巨灾保险需求中外研究概述

张 岳

巨灾保险需求中外研究概述

张 岳

一、巨灾保险需求的特征

（一）巨灾保险需求与一般保险需求有什么区别？

Radoslav S．Raykov（2011）较系统地研究巨灾保险需求与一般保险需求的差异。他从巨灾损失的系统性特点出发，利用等级依赖期望效用模型得出了巨灾保险需求曲线向后弯曲的特征。该研究最大的特点是将保险公司的违约风险与消费者选择结合起来。

在他的研究中，保险公司的破产概率与消费者是否集体索赔正相关。那么，对某一消费者来说，他必须跟其他消费者博弈来满足自身的等级以及效用最大化的期望。通过博弈结果，得出了巨灾保险需求的三个特征：

（1）当价格q趋向于0时，拒赔的概率r趋向于1。

（2）当r＝1时，给定价格下的最优选择是x*＝0。

（3）存在一个价格，消费为正。

通过这三个特征，得出巨灾保险需求的曲线形状（如图）。

Radoslav S．Raykov（2011）还首次将博弈的方法扩展到了消费者与消费者之间，突破了投保人与保险人之间的博弈研究方法，也将Ibragimov，Jaee and Walden（2009）巨灾保险供给研究中保险人之间的博弈思想应用到了需求领域。

（二）巨灾保险市场是否存在逆选择？

Kunreuther’s（1984）的研究指出，与一般保险市场存在严重逆选择不同，洪水保险市场上逆选择并不显著，这可能是由于消费者往往会低估自身面临的风险。Carolyn Kousky（2011）通过对美国圣路易斯县的洪水保险保单的实证研究证实了该结论，并利用统计数据指出消费者低估风险的主要原因是对风险判断的模糊性。

Carolyn Kousky在其2009年的另一篇文献中却指出，美国洪水保险存在着逆选择现象，但他并未对其进行证明。认为巨灾保险市场存在逆选择的文献多为对美国洪水保险的研究文献，如Anderson（1974）、Warren Krieseland Craig Landry（2004）。United States Government Accountability Office 2007年对美国洪水保险中公共政策的评估报告也同意这观点。

二、巨灾保险需求影响因素的研究方法及基本结论

图 巨灾保险需求曲线形状

巨灾保险需求特征的影响因素实证研究总量不多，主要集中于对美国洪水保险需求的研究。根据研究方法的差异，可以分为基于历史数据的计量方法、基于调研的计量方法以及实验定量分析三类。通过研究发现，影响巨灾保险需求的因素很多，但主要集中于投保人的风险认知、收入、政府政策（如是否强制保险）对巨灾保险需求度。如何用这些因素解释巨灾保险参保率不高的现象（如加利福尼亚地震之谜）？

（一）基于历史数据的计量方法

Browne，M．J．and Hoyt，R．E．（2000）关于使用面板回归模型研究美国洪水保险影响因素的文章引用率较高。在其模型中，被解释变量洪水保险的需求采用了两种定义：一是每千人洪水保险保单的数量，二是每人洪水保险的保额。

在解释变量中，Browne，M．J．and Hoyt，R．E（2000）还将过去的巨灾影响纳入其中。这是在巨灾保险文献中常涉及到的一个问题，如Kunreutheret al．（1978）认为投保人过去是否遭受过洪水损失直接影响其洪水保险需求。Palm et al．（1990）对1989年10月17日美国加州Loma Prieta地震调查发现，地震后准备购买地震保险的居民较地震前显著增加。

研究发现，价格与洪水保险需求显著负相关。在两种定义下，保险需求的价格弹性分别为-0．997与-0．109。其他类似研究均认为价格与保险需求负相关，但其价格弹性差异较大。GAO（1983a）利用1978—1982年的月度数据得出洪水保险需求的价格弹性为-0．38；Warren Kriesel and Craig Landry（2004）利用美国东海岸个人层面数据得出的价格弹性为-0．259；Barett and Skees（1995）给出了从-0．14到-0．33的范围。在其他解释变量中，收入、政府补贴、灾后救助等因素与巨灾保险需求显著正相关。

该研究的一大缺陷在于没有考虑被解释变量的相关性，Manoj Athavale Stephen M．Avila（2011）在对美国密苏里州地震研究中克服了这一缺陷，将回归模型分为两个，充分考虑了不同解释变量间的相关性，使结论更有说服力。

随着研究的深入，实证方法采用的数据也越来越微观。Dixon et al．（2006）采用了全国性家庭层面的数据，以数据分析形式研究美国洪水保险需求。他认为美国中西部洪水保险投保率较低，但在沿海地区投保率较高。与其他文献不同的是，该文详细讨论了强制保险与需求之间的关系，在美国南部和西部保险需求中有80%至90%归结于强制，而东北部和中西部该数值仅为45%至50%。就全国来讲，该数值为75%至80%。Dixon et al．（2006）另一个重要结论是政府救济并未降低洪水保险的需求。其原因Carolyn Kousky在2011年的研究中给出了两个解释，一是政府救济涵盖了许多洪水保险不能涵盖的项目，二是政府救济的对象是没有洪水保险保障的人群。

Michel-Kerjan，E．and-Carolyn Kousky（2010）则采用了NFIP的全国保单数据对洪水保险的购买行为进行了统计分析，得出投保人的特征及价格对需求的影响，发现政府救济会降低投保人的需求。在此研究基础上，Carolyn Kousky在2011年进一步通过面板模型分析了投保率不高的问题。研究颠覆了Dixon et al．（2006）的结论，认为美国南部海岸地区仍然存在投保率不高的问题，但文章并未给出解释。研究还发现了与期望效用模型假设不一致的现象，如投保人的投保需求并未随着面临的风险上升而上升。

使用新工具方面，Mark J．Browne et al．（2012）首次讨论了保险代理人在洪水保险购买中的积极作用。利用一家德国保险人的保单数据，他们发现通过代理人购买保险的投保人洪水保险需求明显高于其他渠道。代理人可以修正投保人对洪水风险的认知偏差。赖丽华、谢秀宜（2011）首次使用空间计量模型研究洪水保险需求的空间自相关性。通过空间面板滞后模型及空间面板误差模型研究发现，洪水保险需求有聚集的现象。

国内研究巨灾保险需求的文献较少，李文娟（2009）以美国的数据系统研究了洪水、地震及风灾保险的需求影响因素，发现经济发展和人们购买力的增强，并不能带动巨灾保险需求增加，政府救济会抑制巨灾保险需求等。

通过运用宏观数据、家庭或个人数据以及保单数据等三类数据对美国不同地区洪水保险需求的研究，人们对巨灾保险需求的基本影响因素有了一个较为清晰的认识。但由于数据及研究地区的不同，出现了截然相反的结论。遗憾的是，其他国家和地区巨灾保险需求的计量研究很少，也缺乏系统性。

（二）基于调研的实证方法

由于巨灾保险数据缺乏连贯性、系统性，在美国以外地区，通过对灾害易损地区进行问卷调查，根据调查数据实证研究需求问题成为重要的方法。

Toshio Fujimi and Hirokazu Tatano（2012）对日本京都和中部地区3000户居民进行问卷调查，调查问卷的设计基于Gilboa and Schmeidler（1989）提出的MEU（maxmin expectedutility）理论。调研显示，灾后的赔付情况显著影响了地震保险的购买，对赔付的期望较低降低了地震保险的需求。这是首次对赔付情况如何影响巨灾保险需求进行实证研究，是对Radoslav S．Raykov（2011）将赔付情况纳入期望效用模型理论研究的一个发展。

RBrouwer（2010）使用问卷调研了孟加拉国5个不同地区1200户居民，5个地区均遭受了2004年的大洪水。与Carolyn Kousky（2011）的结论不同，调研发现洪水保险的需求随着风险的提高而提高。收入的需求敏感性很高，这也与被调研对象处于发展中国家有关。调研得出了一个与Dixon et al．（2006）类似但又跟一般看法不同的结论，即被调研居民无论在2004年是否接受了政府的救助，均表示出了对洪水保险的极大兴趣。原因可能是，作为发展中国家，孟加拉国政府对灾民的救济水平非常有限，居民对这种灾后的救济没有依赖。

国内巨灾保险需求研究由于缺乏相关制度安排而多采用调研方法。如丁元昊（2011）通过调查问卷的方法研究巨灾的可负担性。他认为有效需求法能较真实地反映人们对巨灾保险的购买意愿和能力，即巨灾保险的可负担性是基于购买行为的，而非购买能力。这丰富了巨灾保险需求的微观研究。

（三）基于实验的实证方法

根据传统保险需求理论，个人的风险偏好决定了效用函数的形式，对需求产生影响。个人的风险偏好可以通过设计实验发现特征，进而研究其对需求的影响。实验的设计多参照了行为经济学的研究方法。

Slovic et al．（1977）提出的实验方法被引用最多。实验设定了8种不同的情形。这8种情形期望损失一样，但发生概率不一致。实验发现当损失概率很小、损失幅度较大时，参与实验的人中只有10%选择购买保险。

Susan K．Laury et al．（2009）认为，Slovic et al．（1977）的研究至少存在两个方面的不足：一是保险支付并未实现货币化，只是一种形象化的代表。二是被访者的奖励是建立在参加与否的基础上，没有考虑填写问卷的质量。Susan K．Laury et al．（2009）改进了这两个地方，发现在假定支付的情形下，灾难发生的概率与保险购买几乎没有直接关系，但在真实支付的情况下，两者呈负相关。运用实验数据建立Probit模型，研究者发现对于发生概率小、损失大的灾害，实验对象倾向于购买保险。在真实环境中，实验对象购买保险的意愿与损失的大小呈负相关。

Christian et al．（2011）通过实验的方法重点研究了“焦虑”在投保人为发生概率低、损失大的灾害购买保险的行为中所起的作用。他认为，投保人对灾害发生的“焦虑”比主观概率在支付意愿中起的作用更大。

使用实验的方法可以直接验证需求理论中关于消费者风险态度的假设，但也存在几个不足：一是实验的选择如何转化为实际的保险购买行为，这是结论是否准确和是否具有推广型的关键。二是实验对象的选择对结果影响很大，其结论能否直接应用于实践取决于实验对象的代表性。三是实验设计的主观性较大。虽然实验均依赖于理论模型，但具体问题的设计对结果影响较大。

三、巨灾保险需求影响因素的作用途径

在巨灾保险需求的研究中，还有一部分文献聚焦于个别因素对需求的影响，如强制保险、投保人风险认知的模糊性等。深入分析需求影响因素的作用机理，将为巨灾保险制度的建立和完善提供理论支撑。

（一）巨灾保险的强制性对需求的影响

从前文可以发现，采用强制性投保的巨灾保险制度投保率较高，但实证分析无法区别强制性是巨灾保险“需求”（如果以保额或保费表示）的原因还是结果。Radoslav S．Raykov（2011）的理论框架可以解释强制保险降低了投保人对保险公司破产的预期，从而可以提高巨灾保险需求，但没有得到经验数据的支持。对美国洪水保险的一系列研究则发现，强制保险的作用并没有达到预期效果。这说明巨灾保险强制性对需求的影响路径较复杂。

R．D．Blanchard-Boehm et al．（2001）对1997年内华达州洪水后购买保险和没有购买保险的人群进行对比分析后发现，没有购买保险的原因主要是对政府救济的过度信任、对灾害发生信息洪水保险的不了解。通过强制保险，可以将这部分风险偏好型的个人转变为风险厌恶型，从而主动购买保险。这种对强制保险的研究从微观角度解释了其必要性。

何小伟（2011）从强制性保险的发展逻辑出发，认为巨灾保险自愿投保存在需求不足的现象，其原因与R．D．Blanchard-Boehm et al．（2001）的提法类似，主要是人们对巨灾信息的有限获取、忽视巨灾风险及对政府救助的预期，因此巨灾保险采用强制保险的方式可以避免需求不足，但对具体的作用路径，其未做进一步讨论。

（二）认知的模糊性对巨灾保险需求的影响

无论是实验方法还是经验数据（如前文所述）都发现，人们由于有限理性及受客观条件限制，对巨灾发生的概率及损失评估往往是不准确的，这种对巨灾认知的模糊性制约了巨灾保险的需求。

David Alary et al．（2010）发现个人对认知模糊的厌恶会提高保险需求，但其研究没有区分普通保险与巨灾保险。在现实中，巨灾保险与其他的保险均存在认知的模糊性，但巨灾保险表现得更为突出。

Susan K．Laury et al．（2009）发现人们对损失概率小、损失幅度大的灾害往往表现出过分谨慎和过分乐观的态度。该结论也得到了经验数据的支持。这种认知的模糊也是支持巨灾保险采用强制保险的理由之一。

四、企业巨灾保险需求

企业保险需求与个人保险需求的原因大相径庭。企业没有效用函数，它的目的是取得利润最大化或成本最小化。关于企业巨灾保险需求的文献很少，具有代表性的是Erwann Michel-Kerjan et al．（2011），他首次以实证方法研究了美国企业巨灾保险需求，但其研究对象是恐怖保险而非自然灾害保险。

Erwann Michel-Kerjan et al．（2011）分析Marsh＆McLennan公司所掌握的1800家美国企业投保恐怖主义保险的数据，得出了三个结论：第一，巨灾保险的需求与其他财产保险需求没有明显的不同。第二，一般财产保险需求比巨灾保险需求对价格更敏感、更富弹性。如价格升高10%，巨灾保险需求降低2．42%，一般财产保险需求降低2．91%，这与个人及家庭的巨灾保险需求明显不同。第三，企业的自保能力显著影响巨灾保险需求，但对其他财产保险需求影响不大。该研究还将企业经理人的风险偏好与保险需求联系起来，认为企业经理人的过分乐观或谨慎将影响企业的巨灾保险购买行为，但企业经理人与一般投保人不同，他们不必个人支付保费，巨灾也只会影响他们的奖金或收入。

五、研究思考

从理论研究看，目前使用的模型仍显简单，多数为静态的模型分析，且理论研究与实证研究结合不足，理论研究中提出的巨灾保险需求曲线弯曲等特征未得到实证研究的支持。

从实证方法看，经验数据的缺乏成为制约实证研究的最大障碍，多数国家缺乏历史数据积累，实证的结论也缺乏普遍性。在这种情况下，通过调查问卷的形式发现人们的风险态度及消费行为成为主要的研究方法。

从研究方法近年的发展看，调查问卷及实验成为近两年研究的亮点，尤其是通过有偿的实验设计发现人们真实的风险态度得到了学术界的认同，但这种方法成本很高。

（作者单位：太平洋保险集团）