶颈问题。随着互联网的深入应用，传统保险行业结合互联网形成互联网保险。互联网保险的出现为进一步加快保险行业的可持续发展注入了新的活力。而物联网技术的应用，则为互联网保险行业的发展指明了新的改革方向。随着汽车软件的深度开发，车联网技术成为了物联网技术的一个发展方向。车联网技术与保险的融合应用，能够更好地实现对保险标的全程实时监控，实现保险产品精准定价，有效防范保险欺诈等问题。

（三）UBI 车险的价值

第一，UBI 能够给保险公司带来包括合理定价、科学产品、精准获客、减少事故发生、赔付率下降、提高运营效率、提升客户体验等价值。[3]第二，UBI 能够让行驶行为良好的车主享受优惠的车险费用。对于保险公司而言，UBI 车险考验着产品对细分市场的精确把握，如果设计出创新型个性化定价模式，便可提高服务效率、有效控制成本，给客户带来更好的产品体验，有力助推保险公司升级发展。第三，UBI 可以合理反映司机的保险和风险成本，使保费定价更加公平。通过价格调整形成良好行驶习惯、畅通道路交通，有助于帮助警方降低车辆被盗风险，提升破案率。第四，相对于传统货运物责险，UBI货运物责险的价值在于精准的数据支撑。传统保险公司对于货车保险业务通常持两种态度：一种是拒保，凭既往出险数据判断货车出险率，保险公司普遍认为货车风险高、事故多发，因此就会果断放弃这块市场；另一种是提高保费，往年业务亏损，来年就考虑在此基础上增加保费，以达到利润的平衡。保险公司对于货车业务的两种态度，都源于没有精准的风险数据。

二、模型构建

UBI 车险在国外已经是较普及的商业车险，但目前在中国仍属于比较新的商业车险模式，还处于探索阶段。UBI 车险能涵盖很多方面信息：行驶习惯好，产生事故的概率则会更低，可以享受更低的保费；行驶技术好，规避事故的可能性则更大，同理保费也较低；车辆使用频率越低，车辆的安全性就越高，保费越低；车辆行驶时的周围环境也影响着车辆的行驶安全，在一些极端恶劣的天气环境下车辆行驶风险变大，保费上升。

设置UBI 车险定价模型如下：

式（1）中，Y 表示保险价格，X1 表示行驶习惯，X2 表示行驶技术，X3 表示车辆信息，X4 表示周围环境，c 表示常数项，u 为误差项，β 表示系数。

（一）被解释变量

保险定价是保险价值的具体体现，同时也是目标群体对保险定价最清晰的认知体现,故把UBI 车险的价格作为被解释变量。

（二）解释变量

行驶习惯很大程度上影响车辆行驶安全以及车辆使用寿命。良好的行驶习惯能够避免很多不必要的安全事故发生，同时也能够更好地保护车辆。故将行驶习惯设定为解释变量。

行驶技术对于大部分驾驶员来说也是一个重要因素。日常行驶中车辆难免磕磕碰碰，一些行驶技术优秀的司机在遇到突发情况下能够迅速熟练操作进行危机处置，尽最大可能减少或避免事故发生。反之，行驶技术水平低则会增加车辆行驶中的危险性。故选取驾驶员的行驶技术作为解释变量。

车辆信息即车辆本身的状态也是安全考量的重要参考因素。车辆的新旧程度、损伤程度以及使用频率等重要的车辆信息都会影响车辆行驶中发生危险的概率，从而影响保险定价，因此也将其设定为解释变量。

周围环境是驾驶员车辆行驶中非常重要的参考因素。不同的天气状态、道路状态甚至时段路况都会直接影响到车辆行驶的安全程度。驾驶过程中周围环境越危险保险定价也越高，故将周围环境设定为解释变量。

三、实证分析

（一）数据选取与描述性统计

通过调查问卷形式获取相关数据，采用线下随机抽样调查形式。调研对象是具有行驶经验的车辆驾驶者。一共发放245 份问卷，回收问卷239 份，回收成功率为97.55%。共收集性别、年龄、文化程度、职业、年收入和对UBI 车险的了解度共6 项数据。为了尽可能减少问卷调查中的干扰因素，采用了问卷隔离法和分层抽样法等方法，变量描述性统计如表1 所示。

表1 描述统计

（二）频度分析

如表2 所示，问卷调查人群中男性占比在70%左右，考虑到现实生活中驾驶使用车辆及购买UBI车险人群受众中男性占比较多的情况，故问卷数据有效。调查人群年龄主要分布在30～50 岁，这个年龄段人群是车辆的最大需求群体，同时对保险定价问题也最为敏感，能够获取UBI 车险主要群体的核心想法。问卷调研中对UBI 车险了解度高的人群占比在70%左右，这比较符合实际情况，体现了问卷样本的真实有效性。

表2 问卷调查中量表题频率分析

（三）信度分析

问卷涉及的变量分别为保险定价、周围环境、车辆信息、行驶技术和行驶习惯这5 种。对数据信度情况进行分析，以验证数据质量的可靠性。[4]如表3 所示，对每一个变量进行信度分析，结果显示克隆巴赫Alpha 系数均在0.7 以上，表明数据的可信度很好，可以用于回归分析。

表3 信度分析

（四）效度分析

对问卷数据进行效度分析，如有不合理的将进行删除处理。[5]如表4 所示，KMO 检验的结果为0.820，大于0.7，其近似卡方显著性在1%的显著水平上显著，效度结果优良，故可以进行因子分析。

表4 KMO 和巴特利特检验

（五）结论

如表5 所示，采用主成分分析法进行因子分析，提取了5 个主成分，累计方差贡献率为84.850%，表明问卷提取的有效信息较为完善。

表5 总方差解释

如表6 所示，经过凯撒正态化最大方差法旋转后，量表呈现出5 个主成分且其系数都在0.6 以上，维度划分结果与上述预计划分结果相符。

表6 旋转后的成分矩阵

（六）相关性分析

接着再对这5 个维度的变量进行相关性分析，进而研究各个维度之间的相关情况，结果见表7。由表7 可知，变量之间的皮尔逊相关性大多在1%或5%的显著水平上显著，说明变量之间存在相关性且相关性系数皆小于0.7，表明各个维度之间不存在多重共线性，变量之间存在相关关系，回归模型有意义。

表7 相关性

（七）回归分析

使用回归分析法研究行驶习惯、行驶技术、车辆信息、周围环境对保险定价的影响，结果如表8～表10 所示。

表8 模型摘要

表9 ANOVA

表10 系数

回归方程为：

模型通过F 检验，且在1%的显著水平上显著，意味着模型有意义，自变量会对因变量产生影响关系且模型的R2为0.223。行驶习惯的回归系数为0.135 且在5%的显著水平上显著，表明行驶习惯会对保险定价产生显著正向影响。行驶技术的回归系数为0.100 且在10%的显著水平上显著，表明行驶技术会对保险定价产生显著正向影响。车辆信息的回归系数为0.283 且在1%的显著水平上显著，表明车辆信息会对保险定价产生显著正向影响关系。周围环境的回归系数为0.200 且在1%的显著水平上显著，表明周围环境也会对保险定价产生显著正向影响。

综上，行驶习惯、行驶技术、车辆信息和周围环境这4 项变量均会对保险定价产生显著正向影响。

（八）差异性分析

t 检验(独立样本t 检验)，用于分析定类数据与定量数据之间的关系情况。使用t 检验研究不同性别的人群对保险定价认知程度的差异关系，结果如表11～12 所示：不同性别人群对于保险定价的认知呈现出显著差异（t=-26.108,p=0.000<0.05），通过平均值对比差异可知，相比于男性群体，女性群体对于保险定价的认知程度更高。

表11 组统计

表12 独立样本检验

再使用t 检验研究对UBI 车险不同了解度的人群对保险定价认知程度的差异，结果如表13～表14所示。对UBI 车险不同了解度的群体对于保险定价的认知呈现出显著差异（t=23.671，p=0.000<0.05），通过平均值对比差异可知，对UBI 车险更为了解的人群对保险定价的认知程度相对更高。

表13 组统计

表14 独立样本检验

四、结论与建议

（一）结论

在UBI 车险产品定价模型建立过程中，对数据进行了筛选处理，将其分为三个步骤。一是根据不同级别客户群体制定相应价格；二是通过分析客户需求和购买意愿等因素来确定保单收益率最高档次；三是从产品设计角度出发，结合保险人的理性预期选择合适的折现方法，计算出最适合被投保人群体定位、风险偏好及收入状况等情况的合理定价，以达到匹配保险人风险、保障投保人利益的目的。根据以上三个步骤，结合数据分析，得出UBI 车险产品定价模型。

第一，影响因素角度。根据问卷分析结果，发现UBI 车险定价的影响因素很多，且都呈现出显著影响的结果。在回归分析中车辆行驶的“周围环境”能够直接影响到保险定价，车辆行驶的周围环境越差保险定价越高，这符合UBI 车险的定价逻辑。车辆本身的“车辆信息”也呈现出显著影响UBI 车险定价的情形，其影响方向是车辆负面信息越少，其相对安全系数越高，风险系数越低，UBI 车险定价也越低。驾驶员的“行驶技术”“行驶习惯”在车辆行驶风险评估中具有重要影响，对UBI 车险定价产生了显著影响，其影响方向为反向相关，即驾驶员行驶技术和行驶习惯的正面分数越高，UBI 车险的售价越低。[6]

第二，不同性别角度。性别不同的人群之间也有着很大的差异。在UBI 车险定价的差异性分析中，女性群体的保险定价认知更高，表明女性对保险定价的心理价格较高。男性对保险定价的认知更低。现实中，一般女性群体接触的保险类型大多数为普通保险，对于新型UBI 车险的认知判断中更倾向于价格高的普通保险，这导致女性群体对保险定价的心理价位较高。男性群体中，由于平时驾驶经验更多，所以在购买保险方面有一定的经验。因此男性群体考虑更加全面，男女之间形成了显著的差异性。

第三，UBI 车险优势角度。相比传统的车险定价方式，UBI 车险定价更为科学，考虑得更为全面，更加符合车险的发展趋势。UBI 车险在客户、保险公司及社会责任方面都具有一定优势。对客户而言，UBI车险能够帮助车主进行个性化的车险选择，车主在购买车险时能够有更多的选择空间。对于保险公司而言，UBI 车险通过终端所获得的驾驶行为数据能够作为保险公司的理赔依据，帮助保险公司进行事故分析，判断事故类型是否符合理赔标准，从而减少遭到理赔欺诈的风险。对社会而言，UBI 车险能够发挥车险参与社会治理的功能，改善机动车驾驶环境，从而减少事故的发生，提高交通安全性，有利于社会进步。[7]

（二）建议

基于上述分析，建议保险公司在对客户进行保险厘定的过程中要遵循以下原则。一是以客户为中心。在保险市场上，客户作出购买选择不仅仅是基于消费心理，更多是取决于产品本身及服务态度等因素，因此保险公司应以顾客为中心。保险定价优化时应该考虑大数法则下的车险定价，并结合客户需求进行产品调整。在保证质量的前提下降低成本。二是研发创新的保险产品时，应结合利率、死亡率等行业特点变量来确定合适的价格区间。三是针对客户需求变化情况及消费者偏好制定不同的费用标准。四是保险产品策略应根据不同的客户需求提供个性化服务，了解投保人的需求偏好，帮助保险公司更好地为顾客进行保费厘定，并获得更高收益率与满意度，真正实现企业价值最大化。

UBI 车险定价策略中，在定义风险时可以把上述分析中具有显著性影响的变量作为参照因素。本次问卷调研反映出了驾驶员对风险评估类保险的真实认知，风险类保险定价的影响因素主要还是驾驶员平时面对的驾驶安全问题。因此，不同风险带来的风险系数直接影响到了保险定价的高低。

UBI 车险定价把车辆行驶的“周围环境”作为了一个重要影响因素。“周围环境”对保险定价具有显著的正向影响，表明行驶者对车辆行驶的环境危险认同感较强。在不同的行驶环境下，车辆的安全系数相差较大，应针对不同的季节或不同时间段，将UBI 车险定价划分为不同的价位等级。实践中，应大量收集车辆驾驶的历史数据，对季节使用倾向和时间使用倾向进行群体划分，从而平衡季节和时间段差异带来的额外风险。

车辆的整体信息包括车辆的使用情况及车辆新旧情况等也能够作为UBI 车险定价的重要参考因素。在UBI 车险定价过程中，要充分体现出风险的意义，不仅要满足车辆行驶过程中风险的界定，还要满足群体对风险的认同。在问卷分析中，“车辆信息”对“保险定价”的影响显著为正，表明群众对车辆信息带来的风险是普遍认同的。在定价过程中，应把不同损伤状态的车辆划分为1～5 级，相对损伤程度更高的车辆保险定价也更高。[8]但实践中难以做到对车辆损伤程度的合理判断，更为简便的方式是通过对车辆这类固定资产的会计折旧处理来进行评估。通过不同的折旧年限，确定车辆的残值，用残值来模拟车辆的损伤程度。

行驶技术因素也可以作为风险评估的重要参考因素。行驶技术差异带来的行驶风险在上述分析中也会显著影响保险定价。在UBI 车险定价策略中，可以对驾驶员的行驶技术及行驶习惯进行打分，再以此为依据制定不同的UBI 车险价格。数据收集可以通过OBD 车联网设备来进行，尤其是包含了陀螺仪和传感器的OBD 车联网设备。这些仪器收集了包含位置数据、速度数据、加速数据、环境数据等动态数据。利用传感器收集驾驶者的行为数据，按照算法规则对数据进行进一步加工，从而将不同等级的行驶技术和行驶习惯转换为安全评分，得分高者意味着其驾驶技术和行驶习惯更好，更不容易出事故，可以获得更低的车险价格。每位行驶者的安全评分可以为调整每月保费的金额大小作参考。这样一方面能促进良好行驶习惯的形成，另一方面投保者也能产生自我规范和自我提升驾驶技术的动力，对于行业发展具有非凡意义。

总之，UBI 车险是以车联网技术为核心，将车辆行驶过程中收集的数据作为保险费率定价的标准，并在保险产品出险后进行精准理赔的险种。[9]从行业运用的角度看，UBI 车险在中国尚处于起步阶段。推广UBI 车险的保险公司需要结合相关政策，加大宣传力度，在互联网设备商中增加优质的广告传播，加大宣传投入，大幅提升民众对UBI 车险的认知度。车联网保险产业链条上的各个环节是否能够相互配合和高效协作，是车联网保险业务创新能否成功的关键因素。行业协会应与政府各部门统筹规划，积极推广UBI 车险产品，推进车险费率市场化进程。[10]