我国科技保险的定价方法和策略分析

李启才 顾孟迪

摘要：科技保险作为一种新兴的金融创新产品，近年来在我国获得长足的发展，促进了科技企业的自主研发和创新。但与成熟保险市场产品的定价不同，由于信息不对称、数据缺乏等原因导致定价困难。文章系统地分析了科技保险定价存在困难的原因，基于传统精算方法，从收据收集、模型可靠性、保险公司风险管控等方面提出了有效的定价改进方法和策略。

关键词：科技保险；定价；精算；数据

一、 引言

当今正处在变革的知识经济与互联网经济时代，科技创新能力已经成为国家整体竞争力的关键因素之一。科技企业紧跟时代的科技前沿，是新经济形式的重要构建者，它们广泛分布在高新技术产业和一些传统产业高技术含量的产业链中。我国专利总量的65%和新产品总量的80%由中小型科技企业所创造（纪建悦和谢芸，2011）。中小型科技企业已成为我国提升自主创新能力、加快经济发展方式转变的生力军。其创新能力的强弱不仅决定着其自身是否能够可持续发展，而且也影响着国家生产力的进步、经济的发展。目前，我国经济发展方式进入关键的结构化调整时期，中央政府明确提出经济发展不再以GDP为唯一的目标，在提升经济总量的同时，更加注重经济发展的内在质量。如果说，过去30多年我国经济高速发展是较好地利用了市场，依托高能耗、低劳动力成本的话，那么现在我们的经济转型必须把重点放在提高科技创新能力和金融市场效率方面，而科技企业在这一转型过程中势必扮演重要角色。然而科技创新活动具有明显的高风险性，科技创新项目投入回报具有高度不确定性，这极大地降低了企业特别是中小企业科技创新的积极性，从宏观上了影响了地区乃至整个国家的科技创新能力。

保险作为市场化的风险转移机制、社会互助机制和社会管理机制，与高风险的科技创新活动具有内在的互补性和契合性。科技创新与保险服务相结合的产物——“科技保险”应运而生，它对促进企业科技创新、掌握关键技术以及增强核心竞争力等有着重大意义。特别是在我国目前经济全面转型，产业升级转向“绿色低碳化”时期，科技保险为企业的创新转型提供了良好的外在环境支持。

2006年底，中国保监会和国家科技部联合下发了《关于加强和改善对高新技术企业保险服务问题的通知》，标志着我国科技保险工作在政府支持下正式启动。2007年以来，先后确定了在北京、天津、上海、重庆、无锡、苏州等城市展开试点工作。2010年3月保监会、科技部联合下发了《关于进一步做好科技保险有关工作的通知》，标志着科技保险由试点走向常规，开始了全国的推广，科技保险迎来了快速发展时期，工作开展以来科技保险费已突破14亿，为分散创新风险，激励科技企业自主研发提供了有力的外部支持。但是，科技保险在我国仍属于新生事物，目前理论和实践上都处于起步阶段，使得科技保险在实践过程中呈现一系列问题，产品合理定价就是其中显著问题之一。因此，在实践经验的基础上，对科技保险产品定价、险种开发、运作机理、推广机制等进行探讨，解决科技保险更好地实施问题，成为当前科技保险发展的核心问题。刘妍（2010）在分析苏州、无锡的试点工作基础上，针对出现的问题提出了一些政策性建议。邵学清（2007）在分析、总结科技保险实施经验的基础上，阐明了运作多模式、标的多元化、定价灵活性等观点。本文在通过分析科技创新活动特征和科技保险定价存在的问题，基于传统精算定价方法，从收据收集、模型可靠性、风险管控等方面系统的探讨科技保险产品定价改进方法和策略，为保险公司合理定价科技保险产品提供有益的参考。

二、 科技保险定价存在的问题

科技保险是一种不同于一般保险产品的险种，它是为了规避在研发创新、成果产品化、科技推广过程中可能出现的的不确定性，导致创新活动失败，达不到预期目标的风险而创新的金融保险产品。

1. 保险定价的精算理论。在传统的保险精算理论中，保险的价格（保费）要求覆盖潜在损失的平均值（期望值），因此就有了纯保费的概念，即纯保费等于潜在损失的期望值。假定被保人的总损失X是随机变量，其均值和标准差分别为μ和σ。纯保费π应该包含损失的期望值μ。由于保费需事先确定，故必须提前估计参数μ和σ。显然因为潜在的损失是随机变量，而保费是固定的，纯保费不足以覆盖全部损失和成本的概率大于0，但是保险公司可以通过附加安全系数控制破产（或产生净损失）的概率α。于是，在破产概率水平α的限制下，保费π=（1+θ）μ或π=μ+τ，其中θ和τ是保险公司的安全系数，它们可以根据相应的保费原（Grandell，1991）得到。假定投保人（公司）数n足够多，且他们的损失风险相互独立同分布，根据中心极限理论可以得出θ=（Z1-ασ）/μ■和τ=（Z1-ασ）/（■），其中Z1-α是标准正态分布的1-α分位点。可以看出，随着投保人（公司）数增多，被保险人（公司）的平均损失不断接近真实损失分布的均值，安全附件系数不断接近于0。因此，独立损失的保险组合情形，保险公司可以通过提高安全系数或增加保单数来控制破产概率α。这意味，一般情况下，当固定破产概率α在某个水平，保费（保险价格）随着投保人增加而下降。但是，在科技保险领域，目前市场规模较小，保单标的的损失差异性比较大，以至于难以通过保险组合来降低安全系数和保费。

另外，除了潜在的损失，保险公司还面临运营管理成本、资金成本等，这些成本也需由保费收入支出，因此保险公司还需附加成本系数。一般可以假定成本与保险标的期望损失成比例，于是保费π=（1+θ+c）μ或π=（1+c）μ+τ。大部分保险产品定价（如健康险、寿险、车险等）都可以基于上述原理，但是不同业务的保险定价需不同的处理方法，这是因为保险项目的周期和潜在损失的严重程度都有所差异。例如，车险合约一般都是短期，保单到期后要么续保要么终止。而大多数寿险合约都是长期的。短期保险中，风险发生的频率和强度通常是随机的，而长期保险中损失的强度相对固定，仅损失发生的时间不能确定。

2. 科技保险的定价困境。科技创新活动的复杂性、高投入性、高风险性，使得科技保险在实践中存在诸多困难。其中最根本的困难便是用于评估风险、保险定价的有效数据获取。首先，科技企业多是新兴产业，保险公司缺乏用来估计科技保险市场风险的历史数据。第二，科技企业多数规模较小，个体差异较大，成立时间短，缺乏用来做统计分析和计算保费的企业内部数据，这极大地制约了保险公司的风险评估能力。最后，在我国由于部分规章制度、统计信息、数据库建设很不完善，使得保险公司难以利用一些重要宏观、中观数据（例如，通胀因子、专利价值、信用等级等）对损失分布和成本进行稳健的分析。在成熟的保险市场，传统的保险精算定价方法依赖于详细的数据和统计信息，从而得到损失分布的精确估计。估计的精确度越高，保险公司越稳健，保费（安全系数）也相对较低。从而，可以向市场提供更具价格竞争力的保险产品。事实上，对于新兴的科技保险市场，提供有价格竞争力的保险产品，对于促进市场成熟发展，推动科技企业自主创新十分重要。然而，在缺乏广泛、可信的数据的科技保险市场，保险定价显得困难。通常出于安全性原则，保险公司的科技保险产品价格昂贵，而相应的中小科技企业高价购买保险的意愿就会不足，科技保险就会失去吸引力。但是，当降低保费以吸引科技公司投保时，又会增加保险公司的破产（亏损）风险。这样的困境制约了科技保险市场的发展。目前，我国在开展科技保险工作初期，政府提供一定的财政补贴，一定程度上能够缓解保险公司定价困境，推动科技保险发展。但补贴政策多是临时性的、短暂的，同时补贴政策还有可能导致道德风险（例如，保险公司和被保人串通作假，骗取补贴），所以最终还是需市场本身来决定保险产品的价格。定价困境需要通过更加准确的保费计算，更加有效的风险管理策略，保险公司抵御风险能力的提高手段等来解决。因此，有必要系统地改进科技保险的定价方法和策略。

三、 我国科技保险定价方法和策略分析

1. 科技保险的定价变量的数据收集。

（1）获取科技企业数据。在没有任何有效的相关数据时，显然难以计算保费，风险变得不可保。在科技保险市场，可以由相关专家组对科技企业的保险定价变量（例如，损失分布）进行量化估计。使用的决策、估计方法可以是德尔菲法（Delphi Method）和名义小组法（Nominal Group Method）或者贝叶斯估计（Bayesian Estimate）和极大似然估计（Maximum Likelihood Estimate）（Biener，2012）。德尔菲法是采用背对背的通信方式征询专家小组成员的预测意见，经过几轮征询，使专家小组的预测意见趋于集中，最后得到相关变量的估计值。德尔菲法依据系统的程序，采用匿名发表意见的方式，即团队成员之间不得互相讨论，不发生横向联系，只能与调查人员联系，以反复的填写问卷，以集结问卷填写人的共识及搜集各方意见，最终定价参数的估计是所有专家估计的中值。与德尔菲法不同，名义小组法可以通过专家组公开的讨论、交流、协商、投票等程序综合得到风险定价的相关参数指标。但是该法有时会因为专家组中个别成员地位权威而产生从众效应。总的来说，在缺乏可信的数据时，德尔菲法和名义小组法都是非常有效的获取信息的方法。当挖掘到定价变量的数据，获得相关变量特定分布时，可以使用贝叶斯估计和极大似然估计来拟合分布的参数。

（2）利用关联数据。除科技企业内部相关数据外，一些外部来源的数据也会影响对风险属性的推断。这些数据来源包括宏观、中观公共数据、相关产业数据、相关区域数据、再保险公司数据等等。这些数据本身不一定是直接针对某个具体的科技企业，但是对评估科技企业的风险有益。随着我国统计工作的不断完善发展，像利率、成本价格指数等这些宏观数据越来越容易获得，而且保险监管机构通常也要求保险公司引用这方面的数据对标的风险进行分析。另外诸如世界银行、国外发达国家的科技股市、相关科技产业组织、大型再保险公司等机构也能提供越来越多的分析数据。通过数据共享（Data-sharing）机制，保险公司可以获取更多的信息来评价科技项目的风险。

2. 科技保险定价模型的可靠性进一步改进。在估计保费过程中，保险公司应有效地处理标的项目的风险数据。可靠的模型可以提炼不同来源的数据，用于综合分析风险的特征，合理制定保险价格。同时随着时间演变、数据增多，模型可以反复更新保单价格，为后续保险提供更加准确、适当的定价。在成熟的保险市场（例如，车险市场）保险公司经常根据投保人的信用数据使用奖惩系统（Bonus-malus Systems）来定价、更新保费。科技保险可以基于保单周期根据企业不同时期的损失估计、信誉评级调整保费。因此，定价模型中应该使用可靠性理论。可靠性改进通常基于先验分布采用Beyes方法。先验分布可以利用各种来源的初始数据估计得到，当有更多的信息时，需采用Bayes规则重新评估风险及其相关定价变量，从而得到风险和定价变量的后验分布。Buhlman（1967）将期望损失的估计值和先验损失平均值联系起来，构建了利用初始数据和补充数据改进保费定价的线性模型。其基本的做法是对不同的数据集赋予一个介于0到1之间的可靠性权重，这些权重之和为1，而权重值取决于风险的规模和数据集中数据的同质化程度，给予数据均匀高的数据集更高的权重。Ker 和Goodwin（2000）应用可靠性理论为农作物保险定价提供了有效的线性改进方法。在科技保险市场，随着实践的推进，保险公司可以从自身保单组合或其它来源的风险组合中获得数据、信息，用以调整保费。

另外，Boostrap技术非常适用于缺少数据的科技保险定价。保险定价最本质是掌握损失变量以决定安全系数。Boostrap技术基本做法是从原始数据中有放回的均匀抽取一定数量的样本，根据样本可以计算统计量。重复抽样足够多次，就可以得到估计量的均值和方差。在原始样本数据较少时效果很好，因此可以提高科技保险定价变量的估计精度，进而提供更合适的保费。

3. 通过风险管理和风险控制措施改进科技保险定价。一般来说，越高的资本金，保险公司抵御风险的能力越强，对保险定价也就相对较低，因此保险公司有效的风险管控策略可以缓解科技保险的定价困境。公司的资本金有些来自于内部保费盈余，也可以通过外部的增发股票、寻求风险投资支持获得。虽然通过外部融资提高了保险公司的杠杆率，但只要在一定的合理范围内，可以有效的分散保险公司的风险。同时保险公司应拓展科技保险业务，做大科技保险组合。根据大数律，大规模的保险组合可以很好地降低风险。另外，保险公司可以寻求再保险以转移索赔风险，或者投资金融市场以提高收益，这些风险管理和风险控制手段都可以有效提高保险公司的偿付能力，增加保险公司盈余，因而一定程度上可以降低保费的安全系数，利于保险公司提供更有价格竞争力的科技保险产品。

四、 总结

本文系统地分析了科技保险因缺乏数据而产生的定价困难问题，基于传统的精算定价方法，从数据收集、模型可靠性改进、保险公司风险管理和控制等方面，提出了改进保险定价的法方法和策略，可以为科技保险产品定价提供有益的参考和帮助。

参考文献：

1.纪建悦，谢芸.基于共生理论视角的创立期科技型中小企业融资问题研究.金融发展研究，2011，（12）：23-26.

2.刘妍.科技保险发展问题探析——基于江苏苏锡两地的调研.企业科技与发展，2010，（6）：7-8.

3.邵学清.科技保险的必要性与可行性.中国科技投资，2007，（9）：10-13.

4.Grandell J.Aspects of Risk Theory.Ne- wYork： Springer-Verlag，1991.

5.Christian Biener.Pricing in Microinsu- rance Markets.World Development，2012，（41）：132- 144.

6.Buhlman H.Experience rating and credibility.ASTIN Bulletin，1967，4（3）：199-207.

基金项目：江苏省高校自然科学研究项目（项目号：K13JD11006）；国家自然科学基金资助项目（项目号：6130406）。

作者简介：顾孟迪（1962-），男，汉族，江苏省常州市人，上海交通大学安泰经济与管理学院教授、博士生导师，研究方向为投资管理、危机管理、风险投资、房地产投资；李启才（1979-），男，汉族，安徽省东至市人，上海交通大学安泰经济与管理学院博士生，研究方向为保险精算。

收稿日期：2015-01-19。