对大数据解决保险市场信息不对称的经济学分析

宋宇飞南开大学经济学院

李方舟对外经济贸易大学金融学院

对大数据解决保险市场信息不对称的经济学分析

宋宇飞南开大学经济学院

李方舟对外经济贸易大学金融学院

信息不对称是市场失灵的形式之一，也是保险市场的典型特征。由于信息不对称的存在，保险公司无法正确评估投保人或被保险人的风险状况，保险公司的赔付率大幅上升，影响保险公司的利润水平，也影响低风险群体通过购买保险来分散风险的效果。在经济学理论中，解决信息不对称的核心方法是建立信号对接交易双方的信息和设计合适的激励制度。随着信息技术的发展，大数据为建立信号，从而为解决信息不对称提供了新思路。本文通过分析信息不对称的两种情形和大数据与信息不对称的融合，得出大数据可以更好地解决保险市场的信息不对称，保险公司应当积极运用大数据的思维与数据处理技术提高公司运营效率。

一、信息不对称的含义

大部分的经济学研究通常以完全的信息为假设，即消费者和生产者对于他们面对的经济变量拥有完全的信息。但是，在现实的经济社会中，并不存在完全的信息。某些市场参与人比别人知道的信息更多。具有信息优势的市场参与者往往具有比较有利的地位，而处于信息劣势的市场参与者通常会遭遇损失，破坏原有的市场均衡，造成资源配置的低效率。在一项交易中，买卖双方拥有不同的信息的情形就是信息不对称。

信息不对称在经济社会中非常普遍。通常，产品的销售方掌握更多的关于自己产品的信息；工人对于他们自己的技术和能力比他们的雇主知道的要多；而商业经理对于企业成本、竞争地位以及投资机会比企业所有者知道的要多。不对称信息解释了许多社会制度，它说明了为什么有些公司为其产品的零件担保；为什么雇主与雇员签订奖惩合同；以及公司股东要监督经理人的行为。

二、信息不对称的两个方面

（一）逆向选择

逆向选择是市场失灵的一种形式。由于信息不对称，商品销售者和购买者在进行买卖交易时无法知晓商品全部的质量信息，不同质量产品以同样的价格出售，导致本来可以进行交易的质量高的商品未能成交，仅仅留下了质量低下的商品在市场中进行交易；或拥有信息优势的一方总是尽可能做出有利于自己而不利于别人的选择，从而降低市场效率。

（二）道德风险

道德风险是市场失灵的另一种形式。道德风险这一概念在20世纪80年代的西方经济学家眼中是一个经济哲学范畴。道德风险最初是用来分析保险合同而形成的一个概念。在交易双方信息不对称的情况下，某一方的行为由于监督成本太高而不能被观察到，因此他们享有自己行为的收益，而将成本转嫁给别人，影响与该事件相联系的支付报酬的概率分布，从而造成他人损失的可能性。道德风险不仅使得处于信息劣势的一方遭受损失，而且还会破坏固有的市场均衡，造成资源配置的低效率，改变了市场有效配置资源的能力。道德风险是在经济活动中的经济人为了追求自身效用最大化而做出的不利于他人的行动，他们自身拥有信息优势，可以有效地避免因自己的败德行为而受到惩罚，并且，当发生极端事件时，很有可能他们的败德事件不会被揭露。因此，这种情况极其容易引发道德风险。

三、保险市场中信息不对称的表现

（一）保险市场中的逆向选择

逆向选择是保险市场中的典型表现。在保险市场中，被保险人或投保人比保险公司更加了解自己的风险状况。假设保险公司按照平均风险水平厘定费率，则高于平均风险水平的高风险投保人将大量购买保险，因为他们正是需要保险的人；而低于平均风险水平的低风险投保人几乎不会购买保险，因为在这种费率下，他们有可能面临入不敷出的状况。这意味着，大多数的保险索赔将会由高风险的投保人提出。因此，很容易得出一个结论：保险公司为了保持盈亏平衡，防止潜在的赔付支出大于保费收入，所以一定会把保险费率建立在对“最坏情况”的预测的基础上，即针对高风险投保人提高保险费率，这就会导致低风险的投保人的投保意愿下降，以至于所有的投保人都是高于平均风险水平的，低于平均风险水平的投保人全部被挤出保险市场。在这一点上，保险产品的费率就会十分高，甚至保险公司也无利可图，或者保险公司干脆也就不再出售保险产品了。

（二）保险市场中的道德风险

在现实的保险市场中，博弈双方为保险人（保险公司）和投保人。保险人的一组策略分别为策略1（高费率）和策略2（低费率）；投保人的一组策略分别为策略1（对保险标的采取合理的防护）和策略2（未对保险标的采取合理的防护）。博弈双方的博弈矩阵如表1所示：

保险人低费率高费率投保人采取防护措施( 3 , 3 ) ( 0 , 6 )未采取防护措施( 6 , 0 ) ( 5 , 5 )

从博弈支付矩阵1可以看出，纳什均衡为（3,3），即保险人选择低费率，投保人选择采取防护措施。纳什均衡是关于策略选择的一组预期。如果给定博弈一方的选择，博弈的另一方的选择是最优的。这些预期使得当一个人的选择被揭示后，没有人会改变自己的行为。同时，这个纳什均衡同时也是占优策略均衡，因为任何一方都拥有独立于另外一方的最优决策。但是，如果保险人和投保人无法掌握关于对方决策的信息，确信双方都会选择“抵赖”，即保险人在选择采取防护措施时提高费率，或者投保人在低费率的状态下对保险标的未采取防护措施，那么每一方最终的收益为5，从而使博弈双方的境况变得更好。在这里，（5,5）这一组合满足帕累托最优。所以，保险市场中的道德风险是一种典型的囚徒困境。

然而在信息对称的理想状态下，保险公司对于采取防护措施的投保人会采取低费率。

保险人低费率高费率投保人采取防护措施( 4 , 5 ) ( 2 , 3 )未采取防护措施( 3 , 1 ) ( 1 , 0 )

从博弈支付矩阵2可以看出，（4,5）是该支付矩阵策略的纳什均衡，同时也是占优策略均衡，即保险公司制定较低的费率，投保人对保险标的采取有效的防护措施。

与此同时，保险人对于疏于采取防护措施的投保人会制定高费率。

保险人低费率高费率投保人采取防护措施( 1 , 0 ) ( 2 , 1 )未采取防护措施( 2 , 3 ) ( 4 , 5 )

从博弈支付矩阵3可以看出，（4,5）是该支付矩阵策略的纳什均衡，同时也是占优策略均衡，即保险公司制定较高的费率，投保人不会对保险标的采取有效的防护措施。

四、大数据如何解决保险市场中的信息不对称

（一）大数据的含义

“大数据”在近年来十分火热，但其具体概念是什么仍旧没有一个统一的书面表述。在过去的几十年中，数据的革命已经在各行各业派生出了各种个性化的应用，其核心是将任何人与物的状态量化和数据化，能够在数据空间被操作。如果我们从数据的角度观察世界的一切，我们就可以依托数据做出更为有效的决策。大数据的主要特征在于数量大、类型多，并且具有实效性。数据不在于准确，而在于全面。谷歌在2008年研发的“谷歌流感趋势”成为了应用大数据的典型案例。人们在谷歌搜索引擎上搜索的所有内容反映了他们的即时需要，比方说当输入“温度计”“发烧”“肌肉疼痛”等关键词时，系统便会根据搜索结果跟踪分析流感发生的区域与时间，并将结果与美国疾病控制与预防中心的报告作对比，验证出二者之间存在强相关性。所以说，一个产业的蓬勃发展在于拥有数据资源，一个产业的未来的竞争力则在于数据思维。大数据技术，就在于专业化处理各种各样的数据，以此来获取具有价值的信息的能力。

（二）大数据可以降低保险市场的信息不对称

保险业是对数据依赖度较高的一个行业。概括来说，大数定律是保险经营的理论基础，保险公司利用数理模型来估计分析未来不确定事件，即风险产生的影响。保险公司利用大数据，就会得到大量的关于投保人或被保险人的各项基本状况的数据，才能正确的评估不确定事件的实际情况。从经济学的角度来看，在长期，假设保险市场是完全竞争市场，那么各家保险公司的长期利润为零。如果大数据能够使保险公司辨别投保人或被保险人是风险偏好还是风险厌恶，则有利于促成保险合同双方的瓦尔拉斯均衡，达到帕累托最优配置。瓦尔拉斯均衡是一种竞争均衡，按照某一组固定的价格，每个消费者正在选择其最偏爱的买得起的消费束，且所有消费者的选择是相容的。现进行如下运算：

假如保险公司能够辨别一类追求期望效用最大化的消费者的风险类型为风险厌恶，那么保险公司会为其提供完全保险，且该完全保险为公平保险，即保险公司的利润为零。

设消费者的期望效用为

U1指不发生损失时的财富的效用，U2是指发生损失时的财富效用水平。p是损失发生的概率。假定初始财富为35000，损失10000，保额为K，保险费率为r。

未发生损失时的或有消费为

发生损失时的或有消费为

针对保险公司而言，在完全竞争市场下，其长期利润

Profit=rK-pK-(1-p)·0=rK-pK=0，即rK=pK，r=p

假定投保人或被保险人是风险厌恶的，则其效用函数为凸函数，在他选择追求期望效用最大化时，他会选择确定的效用函数，而不是期望效用函数。所以，若C1≠C2，则MU1≠MU2。所以C1=C2，即35000-rK=35000-10000+ K-rK，K=10000，消费者购买完全保险。所以，如果大数据能够帮助完全竞争市场中的保险公司辨别投保人或被保险人的风险状况，保险公司将能够有针对性地按其需求提供适合的保险产品。

1.大数据在降低保险市场逆向选择上的作用

保险公司利用大数据研究方法可以有效鉴别投保人或被保险人是“优质的”还是“劣质的”。保险公司在互联网上通过对数据的全程记录与分析，使得每一名客户的数据资产都被保留在了互联网上。保险公司可以利用全球主要的搜索引擎或国内外主要社交网络来分析投保人或被保险人在进行要约之前的风险状况。比方说投保人和被保险人投保健康保险，如果他经常在网上搜索关于疾病治疗的关键词，则可以通过大数据分析该投保人或被保险人可能就患有相关疾病，保险公司即可针对这种情况对该投保人或被保险人收取较高的保费来对冲逆向选择的风险。此外，保险公司可以与主要互联网科技公司合作，建立开放性的数据共享制度，来丰富保险公司的数据形态。比如说，保险公司可以利用互联网公司研发的可穿戴设备来进行数据共享。保险公司通过分析可穿戴设备记录下的投保人或被保险人的实时数据，即可掌握投保人或被保险人的个人运动健康信息。保费取决于可穿戴设备记录的心率、每日运动量和每日睡眠质量等信息。这些信息使得投保人或被保险人的“质量”更加透明，保险公司根据身体状况的不同制定不同的费率。

2.大数据在降低保险市场道德风险上的作用

保险公司同样可以利用大数据思维来解决道德风险问题。在传统的经济学理论中，由于信息不对称的存在，解决保险市场的道德风险的方法是风险分担，即在保险政策中要包括“免赔额”。保险公司并不能获取投保人或被保险人全部行动的信息，所以在每一起赔案中，保险人和被保险人约定，损失额如果在规定数额之内，被保险人将自行承担这一部分损失，保险公司不予赔付。通过使投保人或被保险人支付部分赔偿金额，保险公司就能确保消费者会采取一些提防行动使自己的损失降到最小。这是一种间接的降低市场失灵的方法。然而，大数据思维给了我们一个更为直接的解决道德风险的手段。大数据突破了传统经济学理论中信息不对称的假设，保险公司通过投保人或被保险人大体量的数据就可以分析出其诚信状况，由此便可以预测投保人或被保险人在购买保险后是否会对保险标的采取必要的保护措施，从而有利于保险公司针对不同的保险消费者制定不同的保险费率，提高保险公司的利润水平，降低保险公司的经营风险。

所以，加快传统征信向互联网征信的过渡势在必行。良好的诚信体系对保险市场的正常运行发展至关重要。传统征信是通过专业的机构定向采集财务信息和金融信息并通过固定的模型加工处理的专业化信用管理服务。一般来说，传统的征信体系仅仅局限于专业化和拥有相应征信牌照的公司经营，仅仅局限于金融数据与财务数据等“小数据”，并且数据获取的来源比较狭窄。目前，保险公司可进行互联网征信，利用电子商务交易平台、全球各主要搜索引擎以及各主要社交网络，通过全网海量的大数据采集，非定向地获取各种数据，从而对投保人或被保险人的信用风险进行综合评估。以车辆损失保险市场为例。车辆损失保险承保的是车辆本身因各种自然灾害、碰撞及其他意外事故所造成的损失以及施救费用。保险公司可通过分析投保人在社交网络上与朋友的互动来分析投保人的品行，预测其是否会做出在投保后是否会对保险标的进行必要的维护，或者配合小型车载远程通信设备，综合分析实际驾驶时间、地点、驾驶方式等驾驶信息来评估理赔风险。

六、结论与建议

本文通过分析保险市场中信息不对称的几种类型，以及通过数学模型讨论大数据解决保险市场信息不对称的可行性，我们认为，大数据为建立信号，从而为解决信息不对称提供了新思路，可以更好地解决保险市场信息不对称的问题，更有效地提高投保人和保险人的利益。保险公司应当积极运用大数据的思维与数据处理技术，使投保人或被保险人的风险状况更加透明。

当然，利用大数据解决保险市场信息不对称也存在一定的阻碍。首先是数据安全问题，数据可得性很难保证。其次是保险公司将彻底改变传统的精算假设，数据计算与处理技术也将发生根本性的变化。

所以，保险公司需要紧紧跟住互联网技术发展的步伐，努力提升自身处理投保人或被保险人实时数据的精算能力，在保障数据安全的前提下，最终实现对客户风险状况的正确预测与评估，使保险市场中的信息不对称降至最小化。SIM