我国交强险的费率厘定孟生旺
我国交强险的费率厘定
孟生旺
中国人民大学统计学院
【摘要】 交强险自2006年7月1日实施以来,引起了社会各界的广泛关注,尤其是对交强险费率的争论,一直没有间断。本文对我国现行交强险的费率结构进行了简要分析,指出了我国交强险费率存在的主要问题包括:风险分类过于粗糙,保险费率在不同地区和不同车辆类型之间不够公平,费率浮动办法尚存缺陷。本文最后借鉴发达国家汽车强制保险的经验,提出了完善我国交强险费率结构的初步建议。
【关键词】 交强险 费率 费率浮动
一、引言
机动车辆交通事故责任强制保险(以下简称交强险)自2006年7日1日实施以来,备受各界关注,尤其是对交强险的费率水平,质疑之声不绝于耳。有人把我国交强险的费率水平与其他国家或地区进行了对比,也有人与商业三责险进行了对比,从而得出我国现行交强险费率水平偏高,甚至存在“暴利”嫌疑的结论。但是,这些结论都是基于一些简单的对比分析,可比性较差,因此缺乏充足的说服力。譬如,不同国家和地区的交通设施、交通密度、生活习惯、价格水平等都存在较大差异,而交强险与商业三责险在赔偿范围、赔偿标准、责任界定等方面也互不相同,因此任何简单的对比分析都不可能提供强有力的证据来说明我国现行的交强险费率水平是否存在严重偏差。
本文将应用我国交强险第一个业务年度的有关数据,对交强险的费率结构进行简要分析,并探讨我国交强险费率存在的主要问题和可能采取的改进措施。
的道路交通事故,费率下浮10%;若上两个保险年度未发生有责任的道路交通事故,费率下浮20%;若上三个及以上保险年度未发生有责任的道路交通事故,费率下浮30%;若上一个保险年度发生一次有责任不涉及死亡的道路交通事故,费率不浮动;若上一个保险年度发生两次及两次以上有责任不涉及死亡的道路交通事故,费率上浮10%;若上一个保险年度发生有责任道路交通死亡事故,费率上浮30%。
可以看出,与世界上大多数国家一样,我国交强险的费率厘定也是通过两个环节完成的,即首先根据车辆的先验费率因子确定基础费率,然后根据经验事故次数对基础费率进行调整。在这两个具体环节上,不同国家的差异比较明显。有些国家采用了较多的先验费率因子,风险分类较为细致,因此费率浮动机制比较简单,而有些国家使用的先验费率因子较少,所以费率浮动机制比较复杂。不论采取哪种形式,目的都是一致的,即尽可能使得保险费率与风险成比例,从而促进投保人保费负担的公平性。
从我国交强险目前的费率结构来看,费率水平的公平性还存在较大问题,即费率水平不能准确反映被保险车辆的风险,这主要体现在下述几个方面:
(一)不同地区之间的费率不公平
交强险在第一个业务年度的经营结果表明,不同地区的赔付率水平相差很大(参见表1)。总体上看,东部沿海地区及中部地区赔付率较高,而西部地区赔付率相对较低。事实上,这种差距还相当明
二、交强险费率存在的主要问题
我国现行的交强险在定价时采用了两个费率因子,即车辆类型和使用性质,从而把所有的车辆区分为42个风险类别。每个风险类别都有一个基础费率,即初次投保时的保险费率。车辆投保满一个保险年度以后,续期保费将根据其在上一个保险年度发生的道路交通事故次数进行调整。调整规则如下:
被保险车辆若在上一个保险年度未发生有责任
- 52 -
显,譬如,赔付率最低的两个地区是西藏和海南,分别为31%和45%,而赔付率最高的两个地区是江苏和湖南,分别为74%和79%。赔付率最多可以相差两倍以上,但它们的保险费率完全相同。这意味着西部地区在交强险的保费上补贴了东部沿海地区,这是极为不公平的。不公平的费率结构在一定程度上正好解释了为什么保监会三令五申强调交强险不得打折销售,而实际上在某些地区总有打折销售的事实存在。因为某些地区的赔付率很低,即使打折销售,保险公司仍然有利可图。毫无疑问,只要费率是不公平的,市场力量必然会催生打折销售的冲动。因此,与其把大量的监管力量放在限制打折销售上,还不如多花点功夫优化费率结构。
(二)不同车辆类别之间的费率不公平 各个车辆类别(不含拖拉机)在第一个业务年度的满期赔付率相差悬殊,譬如“营业出租租赁6座以下”的满期赔付率高达118.5%,而“机关非营业汽车10-20座”的满期赔付率只有38.6%。因此可以说,现行的交强险费率在很大程度上是不公平的,它强迫低风险的车辆在保费上补贴了高风险的车辆。毫无疑问,保险的目的之一就是由所有的被保险人缴纳保险费,建立保险基金,并通过保险基金来分担那些不幸的被保险人所造成的损失,从而实现被保险人之间的互助合作,但这种保险机制得以正常运行的前提是不同风险的被保险人应该缴纳与其风险水平成比例的保险费。而第一个业务年度的满期赔付率在不同车辆类别之间相差悬殊,这表明目前的交强险费率存在明显的不公平,因此迫切需要调整不同车辆类别之间的费率结构。
(三)费率浮动办法不公平
如前所述,交强险的费率厘定通常需要经过两个环节,即首先根据先验费率因子确定一个基础费率,然后根据被保险人的损失经验进行调整(此即所谓的奖惩系统,BMS )。交强险的费率厘定之所以采取这种方式,就是为了充分利用各种信息,对被保险人的风险水平做出尽可能准确的预测。
对于一个新的投保人,保险公司通常只能获得其驾龄、年龄、车型、地区等费率因子,并基于这些费率因子预测其风险水平,确定保险费率。显然,费率因子不可能完全反映被保险人的风险水平,譬如,汽车驾驶人的心理素质、生活习惯等都有可能影响其风险水平,但它们通常是难以观察的,因此在实践中无法将它们作为费率因子使用。但是,这些影响因素会在损失经验中得到反映,即损失经验中包含了这些难以观察的风险特征所造成的影响,因此根据被保险人的损失经验对其保费进行调整,可以进一步提高费率厘定结果的准确性。
但是,损失经验既受这些难以观察的风险特征的影响,也受费率因子的影响,因此,在根据损失经验对基础费率进行调整时,必须剔除费率因子对损失经验造成的影响,否则会造成重复性的奖励或
表1 不同地区的交强险赔付率(2006.7.1-2007.6.30)
- 53 -
惩罚。譬如,根据先验费率因子,A 类车被划入高风险类别,B 类车被划入低风险类别。假设它们在过去发生了相同的事故次数,那么应该如何调整它们的续期保费呢?如果采用相同的费率上浮比例,对A 类车就存在重复性惩罚。因为A 类车已经交纳了较高的基础保费,所以就应该允许其发生较多的损失,而B 类车交纳的基础保费较少,因此其发生的损失也应该相对较少。换言之,如果它们在过去发生了相同的事故次数,对A 类车的费率上浮比例应该低于B 类车,否则对A 类车就存在重复性惩罚。为了进一步说明,不妨假设被保险车辆的损失可以表示为:
损失=常数×费率因子×其他风险特征 在上式中,常数项对所有的被保险车辆相同。费率因子和其他风险特征的取值越大,表明风险越高,损失越大。
假设A 类车和B 类车的先验费率因子分别为2和3,如果它们的实际经验损失相等(譬如在过去三年都发生了5次事故),这就表明A 类车在其他风险特征上的取值大约是B 类车的1.5倍,因此对A 类车的上浮比例应该是B 类车的1.5倍。
可见,为了避免重复性的奖励或惩罚,在费率浮动环节,必须剔除费率因子的影响。一般的规律是,在风险分类时被划入高风险类别的车辆,根据其损失经验进行费率上浮时,浮动比例应该相对较低,而在费率下浮时,浮动比例应该相对较高。
我国现行的交强险费率浮动办法没有考虑基础保费的差异,因此费率浮动结果是不公平的。
现行费率浮动办法存在的另一个问题是对损失经验的使用不充分。在确定费率下浮比例时,需要追溯过去三年的损失经验(如连续三年无事故才能享受30%的费率折扣),而在确定费率上浮比例时,仅考虑过去一年的损失经验。这从消费者的角度看,是不公平的;从精算原理的角度看,也是欠妥当的。合理的做法应该是无论上浮还是下浮费率,都追溯过去三至五年的损失经验,这样的浮动结果才会更加公平。
三、完善交强险费率的建议
现行交强险费率存在的最大问题是不公平,即费率水平与风险水平不成比例,为此,可以考虑采取下述方法完善现行交强险的费率结构。 (一)合理选择费率因子
现行交强险仅仅使用了两个费率因子,即车辆类型和车辆用途。无论从其他国家或地区的汽车强制保险来看,还是从我国商业汽车保险来看,现行交强险使用的费率因子太少,没有充分利用被保险车辆的有效风险信息。最明显的一个例子就是现行交强险费率没有体现地区差异(拖拉机除外)。由于不同地区的交通密度、气候条件、人文环境、人们的法律意识等都存在较大差异,因此被保险车辆的风险水平不可能完全相同,这正如表1的赔付率所示。从其他国家汽车强制保险的经验来看,风险水平的地区差异也十分明显。譬如在美国马塞诸塞州2007年的个人汽车强制保险业务中,全州被划分成了33个区域,不同区域的费率水平最多可以相差3倍左右。我国幅员辽阔,风险水平的地区差异可能更加明显,因此在交强险的费率厘定中,增加地区因素对公平投保人的保费负担具有重要意义。
借鉴国外汽车强制保险和我国商业三责险的经验,在交强险的费率厘定中,除了增加地区因素以外,还应该考虑增加驾龄、年龄、性别和年行驶里程数等因素。国内外的实践经验都表明,这些因素与被保险车辆的风险水平也是高度相关的。当然,费率因子的最终确定应该基于对实际损失数据的科学分析。
(二)区分车队业务和个人业务
在交强险的费率厘定中,应该区分个人业务和车队业务。个人业务的车辆数很少,而车队业务通常包含很多车辆,因此从保险定价的角度来看,经验数据的可信度大不相同。譬如对于一个运输车队,如果有几百辆汽车,那么在费率厘定时,需要更多地考虑其自身的损失经验。但是,个人业务的车辆数通常都很小,其损失经验的可信度较差,因此在厘定费率时,需要更多地考虑类似车辆的损失经验,即首先根据一些费率因子对这些车辆进行分类,然
- 54 -
后再应用精算方法厘定各个类别的费率。
在个人车险业务的费率厘定中,目前较为理想的模型应该是广义线性模型,它已经被人们推崇为个人汽车保险费率厘定的行业标准。在最基本的广义线性模型中,通常需要分别建立下述两个基本模型:首先假设每个被保险车辆的索赔次数服从泊松分布,并根据泊松回归建立索赔频率与费率因子之间的预测模型;然后假设赔付金额服从伽玛分布,并根据伽玛回归建立案均赔款与费率因子之间的预测模型;最后再将这两模型合并,求得纯保费与费率因子之间的预测模型。但是,在某些情况下,这种最基本的广义线性模型可能无法准确反映实际数据的特点,譬如当实际损失数据存在零膨胀特点(即大多数保单没有索赔)或过离散特点(即少数保单的索赔次数很多)时,就需要考虑对上述广义线性模型进行推广,建立零膨胀回归模型或过离散回归模型,否则对纯保费的预测结果也会出现偏差。
对于车队业务,由于其包含的车辆数很多,自身的损失经验具有较高的可信度,所以应该采用信度模型厘定其费率。根据信度模型,一个车队的费率等于其经验损失率与先验保费的加权平均,即:费率=Z ×经验损失率+(1-Z )×先验费率。权数Z 的大小反映了车队自身经验损失的可信度。一般而言,车队的规模越大,经验数据的可信度就越高,权重Z 就越大。信度模型中的先验费率在实务中有多种选择,譬如,可以使用车队在上一个保险年度的费率,或者类似车队在过去一年的平均经验损失等。
(三)尽可能减少重复性的奖励或惩罚 从汽车保险精算模型的发展过程来看,Taylor (1997)最早通过随机模拟的方法指出了在车险费率厘定的两个环节可能存在重复性奖励或惩罚,而Pitrebois (2003)等人则提出了一种解决该问题的解析方法。从保险实务的角度来看,这些思想和方法已经得到了初步应用。譬如,在美国马塞诸塞州2007年的个人汽车强制保险业务中,驾驶员被区分为“有经验的”(获得驾驶执照6年以上)和“缺乏经验的”(获得驾驶执照6年以下)两类。前者的基础费率
较低,而后者的基础费率较高。在费率浮动环节,如果他们发生了相同的事故次数或违章次数,则有经验驾驶员的费率上浮幅度要更大一些。显然,这种浮动办法虽然还不能彻底解决重复性奖励或惩罚的所有问题,但在一定程度上减轻了问题的严重性。
如果在交强险的费率浮动中,既考虑事故次数,又考虑交通违章次数,那么在费率厘定中,还应该避免可能存在的另一种重复性惩罚,即因为事故次数和交通违章次数高度相关而产生的重复性惩罚。
交强险实施费率浮动的主要目的是为了公平投保人之间的保费负担,但在追求公平性的同时,还需注意费率浮动结果的平稳性。所谓平稳性,就是要防止保费水平出现大起大落的情况。费率浮动肯定会导致投保人的保费水平在各年间发生变化,但应该将这种变化控制在一定范围之内。剧烈的保费波动会损害保险对投保人的实际价值。
从表面上看,上述目标的实现似乎并不容易,但现代精算理论和方法已经提供了相应的解决之道,现在的问题是,我们是否有足够的决心和信心对现行的交强险费率进行改革。
参考文献
[1] 中国保险行业协会,机动车交通事故责任强制
保险责任限额,2006.7.1。
[2] 中国保险行业协会,机动车交通事故责任强制
保险基础费率表,2006.7.1。
[3] 中国保险行业协会,机动车交通事故责任强制
保险费率浮动暂行办法,2007.7.1。
[4] 机动车交通事故责任强制保险专题财务报告,
中国保险监督管理委员会网站2007.11.30公布。 [5] Automobile Insurers Bureau of Massachusetts,
Massachusetts private passenger automobile insurance manual. 2007.
[6] Taylor, G.. Setting a Bonus-Malus scale in the
presence of other rating factors[J]. ASTIN Bulletin, 1997, 31, 317-335.
[7] Pitrebois, S., Denuit, M. and Walhin, J.F.. Setting
a Bonus-Malus scale in the presence of other rating factors: Taylor’s work revisited[J]. ASTIN Bulletin , 2003, 33, 419-436.
- 55 -