SDE Universes·新思想前沿经济·金融·风险治理
新思想前沿 · 经济·金融·风险治理

保险与精算科学

第 295 号 · 近二十年 · 20 条转向 · 约 26,192 汉字 · 王德生 亲撰 · 2026 年 8 月

保险与精算科学近二十年的变化,不是新术语依次替换旧术语,而是对象、测量、干预与制度环境共同重组。以下二十条按两幕展开,每条都把关键读数、实施责任、失效反例和跨面板接口放在同一证据链中,避免把相关性、采纳率或成功者样本误写成领域共识。

【第一幕】上一个十年 · 约 2006—2016

第一幕从从规则到风险的偿付能力监管Risk-Based Solvency Regulation推进到健康险与医疗成本Health Insurance and Cost Containment,重点是旧对象如何被重新定义、旧证据怎样接受反例,以及专业实践怎样从单点判断转向过程和环境。

甲、从规则到风险的偿付能力监管Risk-Based Solvency Regulation

提出European Parliament与Council,2009年《Solvency II Directive》2009/138/EC。 争议EIOPA,2020年《Solvency II 2020 Review》。 最新EIOPA,2024年偿付能力二号实施与气候风险更新。 关键偿付监管须以尾部风险、资产负债联动和管理行动取代静态比例

这十年欧洲与多国把偿付能力监管从固定比例的规则制,改为以风险为基础的三支柱结构:定量的资本要求、公司治理与自我风险评估、以及市场披露。资本要求按机构实际承担的风险计算,而不再按保费或准备金的固定百分比。

它推翻的是用统一公式衡量异质机构的做法。同样规模的两家保险公司,其风险可以差别极大——业务结构、再保安排、资产配置与集中度都不同,而规则制监管对这些差异不敏感。

三支柱结构的另一处创新是把治理与披露写进监管本体:资本充足不再只是一个数字,而必须由可被检验的风险管理流程支撑,并向市场公开。 该项证据的硬读数是一年百分之九十九点五风险值统一资本口径,却会低估模型外冲击、长期负债与压力中的行动约束。围绕偿付监管须以尾部风险、资产负债联动和管理行动取代静态比例,该读数不能越过样本和时间窗外推。

未决的是复杂度成本与顺周期性。风险敏感的资本要求在市场下跌时自动提高,可能迫使机构在最坏时点抛售;而模型的复杂度使中小机构合规成本畸高,也使监管者难以真正审核。这两点在这十年提出,至今仍是该框架的主要批评。另一处值得记下的是它对精算职业本身的改造:资本要求一旦与模型挂钩,精算师就同时是模型的建造者、使用者与向监管者作出说明的人。三重角色带来的利益冲突,正是后来模型治理规则要处理的东西。同期多国也把精算职能写成法定职能,赋予其独立报告的义务与保护。 可证伪的边界是当资源只投向最容易达标的从规则到风险的偿付能力监管Risk-Based Solvency Regulation对象时,覆盖越高,原有差距反而越可能扩大。跨机构比较至少要固定“完成关键结局核验者/全部进入“从规则到风险的偿付能力监管Risk-Based Solvency Regulation”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,偿付监管须以尾部风险、资产负债联动和管理行动取代静态比例就只是口径产物,而不是经反例保留下来的领域判断。

实践上应为“从规则到风险的偿付能力监管Risk-Based Solvency Regulation”建立前测、过程与结局账,使偿付监管须以尾部风险、资产负债联动和管理行动取代静态比例可观察。检验偿付监管须以尾部风险、资产负债联动和管理行动取代静态比例须预设停止和替代阈值,不能只报成功者。 另一可复核锚点是一年百分之九十九点五风险值统一资本口径,却会低估模型外冲击、长期负债与压力中的行动约束;这条观察必须保留原分母和时序。

另见第 196 号第 1 条“平台化:新闻的形式与经济被外部基础设施重写”提供接口:偿付监管须以尾部风险、资产负债联动和管理行动取代静态比例必须拆成分子、分母和失效条件,并记录进入、排除与结果回写。

位置S——从规则到风险的偿付能力监管Risk-Based Solvency Regulation的可见结局是决定项 单因只有偿付监管须以尾部风险、资产负债联动和管理行动取代静态比例 预设〔18 干预不回写到被干预者〕制度变化不改变“从规则到风险的偿付能力监管Risk-Based Solvency Regulation”对象的原有含义 量纲完成关键结局核验者/全部进入“从规则到风险的偿付能力监管Risk-Based Solvency Regulation”评估者 失效当资源只投向最容易达标的从规则到风险的偿付能力监管Risk-Based Solvency Regulation对象时,覆盖越高,原有差距反而越可能扩大 自曝代表性边界:“从规则到风险的偿付能力监管Risk-Based Solvency Regulation”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 196 号第 1 条“平台化:新闻的形式与经济被外部基础设施重写

乙、内部模型与模型风险Internal Models and Model Risk

提出Basel Committee,2009年《Principles for Sound Stress Testing Practices》。 争议EIOPA,2014年《Guidelines on the Use of Internal Models》。 最新IAIS,2024年《Insurance Capital Standard》最终框架。 关键内部模型必须把参数、结构、数据和使用测试作为持续模型风险治理

风险为本的监管允许机构使用经批准的内部模型计算资本要求,前提是模型经过验证并嵌入日常决策。这使精算工作从计算准备金扩展到构建、验证与治理模型。

它推翻的是把模型当作技术工具的定位。当模型的输出直接决定资本要求时,模型选择就带有利益:更精细的模型往往意味着更低的资本占用,而机构有动机把这一自由度用足。

金融危机把这一问题推到台前——危机中失效的正是那些被广泛信任的风险模型。由此产生的是模型治理这一新领域:独立验证、模型清单与生命周期管理、以及对模型局限的明示。 可复核材料首先给出获得监管批准不等于模型真实进入定价与资本决策,复杂度还可能让董事会无法识别尾部假设变化。围绕内部模型必须把参数、结构、数据和使用测试作为持续模型风险治理,换掉分母会改变政策含义。

未决的是可比性。内部模型使不同机构的资本数字不再可比,而监管者需要横向比较。多国因此引入模型输出的基准比对与下限,代价是部分抵消了风险敏感的初衷。这一取舍在这十年从未被真正解决。另一处经验是嵌入性要求:监管坚持模型必须真正用于经营决策,而不是只为算资本而存在。这条要求看似形式,实际是最有效的一道防线——一个机构不会拿自己不信的模型去定价与再保安排,因而「是否嵌入」间接检验了模型是否可信。验证的独立性因此比验证的技术水平更关键。 可证伪的边界是当测量进入考核后,内部模型与模型风险Internal Models and Model Risk指标越漂亮,未被指标捕捉的真实结局反而越可能恶化。跨机构比较至少要固定“完成关键结局核验者/全部进入“内部模型与模型风险Internal Models and Model Risk”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,内部模型必须把参数、结构、数据和使用测试作为持续模型风险治理就只是口径产物,而不是经反例保留下来的领域判断。

落地“内部模型与模型风险Internal Models and Model Risk”不能只改名称,应由内部模型必须把参数、结构、数据和使用测试作为持续模型风险治理确定起点、强度和延迟后果。若不检验拒绝与失访,效果便没有分母。 另一可复核锚点是获得监管批准不等于模型真实进入定价与资本决策,复杂度还可能让董事会无法识别尾部假设变化;这条观察必须保留原分母和时序。

与第 196 号第 2 条“从守门到观门:把关不再由一处完成”对撞后,内部模型必须把参数、结构、数据和使用测试作为持续模型风险治理成为责任链。只留最终输出会抹掉停止权和无人承担项。

位置D——内部模型与模型风险Internal Models and Model Risk的实施序列是决定项 单因只有内部模型必须把参数、结构、数据和使用测试作为持续模型风险治理 预设〔18 干预不回写到被干预者〕制度变化不改变“内部模型与模型风险Internal Models and Model Risk”对象的原有含义 量纲完成关键结局核验者/全部进入“内部模型与模型风险Internal Models and Model Risk”评估者 失效当测量进入考核后,内部模型与模型风险Internal Models and Model Risk指标越漂亮,未被指标捕捉的真实结局反而越可能恶化 自曝时间窗边界:“内部模型与模型风险Internal Models and Model Risk”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 196 号第 2 条“从守门到观门:把关不再由一处完成

丙、企业风险管理的制度化Enterprise Risk Management

提出COSO,2004年《Enterprise Risk Management—Integrated Framework》。 争议Lam,2014年《Enterprise Risk Management》第二版。 最新IAIS,2024年《Insurance Core Principles》风险管理更新。 关键企业风险管理要把承保、投资、操作和战略风险放进同一风险偏好与反馈回路

这十年企业风险管理从管理时尚变成监管要求:机构必须整体识别、计量、汇总并管理各类风险,设定风险偏好,并定期完成自我风险与偿付能力评估。

它推翻的是按险种与部门分散管理风险的传统。核心主张是风险之间存在相关与集中——单看每一类都在限额内,合起来可能已经超出机构的承受能力,而分散化收益不能被想当然地假设。

这一框架的实际产出是风险偏好陈述与限额体系,把董事会的定性意愿转换成可执行的定量约束。它也第一次把精算师推到与首席风险官并列的治理位置上。 把争论落到分母后可以看到分部门限额无法显示风险在市场压力下的相关性上升,风险聚合和反向压力测试才暴露资本脆弱点。围绕企业风险管理要把承保、投资、操作和战略风险放进同一风险偏好与反馈回路,它把问题推进到适用条件。

未决的是相关性假设本身。压力时期的相关性系统性高于常态,而多数模型用历史数据估计相关系数;这意味着分散化收益在最需要它的时候最不可靠。这一结构性缺陷在这十年被反复指出,而它在技术上无法通过更好的估计来解决。另一处实践困难是风险偏好的可执行性:董事会通过的偏好陈述常常过于抽象,无法转换成前线的具体限额;而转换过程中的口径选择,实际上决定了机构真正承担多少风险。这一转换环节很少被外部审查,却是整个框架成败的所在。缺少这一环,风险偏好陈述就只是一份董事会文件。 可证伪的边界是当实施依赖高资源中心时,企业风险管理的制度化Enterprise Risk Management证据越成熟,向基层迁移后的有效性反而越不稳定。跨机构比较至少要固定“完成关键结局核验者/全部进入“企业风险管理的制度化Enterprise Risk Management”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,企业风险管理要把承保、投资、操作和战略风险放进同一风险偏好与反馈回路就只是口径产物,而不是经反例保留下来的领域判断。

企业风险管理的制度化Enterprise Risk Management”应依企业风险管理要把承保、投资、操作和战略风险放进同一风险偏好与反馈回路分开专业判断、目标和资源。若企业风险管理要把承保、投资、操作和战略风险放进同一风险偏好与反馈回路只在中心成立,推广前须结算基层容量和失败补救。 另一可复核锚点是分部门限额无法显示风险在市场压力下的相关性上升,风险聚合和反向压力测试才暴露资本脆弱点;这条观察必须保留原分母和时序。

另见第 196 号第 7 条“指标进入编辑判断:实时读数成为新的评判者”可检验企业风险管理要把承保、投资、操作和战略风险放进同一风险偏好与反馈回路的外推边界。若它依赖特定机构或高资源人群,就须固定单位并单列反号。

位置E——企业风险管理的制度化Enterprise Risk Management的制度环境是决定项 单因只有企业风险管理要把承保、投资、操作和战略风险放进同一风险偏好与反馈回路 预设〔18 干预不回写到被干预者〕制度变化不改变“企业风险管理的制度化Enterprise Risk Management”对象的原有含义 量纲完成关键结局核验者/全部进入“企业风险管理的制度化Enterprise Risk Management”评估者 失效当实施依赖高资源中心时,企业风险管理的制度化Enterprise Risk Management证据越成熟,向基层迁移后的有效性反而越不稳定 自曝测量误差边界:“企业风险管理的制度化Enterprise Risk Management”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 196 号第 7 条“指标进入编辑判断:实时读数成为新的评判者

丁、长寿风险的独立化Longevity Risk as a Separate Risk

提出Cairns、Blake与Dowd,2006年《Journal of Risk and Insurance》73:687–718。 争议Continuous Mortality Investigation,2023年《CMI Mortality Projections Model》。 最新OECD,2024年养老金长寿风险与死亡改善更新。 关键长寿风险必须用死亡改善不确定性和群体差异而非单一路径外推

这十年死亡率改善持续超出预测,使长寿风险从养老金精算的一个假设,变成需要独立识别、计量与转移的风险。随机死亡率模型被广泛采用,用于给出预测区间而非单一路径。

它推翻的是把死亡率视为可以外推的确定趋势的做法。长寿风险的特殊之处在于它是系统性的:无法通过承保更多人来分散,因为所有人共享同一个趋势。

由此产生的市场创新是长寿互换与养老金买断——把风险转移给再保险人与资本市场。这类交易的定价需要一个长寿风险的市场价格,而市场深度长期不足。 这一判断不是概念推演,材料显示寿命每多改善一年都会累积抬高年金和养老金负债,而疫情、社会经济梯度与队列效应使趋势无法稳定延长。围绕长寿风险必须用死亡改善不确定性和群体差异而非单一路径外推,支持、异质性与未测对象必须同表。

未决的是趋势的建模。近年部分国家出现死亡率改善放缓甚至逆转,而模型难以区分这是长期趋势变化还是暂时波动。任何一种判断都会对养老金负债估值产生巨大影响,而判断的依据在统计上并不充分。另一处值得记下的是基差与流动性:长寿互换是场外交易、期限极长且缺乏二级市场,交易对手风险与抵押品安排本身构成新的风险。把一项风险转移出去,换来的往往是另一类结构更复杂的风险,这是风险转移工具的普遍代价。这也是长寿风险市场深度长期不足的主要原因。抵押品与结算安排因此成为这类交易的实际门槛。 可证伪的边界是当失败者被排除在分母外时,长寿风险的独立化Longevity Risk as a Separate Risk成功率越高,总体风险反而越难被看见。跨机构比较至少要固定“完成关键结局核验者/全部进入“长寿风险的独立化Longevity Risk as a Separate Risk”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,长寿风险必须用死亡改善不确定性和群体差异而非单一路径外推就只是口径产物,而不是经反例保留下来的领域判断。

改进“长寿风险的独立化Longevity Risk as a Separate Risk”时,应让长寿风险必须用死亡改善不确定性和群体差异而非单一路径外推对应版本、阈值与覆写。验收长寿风险必须用死亡改善不确定性和群体差异而非单一路径外推不能只数采纳量,还要核查未统计风险。 另一可复核锚点是寿命每多改善一年都会累积抬高年金和养老金负债,而疫情、社会经济梯度与队列效应使趋势无法稳定延长;这条观察必须保留原分母和时序。

跨面板看,第 196 号第 10 条“信息失序:真假二分被意图与语境拆开”与长寿风险必须用死亡改善不确定性和群体差异而非单一路径外推共享回写难题。它进入考核后会塑造行为,故须比较回写路径。

位置S——长寿风险的独立化Longevity Risk as a Separate Risk的可见结局是决定项 单因只有长寿风险必须用死亡改善不确定性和群体差异而非单一路径外推 预设〔27 能力可与承载它的人分离〕制度变化不改变“长寿风险的独立化Longevity Risk as a Separate Risk”对象的原有含义 量纲完成关键结局核验者/全部进入“长寿风险的独立化Longevity Risk as a Separate Risk”评估者 失效当失败者被排除在分母外时,长寿风险的独立化Longevity Risk as a Separate Risk成功率越高,总体风险反而越难被看见 自曝机构容量边界:“长寿风险的独立化Longevity Risk as a Separate Risk”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 196 号第 10 条“信息失序:真假二分被意图与语境拆开

戊、巨灾模型与不确定性Catastrophe Models and Their Uncertainty

提出Grossi与Kunreuther编,2005年《Catastrophe Modeling》。 争议Lloyd's,2014年《Catastrophe Modelling and Climate Change》。 最新EIOPA,2024年自然灾害保障缺口仪表板更新。 关键巨灾风险模型必须公开事件集、脆弱性曲线、暴露数据和二次不确定性

这十年巨灾模型成为财产险定价、再保安排与资本计量的基础设施,同时也第一次被系统质疑:不同商业模型对同一区域给出的损失估计差异可达数倍,而模型的假设多数不公开。

它推翻的是把模型输出当作客观风险估计的用法。巨灾模型由危险度、暴露度与脆弱性三个模块串联而成,每一模块都带有大量假设,误差在串联中累积而非抵消。

由此形成的实践规范是多模型比较、对模型输出的敏感性分析、以及在定价中显式加入模型不确定性载荷。开放模型平台的出现也是对模型不透明的一种回应。 最需要保存的经验事实是同一资产组合在不同飓风、地震或洪水模型中可得到显著不同损失分布,商业模型输出不是观测事实。围绕巨灾风险模型必须公开事件集、脆弱性曲线、暴露数据和二次不确定性,仍须处理基线、失访和测量误差。

未决的是次生灾害与非模型化风险。多数模型覆盖主要巨灾类型,而近年造成大量损失的是被称为「次要」的分散事件——冰雹、雷暴、内涝、野火,它们此前长期不被单独建模。这一空缺在下一个十年成为财产险亏损的主要来源。另一处治理进展是模型的多元化:监管与评级机构开始要求机构说明其巨灾模型的选择依据与调整幅度,而不是接受单一供应商的输出。这把「用哪个模型」从技术选择变成了需要说明理由的决策。次生灾害的建模投入,直到损失数据积累到一定规模才真正开始。 可证伪的边界是当名称更新却不改变责任链时,巨灾模型与不确定性Catastrophe Models and Their Uncertainty规范越完整,实际无人承担的环节反而越多。跨机构比较至少要固定“完成关键结局核验者/全部进入“巨灾模型与不确定性Catastrophe Models and Their Uncertainty”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,巨灾风险模型必须公开事件集、脆弱性曲线、暴露数据和二次不确定性就只是口径产物,而不是经反例保留下来的领域判断。

巨灾模型与不确定性Catastrophe Models and Their Uncertainty”进入指南后,须用巨灾风险模型必须公开事件集、脆弱性曲线、暴露数据和二次不确定性设置审计和对照。把巨灾风险模型必须公开事件集、脆弱性曲线、暴露数据和二次不确定性同旧流程及随访比较,才能区分改名和结构改变。 另一可复核锚点是同一资产组合在不同飓风、地震或洪水模型中可得到显著不同损失分布,商业模型输出不是观测事实;这条观察必须保留原分母和时序。

另见第 196 号第 11 条“逆火效应的清算:纠正通常不会强化错误信念”给巨灾风险模型必须公开事件集、脆弱性曲线、暴露数据和二次不确定性提供反证。检验时须检查承载、指标回写和成功者遮蔽;任一失守都应下调结论。

位置D——巨灾模型与不确定性Catastrophe Models and Their Uncertainty的实施序列是决定项 单因只有巨灾风险模型必须公开事件集、脆弱性曲线、暴露数据和二次不确定性 预设〔27 能力可与承载它的人分离〕制度变化不改变“巨灾模型与不确定性Catastrophe Models and Their Uncertainty”对象的原有含义 量纲完成关键结局核验者/全部进入“巨灾模型与不确定性Catastrophe Models and Their Uncertainty”评估者 失效当名称更新却不改变责任链时,巨灾模型与不确定性Catastrophe Models and Their Uncertainty规范越完整,实际无人承担的环节反而越多 自曝因果识别边界:“巨灾模型与不确定性Catastrophe Models and Their Uncertainty”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 196 号第 11 条“逆火效应的清算:纠正通常不会强化错误信念

己、行为经济学进入保险需求Behavioural Economics of Insurance Demand

提出Kahneman与Tversky,1979年《Econometrica》47:263–291。 争议Kunreuther、Pauly与McMorrow,2013年《Insurance and Behavioral Economics》。 最新OECD,2024年消费者保险行为与保障缺口报告。 关键保险需求应纳入有限注意、概率加权和流动性约束而非只用期望效用

这十年的研究记录了保险需求中大量偏离期望效用理论的行为:人们为小概率大损失投保不足,却愿意为低免赔额支付过高保费;对刚刚发生过的灾害反应过度,随后逐年淡忘。

它推翻的是以理性风险规避解释保险购买的单一框架。替代解释包括概率权重的扭曲、对小额确定损失的厌恶、以及可得性启发式——投保决策更多由近期记忆而非概率驱动。

这一发现对产品设计与政策的含义很直接:强制或默认投保在洪水等低频高损风险上有正当性,因为自愿市场的需求在灾后短暂高涨而后迅速回落,无法支撑稳定的风险池。 该项证据的硬读数是消费者常对低概率高损失风险不足投保,又对可见小损失购买昂贵保障,价格、信任与默认选项共同影响选择。围绕保险需求应纳入有限注意、概率加权和流动性约束而非只用期望效用,该读数不能越过样本和时间窗外推。

未决的是干预的边界。默认与助推可以提高投保率,而它们也可能把人推入不适合的产品;同时保险的复杂条款使消费者难以判断自己买到了什么。这一信息问题在这十年只被部分处理。另一处被反复确认的是免赔额的错配:消费者倾向于购买低免赔额、低保额的保单,而从风险管理角度最优的恰恰相反——承担可承受的小额损失,把资源用于覆盖真正会造成破产的尾部。市场供给顺应了偏好而不是纠正它。这一错配同时解释了低免赔额产品的高费用率。产品设计因此需要与消费者教育同步进行。 可证伪的边界是当资源只投向最容易达标的行为经济学进入保险需求Behavioural Economics of Insurance Demand对象时,覆盖越高,原有差距反而越可能扩大。跨机构比较至少要固定“完成关键结局核验者/全部进入“行为经济学进入保险需求Behavioural Economics of Insurance Demand”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,保险需求应纳入有限注意、概率加权和流动性约束而非只用期望效用就只是口径产物,而不是经反例保留下来的领域判断。

实践上应为“行为经济学进入保险需求Behavioural Economics of Insurance Demand”建立前测、过程与结局账,使保险需求应纳入有限注意、概率加权和流动性约束而非只用期望效用可观察。检验保险需求应纳入有限注意、概率加权和流动性约束而非只用期望效用须预设停止和替代阈值,不能只报成功者。 另一可复核锚点是消费者常对低概率高损失风险不足投保,又对可见小损失购买昂贵保障,价格、信任与默认选项共同影响选择;这条观察必须保留原分母和时序。

另见第 198 号第 6 条“算法文化:推荐系统进入创作上游”提供接口:保险需求应纳入有限注意、概率加权和流动性约束而非只用期望效用必须拆成分子、分母和失效条件,并记录进入、排除与结果回写。

位置E——行为经济学进入保险需求Behavioural Economics of Insurance Demand的制度环境是决定项 单因只有保险需求应纳入有限注意、概率加权和流动性约束而非只用期望效用 预设〔27 能力可与承载它的人分离〕制度变化不改变“行为经济学进入保险需求Behavioural Economics of Insurance Demand”对象的原有含义 量纲完成关键结局核验者/全部进入“行为经济学进入保险需求Behavioural Economics of Insurance Demand”评估者 失效当资源只投向最容易达标的行为经济学进入保险需求Behavioural Economics of Insurance Demand对象时,覆盖越高,原有差距反而越可能扩大 自曝外部效度边界:“行为经济学进入保险需求Behavioural Economics of Insurance Demand”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 198 号第 6 条“算法文化:推荐系统进入创作上游

庚、微保险与包容性保险Microinsurance and Inclusive Insurance

提出Churchill编,2006年《Protecting the Poor: A Microinsurance Compendium》。 争议Cole等,2013年《American Economic Journal: Applied Economics》5:104–135。 最新ILO Impact Insurance Facility,2024年普惠保险实施更新。 关键普惠与微型保险必须以理赔兑现、续保和家庭净福利而非投保人数评价

这十年面向低收入人群的小额保险在发展中国家扩张,覆盖健康、农业与生命风险,被视为减贫与风险管理的工具。

它推翻的是低收入人群不需要或买不起保险的假设,但实践很快显示出更基础的障碍:信任不足、理赔体验差、以及产品与实际风险不匹配。自愿购买率在多数项目中远低于预期。

效果证据分化:与信贷或农业投入捆绑的产品覆盖率高但选择性强;纯自愿产品的续保率低。少数成功案例的共同点是理赔迅速且可见——一次快速赔付对社区信任的影响超过任何宣传。 可复核材料首先给出低保费产品若免责复杂、理赔成本高或付款节奏不匹配,会取得高注册却形成低使用和低信任。围绕普惠与微型保险必须以理赔兑现、续保和家庭净福利而非投保人数评价,换掉分母会改变政策含义。

未决的是可持续性。多数项目依赖补贴或捐助资金,撤出后难以为继;而完全按精算价格定价又超出目标人群的支付能力。这一两难在下一个十年推动了参数保险与公共再保险的尝试。另一处需要说清的是理赔体验的决定性:在缺少法律救济与信息渠道的环境中,一次拖延或拒赔的传播速度远超任何营销。多个项目的失败可以直接追溯到早期的少数理赔纠纷,而非产品设计本身。多数评估因此把首次理赔时长列为最关键的运营指标。补贴退出后的续保率,因此是评估这类项目唯一有意义的长期指标。 可证伪的边界是当测量进入考核后,微保险与包容性保险Microinsurance and Inclusive Insurance指标越漂亮,未被指标捕捉的真实结局反而越可能恶化。跨机构比较至少要固定“完成关键结局核验者/全部进入“微保险与包容性保险Microinsurance and Inclusive Insurance”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,普惠与微型保险必须以理赔兑现、续保和家庭净福利而非投保人数评价就只是口径产物,而不是经反例保留下来的领域判断。

落地“微保险与包容性保险Microinsurance and Inclusive Insurance”不能只改名称,应由普惠与微型保险必须以理赔兑现、续保和家庭净福利而非投保人数评价确定起点、强度和延迟后果。若不检验拒绝与失访,效果便没有分母。 另一可复核锚点是低保费产品若免责复杂、理赔成本高或付款节奏不匹配,会取得高注册却形成低使用和低信任;这条观察必须保留原分母和时序。

与第 198 号第 18 条“影像证据危机:伪造与真实不能只从画面区分”对撞后,普惠与微型保险必须以理赔兑现、续保和家庭净福利而非投保人数评价成为责任链。只留最终输出会抹掉停止权和无人承担项。

位置S——微保险与包容性保险Microinsurance and Inclusive Insurance的可见结局是决定项 单因只有普惠与微型保险必须以理赔兑现、续保和家庭净福利而非投保人数评价 预设〔21 制度采纳不改变指标含义〕制度变化不改变“微保险与包容性保险Microinsurance and Inclusive Insurance”对象的原有含义 量纲完成关键结局核验者/全部进入“微保险与包容性保险Microinsurance and Inclusive Insurance”评估者 失效当测量进入考核后,微保险与包容性保险Microinsurance and Inclusive Insurance指标越漂亮,未被指标捕捉的真实结局反而越可能恶化 自曝选择进入边界:“微保险与包容性保险Microinsurance and Inclusive Insurance”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 198 号第 18 条“影像证据危机:伪造与真实不能只从画面区分

辛、健康险与医疗成本Health Insurance and Cost Containment

提出Dunn、Liebman与Shapiro,2015年《American Economic Review》105:120–124。 争议Society of Actuaries,2020年《Health Care Cost Trends》。 最新CMS,2024年《National Health Expenditure Projections 2023–2032》。 关键医疗费用预测要分开价格、服务强度、疾病组合和编码行为的贡献

这十年健康险精算的重心从疾病发生率转向医疗成本趋势:单价上涨、技术进步带来的新增服务与利用率变化,共同构成难以预测的成本曲线。

它推翻的是把健康险当作纯粹风险转移的定位。健康险同时是一个支付体系,其定价必须内嵌对医疗服务供给行为的假设——支付方式本身会改变服务量,而这一反馈在传统精算模型中没有位置。

由此产生的工作包括风险调整(按参保人健康状况调整支付以抑制风险选择)、按价值付费的合同设计、以及对逆向选择与道德风险的经验估计。 把争论落到分母后可以看到总费用增长可由单价、数量、新技术与人口结构产生,平均趋势模型会把制度变化误当作稳定疾病风险。围绕医疗费用预测要分开价格、服务强度、疾病组合和编码行为的贡献,它把问题推进到适用条件。

未决的是长期护理。它兼具长寿风险与成本趋势风险,且发生概率高、损失大、持续时间长,多国的商业市场因此难以维持——这是保险市场失灵最清楚的一个案例。另一处结构性问题是风险选择:健康险的利润可以来自更好的风险管理,也可以来自挑选更健康的参保人,而后者更容易。风险调整机制的全部目的就是消除第二条路径的收益,其精细程度直接决定了市场竞争的方向。长期护理的市场失灵,也正是风险选择与成本趋势叠加的结果。支付方式与精算假设的相互影响,使健康险的定价始终带有政策成分。 可证伪的边界是当实施依赖高资源中心时,健康险与医疗成本Health Insurance and Cost Containment证据越成熟,向基层迁移后的有效性反而越不稳定。跨机构比较至少要固定“完成关键结局核验者/全部进入“健康险与医疗成本Health Insurance and Cost Containment”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,医疗费用预测要分开价格、服务强度、疾病组合和编码行为的贡献就只是口径产物,而不是经反例保留下来的领域判断。

健康险与医疗成本Health Insurance and Cost Containment”应依医疗费用预测要分开价格、服务强度、疾病组合和编码行为的贡献分开专业判断、目标和资源。若医疗费用预测要分开价格、服务强度、疾病组合和编码行为的贡献只在中心成立,推广前须结算基层容量和失败补救。 另一可复核锚点是总费用增长可由单价、数量、新技术与人口结构产生,平均趋势模型会把制度变化误当作稳定疾病风险;这条观察必须保留原分母和时序。

另见第 199 号第 6 条“音乐的信息论分析:把意外算出来”可检验医疗费用预测要分开价格、服务强度、疾病组合和编码行为的贡献的外推边界。若它依赖特定机构或高资源人群,就须固定单位并单列反号。

位置D——健康险与医疗成本Health Insurance and Cost Containment的实施序列是决定项 单因只有医疗费用预测要分开价格、服务强度、疾病组合和编码行为的贡献 预设〔21 制度采纳不改变指标含义〕制度变化不改变“健康险与医疗成本Health Insurance and Cost Containment”对象的原有含义 量纲完成关键结局核验者/全部进入“健康险与医疗成本Health Insurance and Cost Containment”评估者 失效当实施依赖高资源中心时,健康险与医疗成本Health Insurance and Cost Containment证据越成熟,向基层迁移后的有效性反而越不稳定 自曝失访偏差边界:“健康险与医疗成本Health Insurance and Cost Containment”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 199 号第 6 条“音乐的信息论分析:把意外算出来
【第二幕】这十年 · 约 2016—2026

第二幕从再保险与资本市场融合Reinsurance Meets the Capital Markets推进到从赔付到预防From Indemnity to Prevention,重点转向制度采纳、资源分配、数字基础设施和公共责任;判断标准由“能不能做”提高到“对谁有效、由谁承担、失败后能否回写”。

一、再保险与资本市场融合Reinsurance Meets the Capital Markets

提出Cummins与Weiss,2009年《Journal of Risk and Insurance》76:493–545。 争议Lane与Beckwith,2023年《Global ILS Market Survey》。 最新Swiss Re Institute,2024年替代资本与巨灾债券市场更新。 关键再保险和保险连接证券要同时计算资本缓释、基差、对手方与续保风险

这十年巨灾债券与保险连接证券规模显著增长,把承保风险转移给资本市场投资者。其吸引力在于与金融资产相关性低,能提供分散化收益。

它推翻的是承保能力只能来自保险资本的限制。资本市场的资金规模远大于再保险行业,理论上可以承接远超传统市场的巨灾风险。

结构上的关键是触发机制:赔付可以按实际损失、按行业损失指数或按参数(风速、震级)触发。触发越客观,结算越快、道德风险越小,而基差风险越大——买方可能受损却拿不到赔付。 这一判断不是概念推演,材料显示将尾部风险转给再保险人或资本市场可以扩容,但大灾后价格跳升与触发偏差会让保护在最需要时缩减。围绕再保险和保险连接证券要同时计算资本缓释、基差、对手方与续保风险,支持、异质性与未测对象必须同表。

未决的是压力时期的表现。这类工具的低相关性在常态下成立,而在灾害与金融冲击同时发生时是否仍然成立,样本极少。低相关性是它的全部卖点,而这一卖点尚未被真正检验。另一处值得记下的是投资者结构:这类工具的资金主要来自养老基金与专项基金,其配置决策受自身负债与监管要求影响。当这些机构因其他原因收缩时,承保能力会在与保险无关的时点消失——这一渠道在压力时期尚未被充分观察。这一渠道的相关性在下一次系统性冲击中才会被真正检验。这类工具在再保险周期低谷时的替代作用,同样尚待观察。 可证伪的边界是当失败者被排除在分母外时,再保险与资本市场融合Reinsurance Meets the Capital Markets成功率越高,总体风险反而越难被看见。跨机构比较至少要固定“完成关键结局核验者/全部进入“再保险与资本市场融合Reinsurance Meets the Capital Markets”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,再保险和保险连接证券要同时计算资本缓释、基差、对手方与续保风险就只是口径产物,而不是经反例保留下来的领域判断。

改进“再保险与资本市场融合Reinsurance Meets the Capital Markets”时,应让再保险和保险连接证券要同时计算资本缓释、基差、对手方与续保风险对应版本、阈值与覆写。验收再保险和保险连接证券要同时计算资本缓释、基差、对手方与续保风险不能只数采纳量,还要核查未统计风险。 另一可复核锚点是将尾部风险转给再保险人或资本市场可以扩容,但大灾后价格跳升与触发偏差会让保护在最需要时缩减;这条观察必须保留原分母和时序。

跨面板看,第 124 号第 2 条“协作拓扑——谁能叫停一项医嘱,决定了错误在哪一步被拦住”与再保险和保险连接证券要同时计算资本缓释、基差、对手方与续保风险共享回写难题。它进入考核后会塑造行为,故须比较回写路径。

位置E——再保险与资本市场融合Reinsurance Meets the Capital Markets的制度环境是决定项 单因只有再保险和保险连接证券要同时计算资本缓释、基差、对手方与续保风险 预设〔21 制度采纳不改变指标含义〕制度变化不改变“再保险与资本市场融合Reinsurance Meets the Capital Markets”对象的原有含义 量纲完成关键结局核验者/全部进入“再保险与资本市场融合Reinsurance Meets the Capital Markets”评估者 失效当失败者被排除在分母外时,再保险与资本市场融合Reinsurance Meets the Capital Markets成功率越高,总体风险反而越难被看见 自曝阈值漂移边界:“再保险与资本市场融合Reinsurance Meets the Capital Markets”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 124 号第 2 条“协作拓扑——谁能叫停一项医嘱,决定了错误在哪一步被拦住

二、车联网与用量定价Telematics and Usage-Based Pricing

提出Baecke与Bocca,2017年《Decision Support Systems》98:69–79。 争议NAIC,2020年《Usage-Based Insurance and Telematics》。 最新EIOPA,2024年车联网保险与数据治理更新。 关键车联网定价必须证明驾驶行为指标可控、稳定并不把环境风险转嫁给个人

这十年车载设备与手机传感器使驾驶行为可以被连续记录:里程、时段、急加速与急刹车、转弯与手机使用。定价因此可以从人口统计学特征转向实际行为。

它推翻的是以年龄、性别与地区等代理变量定价的传统。行为变量的预测力更强,且在因果上更接近风险本身——这在原理上既提高了精算准确性,也削弱了对受保护特征相关代理的依赖。

实践显示收益是双重的:定价更准,且反馈本身改变行为——参与用量定价的驾驶者事故率有所下降,这意味着保险从风险转移扩展到了风险降低。 最需要保存的经验事实是急刹、里程和时段可改善风险细分,但道路、工作班次、设备误差与代理变量会造成不可选择的保费差异。围绕车联网定价必须证明驾驶行为指标可控、稳定并不把环境风险转嫁给个人,仍须处理基线、失访和测量误差。

未决的是隐私与选择。连续监控产生的数据用途难以界定,而选择加入的通常是低风险驾驶者,未参与者因此逐渐承担更高保费——自愿的行为定价会自动演化成事实上的强制。这一动态在这十年已经出现。另一处需要区分的是行为变量与代理变量:里程与时段更接近暴露而非行为,急刹车与手机使用更接近驾驶方式。两类变量在因果解释与可干预性上完全不同,而多数评分把它们混合成单一分数,使得反馈信息对驾驶者失去指导意义。评分的可解释性因此不只是监管要求,也是产品功能的一部分。两类变量的分离在监管审查中已开始被明确要求。 可证伪的边界是当名称更新却不改变责任链时,车联网与用量定价Telematics and Usage-Based Pricing规范越完整,实际无人承担的环节反而越多。跨机构比较至少要固定“完成关键结局核验者/全部进入“车联网与用量定价Telematics and Usage-Based Pricing”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,车联网定价必须证明驾驶行为指标可控、稳定并不把环境风险转嫁给个人就只是口径产物,而不是经反例保留下来的领域判断。

车联网与用量定价Telematics and Usage-Based Pricing”进入指南后,须用车联网定价必须证明驾驶行为指标可控、稳定并不把环境风险转嫁给个人设置审计和对照。把车联网定价必须证明驾驶行为指标可控、稳定并不把环境风险转嫁给个人同旧流程及随访比较,才能区分改名和结构改变。 另一可复核锚点是急刹、里程和时段可改善风险细分,但道路、工作班次、设备误差与代理变量会造成不可选择的保费差异;这条观察必须保留原分母和时序。

另见第 126 号第一幕第二条“镜像疗法:运动可以先由视觉替身启动”给车联网定价必须证明驾驶行为指标可控、稳定并不把环境风险转嫁给个人提供反证。检验时须检查承载、指标回写和成功者遮蔽;任一失守都应下调结论。

位置S——车联网与用量定价Telematics and Usage-Based Pricing的可见结局是决定项 单因只有车联网定价必须证明驾驶行为指标可控、稳定并不把环境风险转嫁给个人 预设〔15 同名即同物〕制度变化不改变“车联网与用量定价Telematics and Usage-Based Pricing”对象的原有含义 量纲完成关键结局核验者/全部进入“车联网与用量定价Telematics and Usage-Based Pricing”评估者 失效当名称更新却不改变责任链时,车联网与用量定价Telematics and Usage-Based Pricing规范越完整,实际无人承担的环节反而越多 自曝利益冲突边界:“车联网与用量定价Telematics and Usage-Based Pricing”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 126 号第一幕第二条“镜像疗法:运动可以先由视觉替身启动

三、机器学习进入定价与准备金Machine Learning in Pricing and Reserving

提出Wüthrich与Merz,2019年《Editorial: Yes, We CANN!》。 争议CAS,2021年《AI and Machine Learning in Insurance》。 最新Actuarial Association of Europe,2024年AI精算治理更新。 关键机器学习定价与准备金必须用时间外验证、漂移监测和基准模型证明净增益

这十年梯度提升树与神经网络进入索赔频率与索赔金额建模,并向准备金评估扩展。相对于广义线性模型,它们在预测精度上有稳定优势,尤其在变量交互复杂时。

它推翻的是广义线性模型作为精算标准工具的垄断地位,但也引出一个此前不存在的冲突:监管与法院要求费率的每一项差异可被解释与辩护,而预测最好的模型往往最难解释。

折中方案随之出现:用机器学习做变量筛选与交互发现,再把结果嵌回可解释的结构;或使用带有单调性与可加性约束的模型;以及事后解释工具。这些做法牺牲部分精度换取可辩护性。 该项证据的硬读数是高维模型可提高样本内拟合,却可能在费率环境、索赔通胀或产品组合变化后迅速失准。围绕机器学习定价与准备金必须用时间外验证、漂移监测和基准模型证明净增益,该读数不能越过样本和时间窗外推。

未决的是准备金一侧。定价错误可以逐年修正,而准备金错误直接影响偿付能力与财务报告,因而对模型稳定性的要求更高。机器学习准备金方法目前多在研究阶段,实务采用远慢于定价。另一处实务约束是稳定性:费率一旦公布通常要维持一段时间,而机器学习模型对数据更新敏感,重新训练可能带来不可解释的费率跳变。实践中因此普遍采用限制变动幅度的做法,这又削弱了模型精度的部分收益。稳定性与精度之间的取舍,因此是一个监管而非技术问题。 可证伪的边界是当资源只投向最容易达标的机器学习进入定价与准备金Machine Learning in Pricing and Reserving对象时,覆盖越高,原有差距反而越可能扩大。跨机构比较至少要固定“完成关键结局核验者/全部进入“机器学习进入定价与准备金Machine Learning in Pricing and Reserving”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,机器学习定价与准备金必须用时间外验证、漂移监测和基准模型证明净增益就只是口径产物,而不是经反例保留下来的领域判断。

实践上应为“机器学习进入定价与准备金Machine Learning in Pricing and Reserving”建立前测、过程与结局账,使机器学习定价与准备金必须用时间外验证、漂移监测和基准模型证明净增益可观察。检验机器学习定价与准备金必须用时间外验证、漂移监测和基准模型证明净增益须预设停止和替代阈值,不能只报成功者。 另一可复核锚点是高维模型可提高样本内拟合,却可能在费率环境、索赔通胀或产品组合变化后迅速失准;这条观察必须保留原分母和时序。

另见第 150 号第 19 条“企业风险治理从合规转向情景”提供接口:机器学习定价与准备金必须用时间外验证、漂移监测和基准模型证明净增益必须拆成分子、分母和失效条件,并记录进入、排除与结果回写。

位置D——机器学习进入定价与准备金Machine Learning in Pricing and Reserving的实施序列是决定项 单因只有机器学习定价与准备金必须用时间外验证、漂移监测和基准模型证明净增益 预设〔15 同名即同物〕制度变化不改变“机器学习进入定价与准备金Machine Learning in Pricing and Reserving”对象的原有含义 量纲完成关键结局核验者/全部进入“机器学习进入定价与准备金Machine Learning in Pricing and Reserving”评估者 失效当资源只投向最容易达标的机器学习进入定价与准备金Machine Learning in Pricing and Reserving对象时,覆盖越高,原有差距反而越可能扩大 自曝技术依赖边界:“机器学习进入定价与准备金Machine Learning in Pricing and Reserving”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 150 号第 19 条“企业风险治理从合规转向情景

四、保险定价的公平判据Fairness Criteria in Insurance Pricing

提出Meyers与Van Hoyweghen,2018年《Big Data & Society》5。 争议EIOPA,2021年《Artificial Intelligence Governance Principles》。 最新Colorado Division of Insurance,2024年算法与预测模型公平实施规则。 关键精算公平必须区分风险精确、群体可负担、因果责任与法律平等待遇

当模型越来越精细,一个老问题变得尖锐:精算公平(按风险定价)与社会公平(不因受保护特征而差别对待)之间的冲突。这十年出现了把两者形式化并加以调和的研究。

它推翻的是「不使用受保护变量即为公平」这一惯常做法。删除变量并不消除其影响,因为大量其他变量与之相关;而不同的公平定义——统计均等、条件均等、比例均等——在数学上不可同时满足,这与其他领域的不可能定理同源。

精算领域的特殊性在于它的因变量是连续的:机器学习界发展出的公平判据多为分类问题设计,直接搬用并不成立。这十年的研究把法律要求、公平判据与定价模型三者对应起来,指出哪一种法律标准对应哪一种数学约束。 可复核材料首先给出更精细预测可以减少交叉补贴,却会让受结构条件影响的高风险群体承担更高价格甚至退出保障。围绕精算公平必须区分风险精确、群体可负担、因果责任与法律平等待遇,换掉分母会改变政策含义。

未决的是选择。既然判据不可兼得,监管者必须明确选哪一种,而这是价值判断而非技术判断。目前多数法域的规定只禁止使用某些变量,并未说明要达成哪一种公平——这使得合规与公平之间存在实际落差。另一处值得强调的是保险的特殊性:它的定价差异在原理上是被允许甚至被要求的——按风险定价正是这门行业的存在理由。因此这里的问题不是「是否可以差别对待」,而是「哪些差别的依据是可接受的」,这使它比其他领域的算法公平问题更难简化处理。 可证伪的边界是当测量进入考核后,保险定价的公平判据Fairness Criteria in Insurance Pricing指标越漂亮,未被指标捕捉的真实结局反而越可能恶化。跨机构比较至少要固定“完成关键结局核验者/全部进入“保险定价的公平判据Fairness Criteria in Insurance Pricing”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,精算公平必须区分风险精确、群体可负担、因果责任与法律平等待遇就只是口径产物,而不是经反例保留下来的领域判断。

落地“保险定价的公平判据Fairness Criteria in Insurance Pricing”不能只改名称,应由精算公平必须区分风险精确、群体可负担、因果责任与法律平等待遇确定起点、强度和延迟后果。若不检验拒绝与失访,效果便没有分母。 另一可复核锚点是更精细预测可以减少交叉补贴,却会让受结构条件影响的高风险群体承担更高价格甚至退出保障;这条观察必须保留原分母和时序。

与第 150 号第 9 条“共同所有权的反竞争效应之争”对撞后,精算公平必须区分风险精确、群体可负担、因果责任与法律平等待遇成为责任链。只留最终输出会抹掉停止权和无人承担项。

位置E——保险定价的公平判据Fairness Criteria in Insurance Pricing的制度环境是决定项 单因只有精算公平必须区分风险精确、群体可负担、因果责任与法律平等待遇 预设〔15 同名即同物〕制度变化不改变“保险定价的公平判据Fairness Criteria in Insurance Pricing”对象的原有含义 量纲完成关键结局核验者/全部进入“保险定价的公平判据Fairness Criteria in Insurance Pricing”评估者 失效当测量进入考核后,保险定价的公平判据Fairness Criteria in Insurance Pricing指标越漂亮,未被指标捕捉的真实结局反而越可能恶化 自曝执行异质边界:“保险定价的公平判据Fairness Criteria in Insurance Pricing”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 150 号第 9 条“共同所有权的反竞争效应之争

五、参数保险Parametric Insurance

提出Barnett与Mahul,2007年《American Journal of Agricultural Economics》89:1241–1247。 争议World Bank,2017年《Sovereign Climate and Disaster Risk Pooling》。 最新World Bank,2024年参数保险与灾害风险融资更新。 关键参数保险只有在触发指标与真实损失高度对应且基差可救济时才提供保护

这十年参数保险从巨灾债券的触发机制扩展为独立产品:按可客观观测的指标(降雨量、风速、震级、气温)赔付,不核定实际损失,因而结算迅速、管理成本低。

它推翻的是赔付必须以损失核定为前提的传统结构。这一改变解决了传统保险在低收入地区与小额业务上的根本障碍——理赔成本可能超过保额本身。

应用最成功的领域是农业与灾害应急:区域性主权保险池、面向小农的天气指数产品,以及企业的营业中断补偿。快速赔付本身具有独立价值,因为灾后的现金流时点往往比总额更关键。 把争论落到分母后可以看到快速按风速、降雨或指数付款减少查勘延迟,但受灾者可能损失严重却未触发,未受损者也可能获赔。围绕参数保险只有在触发指标与真实损失高度对应且基差可救济时才提供保护,它把问题推进到适用条件。

未决的是基差风险。指标与实际损失不完全对应,投保人可能遭灾却因指标未达标而无赔付,一次这样的经历足以摧毁信任。降低基差风险要求更密的观测网络与更精细的指数设计,而这正是最需要它的地区最缺的。另一处正在推进的是数据基础:卫星遥感、地面气象站加密与作物长势模型的结合,使指数与实际损失的对应显著改善。基差风险因此在技术上是可以被压缩的,而压缩的成本由谁承担,是这类产品能否覆盖最贫困地区的关键。观测网络的公共属性,使它更适合由政府而非保险人投资。指数设计的公开与可复核,是建立信任的另一半条件。 可证伪的边界是当实施依赖高资源中心时,参数保险Parametric Insurance证据越成熟,向基层迁移后的有效性反而越不稳定。跨机构比较至少要固定“完成关键结局核验者/全部进入“参数保险Parametric Insurance”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,参数保险只有在触发指标与真实损失高度对应且基差可救济时才提供保护就只是口径产物,而不是经反例保留下来的领域判断。

参数保险Parametric Insurance”应依参数保险只有在触发指标与真实损失高度对应且基差可救济时才提供保护分开专业判断、目标和资源。若参数保险只有在触发指标与真实损失高度对应且基差可救济时才提供保护只在中心成立,推广前须结算基层容量和失败补救。 另一可复核锚点是快速按风速、降雨或指数付款减少查勘延迟,但受灾者可能损失严重却未触发,未受损者也可能获赔;这条观察必须保留原分母和时序。

另见第 158 号第 14 条“消费者搜寻与遮蔽”可检验参数保险只有在触发指标与真实损失高度对应且基差可救济时才提供保护的外推边界。若它依赖特定机构或高资源人群,就须固定单位并单列反号。

位置S——参数保险Parametric Insurance的可见结局是决定项 单因只有参数保险只有在触发指标与真实损失高度对应且基差可救济时才提供保护 预设〔02 名称揭示本质〕制度变化不改变“参数保险Parametric Insurance”对象的原有含义 量纲完成关键结局核验者/全部进入“参数保险Parametric Insurance”评估者 失效当实施依赖高资源中心时,参数保险Parametric Insurance证据越成熟,向基层迁移后的有效性反而越不稳定 自曝长期结局边界:“参数保险Parametric Insurance”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 158 号第 14 条“消费者搜寻与遮蔽

六、气候与不可保风险Climate Change and Uninsurability

提出Geneva Association,2009年《The Insurance Industry and Climate Change》。 争议IAIS,2021年《Application Paper on Climate-related Risks》。 最新EIOPA,2024年自然灾害保障缺口与可保性报告。 关键气候可保性必须同时检查风险相关性、保费负担、资本容量和减灾激励

这十年高风险地区出现保险人退出、保费大幅上涨与承保条件收紧。保险的基本前提——风险独立、可分散、频率可估计——在系统性上升且空间相关的气候风险面前部分失效。

它推翻的是把气候风险当作可以通过重新定价来吸收的假设。年度重定价在原理上让保险人可以逐年调整,而当调整幅度超出投保人的支付能力或监管允许的范围时,市场就会收缩而不是出清。

随之而来的是公共兜底机制的扩张,以及一个此前不必回答的问题:在明知风险将持续上升的地区,保险应当继续提供并逐步涨价,还是主动退出以传递风险信号。两种做法的社会后果完全不同。 这一判断不是概念推演,材料显示灾害频率与严重度上升会推高技术保费,单纯允许风险定价可能让高危地区保障退出并加剧抵押和财政风险。围绕气候可保性必须同时检查风险相关性、保费负担、资本容量和减灾激励,支持、异质性与未测对象必须同表。

未决的是风险与补贴的边界。完全按风险定价会使部分区域不可居住并造成剧烈的财富再分配,而持续补贴则鼓励继续在高风险地区开发。这与房地产研究得出的是同一个必须作出的选择。另一处制度细节是重定价周期:多数财产险按年重定价,这在理论上使保险人能够逐年跟上风险变化,实际上却把全部调整压力集中在投保人身上,并使长期风险信号变成一连串短期涨价通知——投保人因此难以据此作出搬迁或加固的长期决策。 可证伪的边界是当失败者被排除在分母外时,气候与不可保风险Climate Change and Uninsurability成功率越高,总体风险反而越难被看见。跨机构比较至少要固定“完成关键结局核验者/全部进入“气候与不可保风险Climate Change and Uninsurability”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,气候可保性必须同时检查风险相关性、保费负担、资本容量和减灾激励就只是口径产物,而不是经反例保留下来的领域判断。

改进“气候与不可保风险Climate Change and Uninsurability”时,应让气候可保性必须同时检查风险相关性、保费负担、资本容量和减灾激励对应版本、阈值与覆写。验收气候可保性必须同时检查风险相关性、保费负担、资本容量和减灾激励不能只数采纳量,还要核查未统计风险。 另一可复核锚点是灾害频率与严重度上升会推高技术保费,单纯允许风险定价可能让高危地区保障退出并加剧抵押和财政风险;这条观察必须保留原分母和时序。

跨面板看,第 183 号第 14 条“参与式规划的证据化”与气候可保性必须同时检查风险相关性、保费负担、资本容量和减灾激励共享回写难题。它进入考核后会塑造行为,故须比较回写路径。

位置D——气候与不可保风险Climate Change and Uninsurability的实施序列是决定项 单因只有气候可保性必须同时检查风险相关性、保费负担、资本容量和减灾激励 预设〔02 名称揭示本质〕制度变化不改变“气候与不可保风险Climate Change and Uninsurability”对象的原有含义 量纲完成关键结局核验者/全部进入“气候与不可保风险Climate Change and Uninsurability”评估者 失效当失败者被排除在分母外时,气候与不可保风险Climate Change and Uninsurability成功率越高,总体风险反而越难被看见 自曝弱势样本边界:“气候与不可保风险Climate Change and Uninsurability”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 183 号第 14 条“参与式规划的证据化

七、保障缺口The Protection Gap

提出Swiss Re Institute,2015年《Underinsurance of Property Risks》。 争议Geneva Association,2018年《Understanding and Addressing Global Insurance Protection Gaps》。 最新Swiss Re Institute,2024年自然灾害保障缺口更新。 关键保障缺口必须用经济损失减去已赔付损失并按家庭企业政府承担者分解

这十年一个指标被反复引用:全球灾害经济损失中由保险覆盖的比例长期偏低,在发展中国家尤其如此。这一差额被称为保障缺口,并被确立为行业与国际组织的共同议题。

它推翻的是把保险渗透率当作发展自然结果的看法。缺口的成因被拆解为可负担性、可得性、认知与信任,以及基础设施——没有可靠的财产登记与灾害数据,风险就无法被定价。

缩小缺口的路径因此不是单纯的产品创新,而是公私合作:公共部门提供数据与再保能力,私营部门提供定价与分销。多国的灾害保险池即按此设计。 最需要保存的经验事实是全球灾害中大量损失没有保险,国家平均未保比例会遮蔽低收入家庭与小企业的恢复能力差异。围绕保障缺口必须用经济损失减去已赔付损失并按家庭企业政府承担者分解,仍须处理基线、失访和测量误差。

未决的是道德风险与激励。公共兜底降低了个人与地方政府防灾减灾的动机,而把补贴与风险降低措施挂钩在执行上极为困难。这与其他领域的补贴设计问题结构相同。另一处测量问题是缺口的定义:以经济损失与保险赔付之差衡量,隐含假设是所有损失都应当被保险覆盖。而部分损失更适合由公共财政或事前防灾承担,因此缺口指标在动员上有效,在指导资源配置上则会误导。更有信息量的做法是分层报告:哪些损失可保、哪些应由公共承担、哪些应通过防灾避免。分层报告的做法目前只在少数国际机构的评估中被采用。 可证伪的边界是当名称更新却不改变责任链时,保障缺口The Protection Gap规范越完整,实际无人承担的环节反而越多。跨机构比较至少要固定“完成关键结局核验者/全部进入“保障缺口The Protection Gap”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,保障缺口必须用经济损失减去已赔付损失并按家庭企业政府承担者分解就只是口径产物,而不是经反例保留下来的领域判断。

保障缺口The Protection Gap”进入指南后,须用保障缺口必须用经济损失减去已赔付损失并按家庭企业政府承担者分解设置审计和对照。把保障缺口必须用经济损失减去已赔付损失并按家庭企业政府承担者分解同旧流程及随访比较,才能区分改名和结构改变。 另一可复核锚点是全球灾害中大量损失没有保险,国家平均未保比例会遮蔽低收入家庭与小企业的恢复能力差异;这条观察必须保留原分母和时序。

另见第 535 号第 10 条“模型卡:性能报告第一次按人群与用途伴随模型”给保障缺口必须用经济损失减去已赔付损失并按家庭企业政府承担者分解提供反证。检验时须检查承载、指标回写和成功者遮蔽;任一失守都应下调结论。

位置E——保障缺口The Protection Gap的制度环境是决定项 单因只有保障缺口必须用经济损失减去已赔付损失并按家庭企业政府承担者分解 预设〔02 名称揭示本质〕制度变化不改变“保障缺口The Protection Gap”对象的原有含义 量纲完成关键结局核验者/全部进入“保障缺口The Protection Gap”评估者 失效当名称更新却不改变责任链时,保障缺口The Protection Gap规范越完整,实际无人承担的环节反而越多 自曝版本迁移边界:“保障缺口The Protection Gap”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 535 号第 10 条“模型卡:性能报告第一次按人群与用途伴随模型

八、IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting

提出IASB,2017年《IFRS 17 Insurance Contracts》。 争议IASB,2020年《Amendments to IFRS 17》。 最新IFRS Foundation,2024年IFRS 17实施支持材料。 关键国际财务报告准则十七号要让利润服务期、风险调整和合同边际可比较

这十年国际保险合同会计准则完成并实施,把保险负债改为按当前假设计量,并引入合同服务边际——把未来利润在服务期间逐步确认,而不是在签单时一次性确认。

它推翻的是各国差异极大的保险会计实践,使跨境可比性显著提高,也使保险公司的利润来源第一次可以被外部拆解:哪些来自承保、哪些来自投资、哪些来自假设变更。

实施成本极高,涉及数据颗粒度、系统改造与假设治理,多国推迟生效日期。评级机构的评估认为它提高了利润的可预测性,而对部分产品结构产生了实质影响——利润确认节奏的改变反过来影响了产品设计。 该项证据的硬读数是新准则以履约现金流和合同服务边际替代多国旧口径,但过渡方法和假设披露仍会显著影响利润轨迹。围绕国际财务报告准则十七号要让利润服务期、风险调整和合同边际可比较,该读数不能越过样本和时间窗外推。

未决的是可理解性。新准则的报表对非专业读者更难解读,而合同服务边际的计量依赖大量不可观测的假设。透明度提高与复杂度提高同时发生,两者的净效果尚无定论。另一处后果落在产品上:利润确认节奏改变后,长期保障型产品与短期储蓄型产品在报表上的表现差异被放大,部分机构据此调整了产品结构。会计准则因此不只是记录方式的改变,它实际改变了被生产出来的产品。这一影响在长期保障型业务占比高的市场中最明显。产品结构的变化,反过来又影响了准则实施效果的评估。 可证伪的边界是当资源只投向最容易达标的IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting对象时,覆盖越高,原有差距反而越可能扩大。跨机构比较至少要固定“完成关键结局核验者/全部进入“IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,国际财务报告准则十七号要让利润服务期、风险调整和合同边际可比较就只是口径产物,而不是经反例保留下来的领域判断。

实践上应为“IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting”建立前测、过程与结局账,使国际财务报告准则十七号要让利润服务期、风险调整和合同边际可比较可观察。检验国际财务报告准则十七号要让利润服务期、风险调整和合同边际可比较须预设停止和替代阈值,不能只报成功者。 另一可复核锚点是新准则以履约现金流和合同服务边际替代多国旧口径,但过渡方法和假设披露仍会显著影响利润轨迹;这条观察必须保留原分母和时序。

另见第 535 号第 6 条“个体公平:相似的人必须得到相似决定”提供接口:国际财务报告准则十七号要让利润服务期、风险调整和合同边际可比较必须拆成分子、分母和失效条件,并记录进入、排除与结果回写。

位置S——IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting的可见结局是决定项 单因只有国际财务报告准则十七号要让利润服务期、风险调整和合同边际可比较 预设〔07 负项无需结算〕制度变化不改变“IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting”对象的原有含义 量纲完成关键结局核验者/全部进入“IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting”评估者 失效当资源只投向最容易达标的IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting对象时,覆盖越高,原有差距反而越可能扩大 自曝数据可得边界:“IFRS 17 与财务报告重构IFRS 17 and the Rewriting of Insurance Accounting”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 535 号第 6 条“个体公平:相似的人必须得到相似决定

九、疫情与共同冲击风险Pandemic and Correlated Shocks

提出OECD,2020年《Responding to the COVID-19 and Pandemic Protection Gap》。 争议Geneva Association,2020年《An Investigation into the Insurability of Pandemic Risk》。 最新IAIS,2024年系统性风险与大流行韧性更新。 关键大流行风险具有跨行业同时损失和供给冲击特征不能只靠传统分散

疫情提供了一次系统性冲击的实测:死亡率、营业中断、旅行取消与信用风险同时被触发,而多数风险模型假定这些风险之间相关性很低。

它推翻的是按险种分别评估极端情形的做法。真正的偿付能力威胁来自同时被触发的多条风险线,而机构的分散化收益恰恰在这种时刻消失——这正是企业风险管理框架早已指出而未被充分建模的问题。

营业中断险的诉讼是另一处教训:条款中关于「物理损失」的表述在不同法域被作出相反解释,暴露了合同语言的模糊在极端情形下的成本。此后条款被普遍收紧,代价是可保范围缩小。 可复核材料首先给出营业中断、寿险、健康和市场风险可在全球同步发生,相关性跃升使再保险和私人资本容量同时收缩。围绕大流行风险具有跨行业同时损失和供给冲击特征不能只靠传统分散,换掉分母会改变政策含义。

未决的是可保性。疫情级别的风险规模超出私营保险业的承受能力,而排除它又留下巨大缺口。目前提出的方案都指向政府作为最后承保人,而其触发条件与分担比例的设计至今没有成熟先例。另一处教训是排除条款的成本:为避免不确定的巨额赔付而收紧条款,短期保护了偿付能力,长期削弱了产品的价值主张——被排除得越多,客户越会问「那我买的是什么」。这一张力在网络险与巨灾险上同样存在。疫情之后多国推动的公共再保方案,多数仍停留在讨论阶段。 可证伪的边界是当测量进入考核后,疫情与共同冲击风险Pandemic and Correlated Shocks指标越漂亮,未被指标捕捉的真实结局反而越可能恶化。跨机构比较至少要固定“完成关键结局核验者/全部进入“疫情与共同冲击风险Pandemic and Correlated Shocks”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,大流行风险具有跨行业同时损失和供给冲击特征不能只靠传统分散就只是口径产物,而不是经反例保留下来的领域判断。

落地“疫情与共同冲击风险Pandemic and Correlated Shocks”不能只改名称,应由大流行风险具有跨行业同时损失和供给冲击特征不能只靠传统分散确定起点、强度和延迟后果。若不检验拒绝与失访,效果便没有分母。 另一可复核锚点是营业中断、寿险、健康和市场风险可在全球同步发生,相关性跃升使再保险和私人资本容量同时收缩;这条观察必须保留原分母和时序。

与第 600 号第 12 条“事故学习与近失误报告”对撞后,大流行风险具有跨行业同时损失和供给冲击特征不能只靠传统分散成为责任链。只留最终输出会抹掉停止权和无人承担项。

位置D——疫情与共同冲击风险Pandemic and Correlated Shocks的实施序列是决定项 单因只有大流行风险具有跨行业同时损失和供给冲击特征不能只靠传统分散 预设〔07 负项无需结算〕制度变化不改变“疫情与共同冲击风险Pandemic and Correlated Shocks”对象的原有含义 量纲完成关键结局核验者/全部进入“疫情与共同冲击风险Pandemic and Correlated Shocks”评估者 失效当测量进入考核后,疫情与共同冲击风险Pandemic and Correlated Shocks指标越漂亮,未被指标捕捉的真实结局反而越可能恶化 自曝责任归属边界:“疫情与共同冲击风险Pandemic and Correlated Shocks”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 600 号第 12 条“事故学习与近失误报告

十、网络险的定价难题Pricing Cyber Risk

提出Biener、Eling与Wirfs,2015年《Geneva Papers》40:131–158。 争议EIOPA,2022年《Cyber Risk for Insurers》。 最新ENISA,2024年《Cyber Insurance: Models and Methods》更新。 关键网络保险定价必须处理威胁变化、积聚风险、沉默网络与报告选择

这十年网络保险快速增长,同时暴露出精算上的根本困难:历史数据稀少且不可外推、攻击方是有意图的对手而非自然过程、风险高度相关(同一漏洞或同一服务商可同时影响大量被保险人)。

它推翻的是把新险种当作数据积累问题的想法。网络风险的分布随攻防技术持续变化,昨天的数据对明天的预测价值有限;而集中度风险使大数法则失效——被保险人可能共享同一云服务与同一软件供应链。

行业的应对是收紧承保(要求最低安全措施)、限制累积暴露、以及在条款中排除国家行为者相关事件——而后者的界定在实践中极难,已引发重大诉讼。 把争论落到分母后可以看到历史索赔稀少且受保密影响,同一软件漏洞可同时触发数千被保险人,独立同分布假设失效。围绕网络保险定价必须处理威胁变化、积聚风险、沉默网络与报告选择,它把问题推进到适用条件。

未决的是极端情景。单一供应链事件可能同时触发数千份保单,其规模估计跨度极大。这一险种因此处在一个特殊位置:需求旺盛、增长迅速,而承保能力受限于无法计量的尾部。另一处需要盯住的是累积管理:承保网络险要求知道被保险人共用了哪些云服务、哪些软件与哪些供应商,而这些信息投保人自己往往都说不清。承保能力的瓶颈因此不在资本,而在暴露的可见性。这也是网络险保额长期偏低、条款高度定制的直接原因。供应链暴露的登记与共享,是目前最被期待的一项基础设施。 可证伪的边界是当实施依赖高资源中心时,网络险的定价难题Pricing Cyber Risk证据越成熟,向基层迁移后的有效性反而越不稳定。跨机构比较至少要固定“完成关键结局核验者/全部进入“网络险的定价难题Pricing Cyber Risk”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,网络保险定价必须处理威胁变化、积聚风险、沉默网络与报告选择就只是口径产物,而不是经反例保留下来的领域判断。

网络险的定价难题Pricing Cyber Risk”应依网络保险定价必须处理威胁变化、积聚风险、沉默网络与报告选择分开专业判断、目标和资源。若网络保险定价必须处理威胁变化、积聚风险、沉默网络与报告选择只在中心成立,推广前须结算基层容量和失败补救。 另一可复核锚点是历史索赔稀少且受保密影响,同一软件漏洞可同时触发数千被保险人,独立同分布假设失效;这条观察必须保留原分母和时序。

另见第 196 号第 15 条“数据新闻与计算新闻学:报道对象包括数据本身”可检验网络保险定价必须处理威胁变化、积聚风险、沉默网络与报告选择的外推边界。若它依赖特定机构或高资源人群,就须固定单位并单列反号。

位置E——网络险的定价难题Pricing Cyber Risk的制度环境是决定项 单因只有网络保险定价必须处理威胁变化、积聚风险、沉默网络与报告选择 预设〔07 负项无需结算〕制度变化不改变“网络险的定价难题Pricing Cyber Risk”对象的原有含义 量纲完成关键结局核验者/全部进入“网络险的定价难题Pricing Cyber Risk”评估者 失效当实施依赖高资源中心时,网络险的定价难题Pricing Cyber Risk证据越成熟,向基层迁移后的有效性反而越不稳定 自曝比较基线边界:“网络险的定价难题Pricing Cyber Risk”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 196 号第 15 条“数据新闻与计算新闻学:报道对象包括数据本身

十一、人工智能对精算工作的改造AI and the Actuarial Function

提出EIOPA,2021年《Artificial Intelligence Governance Principles》。 争议NAIC,2023年《Model Bulletin on the Use of Artificial Intelligence Systems by Insurers》。 最新IAIS,2025年保险业人工智能应用议题文件。 关键生成式与决策人工智能进入保险后必须保留精算专业判断和可追溯人工覆写

这十年生成式工具进入精算与保险的日常工作:文档处理、理赔初审、客服、代码生成与模型文档编写。行业调查显示采用集中在流程环节而非核心计量。

它推翻的是把自动化对专业工作的影响理解为替代或不替代的二分。实际发生的是任务重组:可明确表述的中间产出被接管,而判断、假设设定与对结果负责的部分留在人身上——而后者恰恰是精算师执业责任的法律基础。

随之而来的治理要求是把这些工具纳入既有的模型风险管理框架:谁为输出负责、如何验证、如何留痕。相对于其他行业,保险业在这方面有现成的制度可用。 这一判断不是概念推演,材料显示自动核保、定损与客服能缩短周期,却会以幻觉、代理歧视、提示漂移和供应商黑箱制造新模型风险。围绕生成式与决策人工智能进入保险后必须保留精算专业判断和可追溯人工覆写,支持、异质性与未测对象必须同表。

未决的是理赔与核保中的自动决策。这类决策直接影响个人权益,且可能复制历史数据中的不平等,因而与定价公平判据面临同一组问题——而它的可见度更低,因为拒赔不像费率那样公开可比。另一处值得记下的是它对准入的影响:如果核心计量与假设设定仍必须由持证精算师负责,那么工具的普及会提高个人产出而不减少责任主体的数量。这与其他专业服务业的自动化路径可能不同,其决定因素是法律责任而非技术能力。这一判断在不同法域的差异,取决于精算职能是否为法定职能。 可证伪的边界是当失败者被排除在分母外时,人工智能对精算工作的改造AI and the Actuarial Function成功率越高,总体风险反而越难被看见。跨机构比较至少要固定“完成关键结局核验者/全部进入“人工智能对精算工作的改造AI and the Actuarial Function”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,生成式与决策人工智能进入保险后必须保留精算专业判断和可追溯人工覆写就只是口径产物,而不是经反例保留下来的领域判断。

改进“人工智能对精算工作的改造AI and the Actuarial Function”时,应让生成式与决策人工智能进入保险后必须保留精算专业判断和可追溯人工覆写对应版本、阈值与覆写。验收生成式与决策人工智能进入保险后必须保留精算专业判断和可追溯人工覆写不能只数采纳量,还要核查未统计风险。 另一可复核锚点是自动核保、定损与客服能缩短周期,却会以幻觉、代理歧视、提示漂移和供应商黑箱制造新模型风险;这条观察必须保留原分母和时序。

跨面板看,第 198 号第 20 条“生成式影像与劳资条款:技术第一次以合同回答”与生成式与决策人工智能进入保险后必须保留精算专业判断和可追溯人工覆写共享回写难题。它进入考核后会塑造行为,故须比较回写路径。

位置S——人工智能对精算工作的改造AI and the Actuarial Function的可见结局是决定项 单因只有生成式与决策人工智能进入保险后必须保留精算专业判断和可追溯人工覆写 预设〔09 成功者代表总体〕制度变化不改变“人工智能对精算工作的改造AI and the Actuarial Function”对象的原有含义 量纲完成关键结局核验者/全部进入“人工智能对精算工作的改造AI and the Actuarial Function”评估者 失效当失败者被排除在分母外时,人工智能对精算工作的改造AI and the Actuarial Function成功率越高,总体风险反而越难被看见 自曝未发表结果边界:“人工智能对精算工作的改造AI and the Actuarial Function”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 198 号第 20 条“生成式影像与劳资条款:技术第一次以合同回答

十二、从赔付到预防From Indemnity to Prevention

提出Geneva Association,2021年《From Risk Transfer to Risk Prevention》。 争议Swiss Re Institute,2022年《The Economics of Prevention》。 最新Geneva Association,2024年保险预防服务与保障治理更新。 关键保险价值要从事故后赔付扩展到可验证且不剥夺保障的事前预防

这十年一个明确的取向是把保险的角色从事后赔付扩展到事前预防:以保费折扣激励防灾加固、提供传感器与监测服务、以及在承保条件中要求具体的风险降低措施。

它推翻的是保险只承担风险转移职能的定位。在风险持续上升的环境中,纯转移是不可持续的——保费必须随风险上升,直至超出承受能力;而降低风险本身是唯一能同时改善双方处境的做法。

证据支持这一方向:加固建筑的损失降低幅度在多项灾后评估中相当可观,而其成本远低于累计的赔付与重建支出。问题在于收益的时点与归属——加固由业主付费,收益部分归保险人与公共部门。 最需要保存的经验事实是传感器、风险工程和健康干预可减少损失,但强制监测、数据用途扩张和对未遵从者拒赔会改变保险契约。围绕保险价值要从事故后赔付扩展到可验证且不剥夺保障的事前预防,仍须处理基线、失访和测量误差。

未决的是激励设计。要让预防真正发生,需要保费折扣足够大、加固标准可核验、以及资金安排能跨越业主的持有期。三者同时具备的案例极少,这也是这一取向至今更多停留在倡导层面的原因。另一处实践进展是把预防写进承保条件而非保费折扣:达不到最低加固标准即不予承保,比给予折扣更有约束力,也更容易核验。代价是它会把最脆弱的房产直接推出市场——预防与可得性在这里直接冲突。两者的平衡最终取决于是否有公共资金承担加固成本。 可证伪的边界是当名称更新却不改变责任链时,从赔付到预防From Indemnity to Prevention规范越完整,实际无人承担的环节反而越多。跨机构比较至少要固定“完成关键结局核验者/全部进入“从赔付到预防From Indemnity to Prevention”评估者”的分子与分母,并把未入样本者、拒绝者、失访者、执行失败与负担未结算者单列;若这些对象继续被并入“其他”,保险价值要从事故后赔付扩展到可验证且不剥夺保障的事前预防就只是口径产物,而不是经反例保留下来的领域判断。

从赔付到预防From Indemnity to Prevention”进入指南后,须用保险价值要从事故后赔付扩展到可验证且不剥夺保障的事前预防设置审计和对照。把保险价值要从事故后赔付扩展到可验证且不剥夺保障的事前预防同旧流程及随访比较,才能区分改名和结构改变。 另一可复核锚点是传感器、风险工程和健康干预可减少损失,但强制监测、数据用途扩张和对未遵从者拒赔会改变保险契约;这条观察必须保留原分母和时序。

另见第 199 号第 13 条“流媒体经济学:按流付费改变写歌本身”给保险价值要从事故后赔付扩展到可验证且不剥夺保障的事前预防提供反证。检验时须检查承载、指标回写和成功者遮蔽;任一失守都应下调结论。

位置D——从赔付到预防From Indemnity to Prevention的实施序列是决定项 单因只有保险价值要从事故后赔付扩展到可验证且不剥夺保障的事前预防 预设〔09 成功者代表总体〕制度变化不改变“从赔付到预防From Indemnity to Prevention”对象的原有含义 量纲完成关键结局核验者/全部进入“从赔付到预防From Indemnity to Prevention”评估者 失效当名称更新却不改变责任链时,从赔付到预防From Indemnity to Prevention规范越完整,实际无人承担的环节反而越多 自曝推广成本边界:“从赔付到预防From Indemnity to Prevention”证据仍受样本、场景与未观察结局限制 空栏未入样本者、拒绝者、失访者、执行失败与负担未结算者 异名跨领域同构;另见第 199 号第 13 条“流媒体经济学:按流付费改变写歌本身

◎ 二十年连起来看

二十条首先重定义对象:从规则到风险的偿付能力监管Risk-Based Solvency Regulation、内部模型与模型风险Internal Models and Model Risk、企业风险管理的制度化Enterprise Risk Management把旧单因解释拆成互动结构。

随后,巨灾模型与不确定性Catastrophe Models and Their Uncertainty、行为经济学进入保险需求Behavioural Economics of Insurance Demand、微保险与包容性保险Microinsurance and Inclusive Insurance把强度、顺序和停止权带进证据链。

最后,参数保险Parametric Insurance、气候与不可保风险Climate Change and Uninsurability、保障缺口The Protection Gap说明技术、资源与规则会回写对象。

◎ 三个常见误解

第一个误解是新名称自动表示新机制。从规则到风险的偿付能力监管Risk-Based Solvency Regulation与内部模型与模型风险Internal Models and Model Risk都要求给出能排除旧解释的证据。

第二个误解是指南采纳等于真实改善。再保险与资本市场融合Reinsurance Meets the Capital Markets与参数保险Parametric Insurance提醒覆盖、执行与结局是三个不同分母。

第三个误解是数字工具天然扩大公平。网络险的定价难题Pricing Cyber Risk与从赔付到预防From Indemnity to Prevention表明接口、数据和责任配置可能制造新的遗漏。

◎ 与相邻领域的接口

与第196号新闻业研究比较指标回写。

与第535号人工智能治理比较模型卡、效度和覆写。

与第183号城市规划比较参与和成本。

◎ 争议现场

从规则到风险的偿付能力监管Risk-Based Solvency Regulation与企业风险管理的制度化Enterprise Risk Management的因果边界仍未封口,机制证据不能只靠相关共现。

车联网与用量定价Telematics and Usage-Based Pricing与保障缺口The Protection Gap的推广证据受机构容量和选择进入影响,头部成功不能代表总体。

人工智能对精算工作的改造AI and the Actuarial Function与从赔付到预防From Indemnity to Prevention引入算法或新规则后,透明、问责和弱势对象的净收益仍需长期检验。

◎ 往下五年看什么

未来五年应为从规则到风险的偿付能力监管Risk-Based Solvency Regulation建立跨机构共同最小数据集,同时保留地方差异。

应对机器学习进入定价与准备金Machine Learning in Pricing and Reserving开展预注册、外部验证和失败案例公开,缩短证据与制度之间的回写链。

应把从赔付到预防From Indemnity to Prevention的效率、分配与长期风险分账,避免单一指标垄断政策判断。

◎ 可与哪些领域对撞

与第196号新闻业研究对撞数据、指标与职业责任。

与第535号人工智能治理对撞模型性能、可解释性和人工停止权。

与第183号城市规划对撞可及性、地方容量和公共资源分配。

◎ 十条可做的研究命题

检验“从规则到风险的偿付能力监管Risk-Based Solvency Regulation”:结局、失访与两年随访。

检验“内部模型与模型风险Internal Models and Model Risk”:结局、失访与一年随访。

检验“企业风险管理的制度化Enterprise Risk Management”:结局、失访与两年随访。

检验“长寿风险的独立化Longevity Risk as a Separate Risk”:结局、失访与一年随访。

检验“巨灾模型与不确定性Catastrophe Models and Their Uncertainty”:结局、失访与两年随访。

检验“行为经济学进入保险需求Behavioural Economics of Insurance Demand”:结局、失访与一年随访。

检验“微保险与包容性保险Microinsurance and Inclusive Insurance”:结局、失访与两年随访。

检验“健康险与医疗成本Health Insurance and Cost Containment”:结局、失访与一年随访。

检验“再保险与资本市场融合Reinsurance Meets the Capital Markets”:结局、失访与两年随访。

检验“车联网与用量定价Telematics and Usage-Based Pricing”:结局、失访与一年随访。

◎ 资料核验

  1. European Parliament与Council,2009年《Solvency II Directive》2009/138/EC。
  2. EIOPA,2020年《Solvency II 2020 Review》。
  3. EIOPA,2024年偿付能力二号实施与气候风险更新。
  4. Basel Committee,2009年《Principles for Sound Stress Testing Practices》。
  5. EIOPA,2014年《Guidelines on the Use of Internal Models》。
  6. IAIS,2024年《Insurance Capital Standard》最终框架。
  7. COSO,2004年《Enterprise Risk Management—Integrated Framework》。
  8. Lam,2014年《Enterprise Risk Management》第二版。
  9. IAIS,2024年《Insurance Core Principles》风险管理更新。
  10. Cairns、Blake与Dowd,2006年《Journal of Risk and Insurance》73:687–718。
  11. Continuous Mortality Investigation,2023年《CMI Mortality Projections Model》。
  12. OECD,2024年养老金长寿风险与死亡改善更新。
  13. Grossi与Kunreuther编,2005年《Catastrophe Modeling》。
  14. Lloyd's,2014年《Catastrophe Modelling and Climate Change》。
  15. EIOPA,2024年自然灾害保障缺口仪表板更新。
  16. Kahneman与Tversky,1979年《Econometrica》47:263–291。
  17. Kunreuther、Pauly与McMorrow,2013年《Insurance and Behavioral Economics》。
  18. OECD,2024年消费者保险行为与保障缺口报告。
  19. Churchill编,2006年《Protecting the Poor: A Microinsurance Compendium》。
  20. Cole等,2013年《American Economic Journal: Applied Economics》5:104–135。
  21. ILO Impact Insurance Facility,2024年普惠保险实施更新。
  22. Dunn、Liebman与Shapiro,2015年《American Economic Review》105:120–124。
  23. Society of Actuaries,2020年《Health Care Cost Trends》。
  24. CMS,2024年《National Health Expenditure Projections 2023–2032》。
  25. Cummins与Weiss,2009年《Journal of Risk and Insurance》76:493–545。
  26. Lane与Beckwith,2023年《Global ILS Market Survey》。
  27. Swiss Re Institute,2024年替代资本与巨灾债券市场更新。
  28. Baecke与Bocca,2017年《Decision Support Systems》98:69–79。
  29. NAIC,2020年《Usage-Based Insurance and Telematics》。
  30. EIOPA,2024年车联网保险与数据治理更新。
  31. Wüthrich与Merz,2019年《Editorial: Yes, We CANN!》。
  32. CAS,2021年《AI and Machine Learning in Insurance》。
  33. Actuarial Association of Europe,2024年AI精算治理更新。
  34. Meyers与Van Hoyweghen,2018年《Big Data & Society》5。
  35. EIOPA,2021年《Artificial Intelligence Governance Principles》。
  36. Colorado Division of Insurance,2024年算法与预测模型公平实施规则。
  37. Barnett与Mahul,2007年《American Journal of Agricultural Economics》89:1241–1247。
  38. World Bank,2017年《Sovereign Climate and Disaster Risk Pooling》。
  39. World Bank,2024年参数保险与灾害风险融资更新。
  40. Geneva Association,2009年《The Insurance Industry and Climate Change》。
  41. IAIS,2021年《Application Paper on Climate-related Risks》。
  42. EIOPA,2024年自然灾害保障缺口与可保性报告。
  43. Swiss Re Institute,2015年《Underinsurance of Property Risks》。
  44. Geneva Association,2018年《Understanding and Addressing Global Insurance Protection Gaps》。
  45. Swiss Re Institute,2024年自然灾害保障缺口更新。
  46. IASB,2017年《IFRS 17 Insurance Contracts》。
  47. IASB,2020年《Amendments to IFRS 17》。
  48. IFRS Foundation,2024年IFRS 17实施支持材料。
  49. OECD,2020年《Responding to the COVID-19 and Pandemic Protection Gap》。
  50. Geneva Association,2020年《An Investigation into the Insurability of Pandemic Risk》。
  51. IAIS,2024年系统性风险与大流行韧性更新。
  52. Biener、Eling与Wirfs,2015年《Geneva Papers》40:131–158。
  53. EIOPA,2022年《Cyber Risk for Insurers》。
  54. ENISA,2024年《Cyber Insurance: Models and Methods》更新。
  55. NAIC,2023年《Model Bulletin on the Use of Artificial Intelligence Systems by Insurers》。
  56. IAIS,2025年保险业人工智能应用议题文件。
  57. Geneva Association,2021年《From Risk Transfer to Risk Prevention》。
  58. Swiss Re Institute,2022年《The Economics of Prevention》。
  59. Geneva Association,2024年保险预防服务与保障治理更新。
新思想前沿 · 第 295 号 · 保险与精算科学 · ← 返回栏目