网络保险信用风险度量模型的构建,信用管理论文.docx

网络保险信用风险度量模型的构建,信用管理论文【题目】【第一章】【第二章】【第三章】【4.1 - 4.3】网络保险信誉风险度量模型的构建【4.4 4.5】【结论/以下为以下为参考文献】第四章 基于 Logit 模型的网络保险信誉风险评估4.1 界定研究对象随着社会经济的发展以及互联网技术的高速发展，为各行各业在带来了新的机遇的同时也带了一定的挑战。就整个保险行业来看，根据国外的经历体验，互联网的发展将会推动保险业的快速发展，互联网给保险业到来了新的渠道和动力。但是我们国家的网络保险起步比拟晚，在如今快速发展的同时还存在很多亟待解决的问题，互联网在给保险行业带来了新动力的同时也带来了更多的风险问题，华而不实信誉风险就是众多主要风险之一，基于互联网技术的网络保险中的信誉风险要比传统保险行业中的信誉风险愈加的复杂，假如保险公司在开展网络保险业务时能够有效的预测投保人的信誉风险，并对信誉风险进行管理，就能够很好的减少保险公司不必要的损失，促进网络保险业务的良好发展。根据前文的分析，我们能够知道影响网络保险信誉风险的因素较多，但本文主要是从消费者个人因素的角度出发，利用某保险公司的历史经历体验数据，并运用 logit 模型对这些数据进行统计分析，找出影响投保人发生信誉风险的主要因素。4.2 选取模型指标及研究假设4.2.1 模型指标的选取最终模型能否有效关键是看模型中数据指标的选取，对于网络保险中的信誉风险主要是针对消费者即投保人来讲的，而保险公司面临的信誉风险主要是应收保费以及由此产生的偿付能力的降低。本文在选取模型的指标时，考虑到能够影响到投保者产生信誉风险的因素很多，所以本文只选取了几个以为是最主要的因素，主要选取了被保险人的年龄，被保险人受教育的程度，被保险人的性别，被保险人的收入状况，被保险人的消费水平，被保险人的储蓄额度，被保险人的婚姻状况等。4.2.2 研究假设在网络保险投保中的个人信息造假方面我们假定，对于收入和储蓄较多的人来讲，他们的生活水平比拟高，他们不愿意为骗取一点赔偿而对个人信息的造假，对于年龄来讲，随着年龄的增长，他们对事物的认知程度较高，他们的生活也趋于比拟稳定的水平，他们也不太愿意为为了骗取赔偿而对信息造假。对于学历来讲，他们更在意自个的名声，不会为了一点利益而对个人信息造假；在性别上来讲，男性更容易存在信息造假的问题；就婚姻情况来讲，单身的要比有家庭的人更容易存在信息的造假问题；对于支出来讲，支出越多在一方面假如他的收入也多那么他信息造假的可能性较小，另一方面假如他的收入和储蓄较少，那么他存在信息造假的可能性就比拟大。在网络保险投保中的标的物造假方面我们假定，同样对于收入和储蓄较多的人来讲，他们不太愿意标的物的造假；对于年龄来讲，年龄越大的人对标的物造假的可能性越小；对性别来讲，男性更容易存在标的物的造假；对于婚姻情况来讲，男性更容易对标的物的造假；对于学历来讲，学历越高越不会对标的物造假。对于支出方面来讲，假如他的收入和储蓄缺乏以知足他的支出，那么他对标的物的造假可能性就越大。在对自个的健康状况造假的方面我们假设，对于年龄来讲，由于年龄越大，他的身体健康问题越多，他就越容易对自个的健康情况造假；对于性别来讲，女性往往要比男性存在的健康问题多，所以女性更容易造假本身的健康状况；对于婚姻状况来讲，单身的要比有家庭的人更容易对本身的健康状况进行造假；对于学历来讲，学历越高越不会对本身健康进行造假；对于收入和储蓄来讲，收入和存蓄越多，他们能够支付本身的健康问题，所以他们对健康造假的概率越低；对于支出来讲，支出越多讲明他的生活水平比拟高，所以越不容易对本身的健康造假。投保人在网上投保后存心故意制造保险事故方面我们假设，对于年龄来讲，年龄越大，他的生活相对来讲比拟稳定，越不会故制造保险事故；对于性别来讲，男性要更倾向于制造保险事故；对于婚姻来讲，单身的要更倾向于制造保险事故；对于收入和储蓄和支出来讲，收入越多、储蓄越多、支出越大，就越不容易制造保险事故；对于学历来讲，高学历的人，由于把握的专业知识较多，他们更容易制造保险事故。在内外勾结保险代理人骗取赔偿方面我们假设，年龄越大，他的生活圈越大，朋友圈越广泛，他们更倾向于能外勾结骗取赔偿；对于性别来讲，则是男性更倾向于内外勾结骗取赔偿，对于婚姻来讲，单身的要更倾向于内外勾结骗取赔偿；对于学历来讲，学历越高他们越容易内外勾结骗取赔偿；对于收入、储蓄和支出来讲，收入越高，储蓄越多、支出越大，则越不倾向于内外勾结骗取赔偿。在保险事故发生后存在以别人名在网上骗取赔偿方面我们假设，年龄越大越不容易存在这方面的行为，就性别来讲，男性要比女性更倾向去以别人之名在网上骗取赔偿；就婚姻来看，单身的要更倾向于以别人之名骗取赔偿，就学历来讲，学历越高的人他越容易以别人之名在网上骗取赔偿；对于收入、储蓄和支出来讲，收入、储蓄和支出与以别人之名骗取赔偿成负相关关系。在其他网络保险合同违约方面我们假设，年龄、受教育程度、储蓄、收入、支出都与存在其他网络保险合同违约情况成负相关关系，就性别来讲，男性要更倾向于存在其他网络保险合同的违约，就婚姻来讲，单身的要更倾向于存在其他网络保险合同的违约。4.3 构建模型4.3.1 Logit 回归模型的原理Logit 回归模型的原理是利用获取的数据，通过对这些数据进行挑选，设定出具有显着影响的变量，并通过该模型对这些指标进行回归分析来预测某一件事发生的概率值。模型的因变量取值只能为 0 和 1,用来表示 否 和 是 .即因变量只能分为 是 和 否 两大类，而自变量则没有要求，自变量能够是离散的，可以以是连续的。而且 Logit 回归模型对数据没有严格的要求，它不需要数据知足正态分布的假设条件，对自变量和因变量的线性关系也没有严格的要求。这是该模型与其它度量信誉风险模型的最大区别，也是该模型所具有的宏大优势。实际上 Logit 回归模型在很多地方与多元线性回归模型很类似，Logit 回归模型与多元线性回归模型最大的区别就是他们的因变量设立不同，其他的地方基本类似，正是由于这两种模型存在很多类似的地方，所以这两种模型都能够归于广义线性模型generalized linear model。在广义线性模型这一个家族中，所以模型的形式大都非常的类似，不同的都是因变量的设立，假如是连续的就是多元线性回归，假如服从二项分布就是 logit 回归，假如是poisson 分布，就是 poisson 回归，假如是负二项分布，就是负二项回归，等等。区别这些回归模型的不同只需要注意区分它们的因变量就能够了。4.3.2 网络保险信誉风险度量模型的构建在本文中，因变量是投保人在互联网上购买保险产品是能否存在违约情况，当投保人发生违约，此时因变量取值为 1;反之当投保人未发生违约，此时的因变量取值为 0.根据之前对于广义线性模型的相关阐述，我们发如今因变量为二项分布的情况下构建 logit 回归能更好的模拟投保人在网络保险中产生信誉风险的相关研究。用 STATA 软件的 logit 模块能够建立模型：【1】华而不实，P 表示的是投保人在网络保险业务中发生违约状况的概率； ix是影响投保人在网络保险业务中发生信誉风险的各个因素； 0b是 ix与无关的常数，表示当自变量为 0 时投保人发生违约概率与未发生违约概率之比的自然对数值； ib是偏回归系数，表示众多因素 ix对于 P 的奉献量。4.3.3 模型指标挑选由于模型指标的选择对模型最后的检验结果能否有效有很大的关系，在网络保险的信誉风险度量中，能够影响到投保人发生信誉风险的因素诸多，假如逐一的去分析每一个指标太过于复杂，再加上本文是尝试着将 logit 模型初次运用到网络保险的信誉风险的度量中，在指标的选取中遵循了可操作性原则、系统性原则及简化性原则，以及结合网络保险信誉风险的特点，本文只选择了几个主要的影响指标，根据原始数据，在自变量方面选择了下面七个指标：fc1_1 为年龄age，fc1_2 为性别sexual，fc1_3 为婚姻marriage，fc1_4 为学历education，fc1_5 为居民储蓄额saving，fc1_6 为居民对自个收入income在本地水平的认知用于衡量收入水平，fc1_7为居民一年内的支出额度spending由家电，家庭医疗保健，穿着打扮，教育文化，娱乐休闲，家居，杂项商品和服务，非消费性，购房建房，商业保险类以及其他支出等各个项目加总求得。在因变量方面，考虑到投保人在网上投保时容易对自个的个人信息造假，这会影响到保险公司对保费的计算，所以我们设定 1a 为投保人在购买网络保险时能否存在个人信息造假。考虑到投保人对标的物的造假和健康的隐瞒这会直接影响到保险公司对保费额度的收取，所以我们设定 2a 为投保人在购买网络保险产品时能否存在标的物造假，设定 3a 为投保人在购买人身保险产品时能否存在健康信息不真实。考虑到投保人在网上投保后会存心故意制造保险事故来骗取赔偿，对保险公司造成损失，所以我们设定 4a 为投保人在互联网上投保后能否存在存心故意制造保险事故。考虑到投保人会与保险公司内部人员勾结来骗取赔偿，对保险公司造成损失，我们设定 5a 为投保人能否存在内外勾结保险代理人骗取赔偿。考虑到投保人容易在网上以别人的资料来骗取赔偿给保险公司带来损失，我们设定 6a 在保险事故发生后能否存在以别人之名在网上骗取赔偿。考虑到在网络保险中还有很多由于投保人的信誉问题而给保险公司造成损失的，逐一都列出来过于繁琐，所以我们设定 7a 为能否存在网络保险其他方面合同的违约。