保险科技视角下寿险公司声誉风险防范研究

翁志超 林 莹 福州大学经济与管理学院

一、引言

近年来，保险科技发展迅速，逐渐成为未来保险业转型升级和创新的关键因素。2021 年12 月29 日，中国保险行业协会在《保险科技“十四五”发展规划》中提出，要增强保险价值链创新的科技支撑，提升科技应用风险管控，增强人民群众对数字化、网络化、智能化保险产品和服务的满意度，让保险科技真正赋能保险行业高质量发展。科技是一把“双刃剑”，保险科技也不例外。一方面，保险科技赋能保险行业，推动保险行业创新发展，降低保险公司的声誉风险；另一方面，保险科技使保险市场上的风险总量和结构发生变化，大量以客户为中心的数据和账户服务会带来新的风险，从而可能会加大保险公司的声誉风险，需要有与之配套的风险防范体系。

声誉风险作为当今保险公司面临的难以量化的显著风险之一，已被纳入风险综合评级体系。早在2014年2月，原中国保监会就印发了《保险公司声誉风险管理指引》，强调了保险公司声誉风险的重要性。偿二代也将声誉风险纳入了监管框架。2021 年2 月，中国银保监会制定《银行保险机构声誉风险管理办法（试行）》，要求保险机构注重提升声誉风险管理水平，有效防范化解声誉风险，维护市场信心和金融稳定，要求我国监管机构将保险机构的声誉风险管理纳入法人监管体系。对此，有必要对保险机构的声誉风险防范问题进行进一步研究。

鉴于以上现实背景，考虑到寿险公司经营存续期更长的产品，面临更加复杂的风险。本文以寿险公司为研究对象，试图回答以下几个问题：第一，保险科技和寿险公司声誉风险如何量化；第二，保险科技与寿险公司声誉风险之间究竟是什么样的关系；第三，保险科技对寿险公司声誉风险的影响是否具有异质性。解决这些问题对寿险公司防范声誉风险、促进保险科技更好地赋能寿险公司发展具有重要的理论价值和现实意义。

二、文献综述

现有关于声誉风险的研究主要集中在声誉风险的重要性研究和量化研究。在对声誉风险的重要性研究上，Dinah和Nadine（2018）通过文本挖掘方法，发现年度报告中反映的声誉风险管理的意识和重要性在过去十年中增加了。Szwajca（2018）指出，在当前的数字时代，随着互联网和社交媒体的发展，公司声誉面临着许多威胁，对声誉风险有效管理的重要性和需求日益增长。在对声誉风险的量化研究上，现有的量化方法主要包括三大类：第一类是运用单一财务指标来量化（毕翼，2013）；第二类是将其作为操作风险的子风险进行估计，利用统计学方法如蒙特卡罗模拟方法计算声誉风险造成损失的概率（Kunitsyna 等，2018）；第三类是构建声誉指数体系（Fombrun，1998；Zaby和Pohl，2019；仲赛末、赵桂芹，2020）。

国内外学者对保险科技影响保险公司的研究主要分为理论研究和实证研究两个部分。理论研究部分主要分为以下三类观点。第一类是保险科技具有双面性（许闲，2017；唐金成、刘鲁，2019；F.John，2019；Hugh，2020）。一方面，它能赋能保险行业，重塑保险业态，完善保险产品与服务，给保险行业发展带来机遇；另一方面，它会给保险公司带来一定的风险和挑战。第二类是保险科技具有正面影响。保险科技能给消费者更多选择和更高的满足感，加快保险公司在产品设计、风险管理、理赔管理等流程上的创新发展（Veselina和Peter，2017；Stoeckli 等，2018；赵大伟、杜谦，2020）。王丽辉（2018）指出，保险科技发展冲击了传统保险业的盈利和经营模式，能使更多边缘客户受到关注，在一定程度上改善传统保险市场的“长尾问题”。Robyn 等（2019）认为，保险科技能够缓解保险业存在的信息不对称问题。王媛媛（2019）指出，新技术赋能传统保险业务能提升保险行业的效率和质量，提升客户服务体验，增加客户黏度。胡芳等（2021）指出，保险科技能通过新技术优化健康产业的营销渠道、个性化定价，减少销售误导，降低人为失误，提升保险公司的经营效能和风险管理水平。第三类是保险科技带来了挑战和风险。李计和罗荣华（2019）认为，保险互联网渠道鱼龙混杂，存在个别营销员误导消费者的现象。刘孟飞（2021）研究发现，金融科技带来新的风险，使保险市场变得日益复杂化。

实证研究部分主要包括以下三类。第一类是影响经营绩效。贾立文和万鹏（2019）研究发现，保险科技在新技术赋能阶段能显著提升财险公司经营绩效。谢婷婷和赵雪莉（2021）进一步研究发现，保险科技对中外资财险公司经营效率的影响存在差异性。孙明明等（2022）研究发现，保险科技对保险公司经营效率具有正向促进作用，且对寿险公司作用更为显著。第二类是影响风险承担。完颜瑞云和锁凌燕（2019）研究发现，保险科技总体上能显著提升保险公司风险承担水平。第三类是影响创新发展。毋辰燕和王华丽（2020）研究发现，科技创新提升保险公司的成长性综合能力。Li等（2020）指出，互联网金融促进传统保险业创新发展。孙明明等（2021）研究发现，保险科技发展与保险公司产品创新能力之间存在显著的正相关且对寿险公司的积极影响更大。

上述文献为本文的研究提供了有益借鉴，但在保险科技视角下，缺乏对保险科技与保险公司声誉风险关系的研究。本文对此进行了拓展，将保险科技这一因素纳入寿险公司声誉风险防范研究中。

三、理论分析与研究假设

（一）保险科技与寿险公司声誉风险

保险科技是指通过大数据、人工智能、物联网、区块链等创新技术，以保险营销、保险产品创新、保险理赔和服务、保险公司风险管理等为切入点，改善保险行业生态，为保险公司提供特定解决方案。

首先，保险科技作为金融科技的一个重要分支，它能促进保险营销体制改革。根据代理理论和信息效应理论，金融科技的发展有助于降低信息不对称性，减少违规行为的发生，规范公司经营行为，改善公司服务和经营效率（牟卫卫、刘克富，2021）。根据长尾理论，保险科技应用扩大了保险服务和产品的覆盖范围，有效改善保险市场的“长尾状况”，增加保险公司的盈利。代理人制度是保险公司传统营销体系的核心，由于保险消费者的潜在性、分散性和不确定性以及保险产品的无形性、复杂性，在传统保险经营模式下，保险公司只能通过代理人来进行产品销售，客户体验较差（赵大伟、杜谦，2020）。客户是保险公司利润的源泉，保险公司营销管理的重要内容是吸引和留住客户。保险科技的出现取代了人力，起到“去中心化”的作用，真正做到“以客户为中心”，优化客户体验感和服务满意度，防范保险公司声誉风险。

其次，保险科技能加快保险公司产品的开发和创新。根据技术扩散理论，保险公司引入保险科技能促进自身的技术升级，助推公司和行业前进。保险科技有助于提高保险产品创新效率与精准度，满足过去无法满足的产品多样化需求（孙明明等，2021）。大数据技术的应用帮助保险公司进行产品个性化定制及创新，改善保险公司产品和服务，防范声誉风险。

再次，保险科技有助于改善保险公司与消费者关系。保险科技能帮助消费者提高生活品质，改善其消费行为，增加其消费价值（许闲，2017）。保险科技有助于消费者进行自身的风险管理，降低可能存在的各类风险。保险科技产品的便捷性给予消费者更多的选择空间，帮助降低消费者的道德风险和逆向选择，改善保险公司与消费者关系，防范保险公司声誉风险。

最后，保险科技能提升保险公司风险管理水平。保险是经营风险的行业，传统保险业主要集中防控道德风险、逆向选择、操作风险及投资风险等。保险科技的应用能使这些风险得到一定程度的缓解甚至消除。保险科技还能帮助改进保险业的风险管理技术，从而有望防范行业整体声誉风险。基于上述分析，本文提出假设1：保险科技能防范寿险公司的声誉风险。

（二）不同股权性质的寿险公司的保险科技与声誉风险

国外的保险科技起步较早，外资寿险公司在经营中积累的经验和技术等更加成熟，但提升空间也相对较少。从经营范围来看，外资寿险公司的市场占有率和规模保费要小于中资寿险公司，保险科技应用的潜力也小于中资寿险公司。从服务对象看，相较于中资寿险公司，外资寿险公司的客户主要是高端客户。保险科技应用的目的之一就在于服务长尾客户，所以外资寿险公司在应用保险科技时会受到极大约束（谢婷婷、赵雪莉，2021）。基于上述分析，本文提出假设2：保险科技对寿险公司声誉风险的影响存在股权异质性。

四、研究设计

（一）寿险公司的声誉及声誉风险指数构造

1.声誉评价体系指标选取

企业声誉是对一个公司相对于参考集团公司与该公司对资源的竞争对一个特定群体利益相关者吸引力的集体评估（Fombrun，1998）。本文将寿险公司的声誉定义为寿险公司利益相关方对其的一个综合评价。综合评价指数越高，说明寿险公司的声誉越好。本文以Harris-Fombrun的誉商指标体系为基础，借鉴仲赛末和赵桂芹（2020）等已有文献研究，引用保险公司的信用评级指标和原中国保监会制定的《保险公司法人机构经营评价指标》，考虑数据的可得性、准确性及可靠性等，构建针对我国寿险公司声誉水平的评估体系。具体的评估指标体系包括以下八个方面：企业感召力；保险产品和服务；企业工作环境；财务状况；保险创新和风险；监管处罚；社会责任；行业发展。具体评估指标体系如图1及表1所示。

本文的二级指标都是在一级指标下选取的。例如，在企业感召力（一级指标）下选取产品市场份额（二级指标）。产品市场份额反映了寿险公司规模的大小，显然，产品市场份额越大，寿险公司的感召力越大，两者之间是正相关的，所以本文将其选取为正向指标。反之，综合费用率越高，产品与服务的成本越高，收益就越小，两者存在负相关关系，所以，本文将其选取为负向指标。其余的正向指标与负向指标的选取依此类推。除此之外，还有部分指标不能简单地衡量，本文将其选取为适度指标。例如，再保比例指标。过往的研究表明，再保比例与产品和服务之间并不存在明确的正向或负向关系，而应当存在一个最优的再保险比例。其他指标如销售渠道、杠杆比率等也存在类似的结论，即二级指标与一级指标的正负向关系不能确定，所以本文都将其选取为适度指标。

▶图1 寿险公司声誉水平评估指标体系

▶表1 寿险公司声誉指数构造指标

2.指标标准化处理

为了让数据具有可比性，首先对指标数据作正向化和无量纲化处理。根据以往文献，本文采用最常见的极差法来对定量数据进行归一化处理，如公式（1）至公式（3）所示。

其中，Xtij为第t年第i个寿险公司的第j 个评价指标的原始指标值，xjmax、xjmin、xj适对应样本期内j指标的最大、最小和适度值，其中，xj适用各个指标在样本期内的均值来表示，Xtij为归一化后的指标值。

3.指标权重确定

如表1 所示，声誉指数的构造体系包含一级指标8 个，二级指标29个。在赋权方法选择上，考虑到主观法缺乏客观性，客观法过度依据样本差异，指标的重要程度与样本的差异程度之间可能不相符。为实现二者的统一，采用“乘法合成归一化法”确定综合权重wj综合。综合权重如公式（4）所示，其中，主观权重为wj主观，客观权重为wj客观。

（1）主观权重

为了全面反映各个指标的贡献，借鉴仲赛末和赵桂芹（2020）以及范合君和吴婷（2021）等的研究，本文以二级指标的贡献率为权重，采取等权重法。

（2）客观权重

考虑到熵权法和CRITIC 法在客观赋权上的均等地位，二者可以互相弥补不足，实现客观赋权法间的优势互补。客观权重的计算如公式（5）所示，其中，熵权法权重为wj熵权法，CRITIC 权重法权重为

4.声誉指数的构造

根据标准化及确定的权重可以构造各寿险公司的声誉指数Repuit，如公式（6）所示。

5.声誉风险指数的构造

声誉风险源于利益相关者的期望与公司绩效之间的差距，当公司未能满足特定利益相关者的需求时，就会产生声誉风险（Szwajca，2018；Zaby 和Pohl，2019）。良好的声誉会使企业面临声誉风险的可能性更高，高声誉意味着承担更大的责任风险（Nobanee 等，2021）。据此，本文在借鉴仲赛末和赵桂芹（2020）构造声誉指数的基础上，根据夏普指数和期望方差模型构造寿险公司的声誉风险指数。构造方法如公式（7）所示。

其中，Repuriskit为第i家寿险公司第t年的声誉风险指数，Repurate、Repuratemean和σRepurate分别为声誉指数Repuit的变化率、变化率连续三年的滚动均值和滚动标准差，这里参照边文龙和王向楠（2017）的滚动方法（样本当年以及前两年）来计算均值和标准差。再对该指数进行归一化处理得到样本寿险公司2016年至2020年的声誉风险指数。该指数越大，声誉风险越小，反之则越大。

（二）数据来源与样本选择

1.数据来源

保险公司数据从2013年至2021年《中国保险年鉴》《中国统计年鉴》以及原中国保监会和各保险公司信息披露数据中获取，均为公开可得数据。

2.样本选择

综合考虑数据可得性和有效性，本文样本选择2012年至2020年财务及相关数据相对完整的50家寿险公司。所选样本公司均在2012年前已经开业以保证可以获取到年度财务数据。对除虚拟变量外的其他变量数据在1%和99%处进行缩尾处理，以降低异常值对样本公司真实经营状况的影响。

（三）变量选择

1.被解释变量

声誉风险指数。上文构造的归一化后的声誉风险指数（Repuriskit），限于篇幅在此只展示声誉指数（Repuit）及声誉风险指数（Repuriskit）测算结果的均值。如表2 所示，结果表明指标构造符合实际情况，说明上述赋权方法具有合理性。从构造的声誉风险指数看，中国人寿、平安人寿、人保寿险、太平洋人寿、太平人寿等声誉指数较大的寿险公司，声誉风险指数排名并不靠前，说明对于声誉良好的寿险公司来说，声誉风险依旧是存在的，甚至高于声誉指数较低的寿险公司。所以，对于声誉良好的寿险公司来说预防声誉风险同样重要。

2.解释变量

保险科技指数。以往学界对于保险科技的研究相对较少，本文借鉴金融科技指数的构造方法，为获取比较准确科学的指数，采用北京大学数字金融研究中心编制的省级层面的数字普惠金融指数的保险分项来构造各个保险公司的保险科技指数。考虑到寿险公司经营范围覆盖多个省份，而保费收入是评价保险机构经营业绩的重要指标，本文以保险公司在各省份地区的保费收入占保险公司保费总收入比重为权重来计算其加权保险科技指数，以反映各个寿险公司的实际情况。下文采用数字普惠金融总指数作为保险科技的代理变量并进行相同处理。

3.控制变量

本文参照已有相关研究，借鉴谭英平（2013）等从经济发展环境、金融市场环境、政府政策环境、社会信用环境四大保险生态环境要素中选择可能影响寿险公司声誉风险的宏观控制变量，包括国家总体宏观经济发展水平（ZGDPgro）、通货膨胀水平（Logcpi）、展业区域经济发展水平（GDPgro）、存贷款余额占GDP 比重（Fin）、政府教育支出占财政支出比重（Edu）及政府监管支出占财政支出比重（Govern）。在微观层面，借鉴以往研究选取寿险公司的微观特征控制变量，包括资产规模（Size）、经营时间（Age）、投资收益率（ROI）、资产增长率（Asgro）、董事会规模（Bsize）、独立董事比例（Indep）、监事规模（Jsize）及高级管理人员规模（Manage）。具体控制变量及定义如表3所示。

▶表2 样本寿险公司平均声誉指数、平均声誉风险指数及排名

▶表3 各类变量及定义

（四）模型设定

为了检验假设，本文设定检验模型主要考虑到可能存在遗漏变量或代理变量测量误差所导致的内生性问题，选用固定效应模型。回归方程中加入了一些控制变量，这些变量都是以前的文献中认为可能影响寿险公司声誉风险的其他因素，设计方程如公式（8）所示。

其中，i为寿险公司，t为年份；Repuriskit表示寿险公司的声誉风险指数，核心解释变量Itechit表示保险科技水平，Controlit表示寿险公司宏观经济变量和微观特征变量；uit表示寿险公司固定效应，εit为随机误差项。

五、实证检验与结果分析

（一）描述性统计

表4 给出了各变量的描述性统计结果。样本中寿险公司整体的声誉风险指数（Repuriskit）较低，均值为0.483，各寿险公司各年份的声誉风险指数存在着较大差异，标准差为0.349。保险科技指数（Itechit）及其代理变量（Itechit1）的平均值均小于中位数，说明保险科技指数呈现左偏分布，即超半数的保险科技指数大于平均值。可以认为，保险科技指数整体向好。由于控制变量不是本文的研究重点，所以此处不对其进行详述。

▶表4 各变量的描述性统计结果

（二）全样本检验

从表5全样本基准回归结果可以看出，当期保险科技指数与声誉风险指数正相关，估计系数均在10%置信水平以上通过了显著性检验。这意味着，当期保险科技发展水平（Itechit）总体上与寿险公司声誉风险（Repuriskit）是正相关的，即保险科技程度越高，寿险公司声誉风险越低。从控制变量上看，资产规模（Size）在5%置信水平上显著为正，投资收益率（ROI）在10%置信水平上显著为正，说明规模大的寿险公司的声誉风险相对较低，提高寿险公司的盈利能力对寿险公司防范声誉风险具有一定作用。

（三）分组检验

为进一步分析保险科技对于股权性质不同的寿险公司声誉风险的影响效果，本文将寿险公司分为中资和外资两类，对27家中资和23家外资寿险公司样本数据分组检验，回归结果如表5所示。中资寿险公司子样本检验结果显示，中资寿险公司的保险科技指数与其声誉风险显著正相关，且系数略大于全样本的检验结果。外资寿险公司子样本检验结果显示，保险科技发展程度与外资寿险公司声誉风险之间关系不显著。以上结果证实了假设2，说明保险科技对中资寿险公司的影响效果要优于外资寿险公司。

▶表5 保险科技与寿险公司声誉风险：基准回归

（四）稳健性检验

为了检验实证结果的稳健性，本文使用变量替换法和建立Tobit模型两种方法。

1.变量替换法

将原模型采用的省级层面数字金融发展指数保险分项替换为数字普惠金融总指数（Itechit1）进行稳健性检验，重新构建面板数据。使用变量替换法后的回归结果与前文基本一致，说明保险科技发展程度与寿险公司声誉风险之间关系的回归结果是稳健的，再次验证了前文假设。

2.建立Tobit模型

由于上文对被解释变量做了归一化处理，此时的声誉风险指数是截堵数据。在对截堵数据进行回归时，直接使用固定效应模型的结果可能有偏差，Tobit模型可以很好地解决这一问题。Tobit模型的估计结果表明基础回归的结果是稳健的。

（五）内生性检验

1.变量滞后

考虑到保险科技对寿险公司的影响可能带有一定时滞性，并且能缓解反向因果问题。本文借鉴已有文献，在数据可得的条件下，分别将保险科技滞后一期、二期进行回归。由表6 所示结果可知，滞后一期的保险科技指数（Itechi,t-1）与寿险公司声誉风险是显著正相关的，滞后二期（Itechi,t-2）并没有显著的影响关系，表明保险科技对寿险公司声誉风险的正向影响集中在短期。

同样，分别对中外资寿险公司进行滞后回归处理。如表7 所示，结果表明，滞后一期保险科技指数对中资寿险公司声誉风险的影响系数均在5%水平以上显著，滞后二期的系数均不显著，说明保险科技发展对中资寿险公司的积极影响集中在短期。滞后一期和二期的保险科技指数对外资寿险公司声誉风险的影响系数均不显著，验证了假设2，保险科技发展对寿险公司的滞后影响存在股权异质性。

2.工具变量法

借鉴林木西和肖宇博（2022）等的研究，为缓解反向因果带来的内生性问题，本文选取保险科技指数的一期、二期滞后值（Itechi,t-1、Itechi,t-2）作为工具变量（IV）进行两阶段最小二乘法（2SLS）估计。为缓解由于遗漏变量带来的内生性问题，本文选取移动电话普及率（Mpp）作为分析的工具变量，移动电话的普及是保险科技发展的基础，移动电话的普及与寿险公司声誉风险并不相关，同时满足相关性和排他性要求。

表8 的内生性检验结果显示，通过内生性检验后，保险科技对寿险公司声誉风险的正向作用在10%的显著水平及以上依然成立，再次验证了假设1。在对工具变量法的有效性验证中，不可识别检验的KPLM统计量的P值均为0.000，显著拒绝“识别不足”的原假设，说明可以使用工具变量法。在以滞后一期和二期的保险科技指数以及移动电话普及率为工具变量的弱工具变量检验中，CDF 和KPF 的统计量值分别都大于弱工具变量检测中10%偏误的临界值，可以拒绝原假设，认为不存在弱工具变量问题，验证了本文工具变量选择的合理性。

▶表6 保险科技与寿险公司声誉风险：全样本滞后回归

▶表7 保险科技与寿险公司声誉风险：子样本滞后回归

六、结论与建议

（一）结论

本研究梳理了保险科技与保险公司声誉风险防范之间关系的理论，并据此提出假设。利用2012—2020年中国50家寿险公司的样本数据，首先在Harris-Fombrun声誉评价体系基础上尝试利用主客观相结合的综合赋权法和期望方差模型对寿险公司的声誉风险进行量化，接着采用面板模型对理论假设进行较为稳健的实证检验，主要结论如下。

第一，基于Harris-Fombrun声誉评价体系及期望方差模型构建的寿险公司声誉及声誉风险评价体系能够帮助寿险公司量化声誉及声誉风险水平。

▶表8 内生性检验结果

第二，平均声誉水平高的寿险公司同样存在声誉风险。寿险公司需要重视声誉风险防范。

第三，总体上，保险科技发展与寿险公司声誉风险之间存在正相关关系，即保险科技发展能防范寿险公司声誉风险，保险科技对寿险公司声誉风险的影响存在短期滞后性。

第四，保险科技对不同股权性质的寿险公司声誉风险的影响具有异质性，保险科技能有效防范中资寿险公司的声誉风险。

（二）加强寿险公司声誉风险防范的建议

基于上述研究结论，本文提出以下建议。

第一，要提高对寿险公司声誉风险防范的关注度。随着保险科技的不断发展，寿险公司无论声誉水平高低，都需从动态视角防范声誉风险。

第二，寿险公司声誉风险防范要与时俱进。寿险公司要全方面降低自身的声誉风险，不断提高自身投资业务和承保业务的盈利水平，促进自身健康发展。

第三，保险科技目前处在赋能保险行业发展的重要阶段，应当充分并且及时发挥保险科技对寿险公司声誉风险防范的积极作用。寿险公司要将保险科技的各项技术充分运用到日常经营与管理中，使技术赋能寿险公司更长久健康的发展进步，防范声誉风险。

第四，中资寿险公司要充分利用自己的本土优势，牢牢抓住保险科技赋予的机遇对自身声誉风险进行防范。外资寿险公司应当加强与中资寿险公司的交流和合作，使保险科技能在未来更好地发挥声誉风险防范作用。