FinTech觀點 | InsurTech、保險與外部性

IsurTech從字面上理解，可以被拆分成「Insurance」與「Technology」兩個單詞，而InsurTech顧名思義就是保險服務如何與新興科技結合，讓保險公司可以開發出更具多樣化的商品，觸及未知的新興市場，提供給顧客更優質的保險服務與體驗。

起初surTech一直是依附在FInTech底下發展，直到於2015年WEF世界經濟論壇中，針對FInTech的未來發展領域的討論項目中，IsurTech終於成為一個重要議題而被廣泛討論。

保險其實一種「基於人們對於風險的厭惡而誕生的解決方案」。

由於未來充滿許多不確定性，我們無法有效預測未來會發生哪些變化，例如得了一場怪病，發生意外事故導致殘廢，或是平安的度過每一天，我們購買保險其實是一種趨避風險的行為，藉此消除因無法預測未來變化而感到不安的情緒。

當市場有存在這種需求時，就會出現相對應的服務提供者，也就是商業保險公司(以下簡稱保險公司)，保險公司讓這些對於未來不確定感到厭惡的人，只要支付一筆合理的費用，就能把風險給轉嫁保險公司，由保險公司來承擔你不幸遭遇事故的風險。

然而也不是任何情境下都可以進行風險轉嫁，保險公司是如何判斷哪些情境的風險是可以轉嫁，哪些情境的風險是不能夠轉嫁？

若從經濟學的角度觀察，保險公司主要會基於以下三種條件，來判斷哪些情境的風險是可以轉嫁，哪些情境的風險是不能夠轉嫁。

這點應該很好理解，例如我們班機誤點、不幸得了癌症、走在路上不小心被招牌砸到等，這些事件的發生都不是我們可以控制他所發生的機率，頂多只能做到避免和防範，因此商業保險保險就可以針對這些具備「機率性」的情境或事件來設計與提供該群體顧客保險服務。

基於無法預測未來，任何情境都有可能發生好事或壞事機率的前提下，若保險公司能針對情侶分手設計一項保險服務如：「失戀險」這樣不就能夠充分保障因被提分手，而所受到傷害的一方獲得保障嗎？

很可惜的是失戀所發生的機率能夠被人為所控制，例如抓到另一方偷情或劈腿，能夠使失戀的機率大幅提升，情侶交往所衍生的失戀機率無法獨立於投保人的意願，投保人可以根據自身意願去違反當初保險服務的約定。

因此保險公司一旦推出失戀險後，投保人拿著失戀證明項保險公司申請理賠時，保險公司無法有效評估該失戀事件是「投保人有意的讓他發生還是因失戀機率使然而自然發生」，造成保險公司很難設計與提供該群體顧客保險服務。

最後我們很少會看到保險公司會針對股票市場的漲跌來設計保險商品，雖然股票市場符合我們前面所提到的「股票的漲跌是具備機率性」與「在股票市場中，發生漲跌事件的機率是獨立於投保人意願」。

但保險公司還是不願意針對股票市場推出保險服務的原因在於，參與股票市場的玩家與股票市場中，股票漲跌的風險是具有相關性的。

若今天保險公司推出「股票跌停險」，當投保人要向保險公司申請理賠時，保險公司很難評估該公司股票跌停是因為「台灣市場景氣不景氣所導致還是人為蓄意所發生」，因此這類涉及到系統性風險的場景，保險公司很難設計與提供該群體顧客保險服務。

當保險公司確立哪些情境可以投保，哪些情境不能投保後，就會運用「區隔(Segmentation)」與「加總(Aggregation)」這兩套手法，並搭配各種數學模型精準計算在不同情境下，各風險群體成員所具備的風險大小，進而打造出各式各樣的保險服務。

首先保險公司透過區隔(Segmentation)的方式，只要把人群所具備的風險屬性的劃分的足夠細，讓屬於該群體裡面的人所發生風險機率非常相近，就能夠透過數學計算出相對合理的保費，假若保險公司沒有將人群事先進行區隔就計算保費會發生什麼事呢，會造成低風險的人被風險高的人搭了順風車。

以醫療保險為例，在設計醫療險的商品時，由於A家保險公司並未設計區隔條件，因此該群體裡面同時包含老年人與年輕人，若按常理推測老年人發生重大疾病的風險會比年輕人高得許多，因此他們所繳納的保費很可能明顯低於理賠的金額，但年輕人是屬於該群體相對低風險的族群，然而卻要與老年人繳納相同金額的保費，很顯然地年輕人所繳納的保費可能高於理賠金額，變相地年輕人被老年人搭了順風車。

然而若B家保險公司能根據年齡、性別、病史這些可以作為分群篩選的條件，放入數學模型中做計算，將一個龐大的群體群切分的足夠精細，將諷險屬性相同的人放在一起，例如同屬年輕人群體之中的成員，由於彼此的風險屬性很相近，所以繳納的保費理應能獲取合理的理賠金額，因此B家保險公司的商品對於年輕人群體將更具有吸引力。

因此保險公司時常會需要透過用一連串的問題或蒐集足夠豐厚的數據，目的在於設計出多樣化的區隔條件，作為精算模型計算保費時使用，致力於把大群體中具備不同程度風險屬性的成員劃分的足夠精細，讓同屬該群體成員的所具備風險屬性越相似越好，所設計的險服務費用也就越合理，保險公司所推出的保險服務也就更具吸引力。

但光把群體劃分的足夠精細還不夠，保險公司還必須使用加總(Aggregation)才能將同屬該群體成員的風險得以分攤，我們知道其實購買保險是一種風險轉嫁的方式，將我們未來可能會發生的各類風險，選擇對應的保險商品，將風險轉嫁給保險公司來承擔，然而當保險公司所劃分出的群體裡面所包含的成員數不夠多時，將會發生什麼事情？

當該群體成員數量不夠多時，意味保險公司要承擔該群體投保人申請理賠的風險就越大，保險公司能從該群體所賺取的保費收入也就越低，因此保險公司希望同一個風險群體內，所包含的成員數能夠越多越好，只要成員數足夠多時，就能夠符合大數法則，讓該群體的風險平均分攤到每位成員身上，降低理賠的機率的發生，保險公司也就能越精準的計算該群體每位成員的所能獲得賺取的期望收益是多少。

保險公司為何會需要精算人員或精通統計模型等人才，是為了能夠打造一套精準的數學模型，有效地把一個大的風險群體進行地區隔(Segmentation)與加總(Aggregation)，只要把不同人群所具備的風險屬性劃分的足夠精細，且同屬該群體的成員數足夠多時，保險公司就能有效衡量該情境下發生風險時需繳納的合理保費與收益，也就能提供顧客更合適且優質的保險服務。

但過往保險公司只能透過列出一長串的問卷問題，如有結婚嗎，是否有家族病史等，讓顧客在投保前先完成問卷填答，保險公司在根據顧客填答的結果，輸入電腦數學模型，計算出一個合理的保費價格，抑或是保險公司只能在技術條件有限的情況下，去蒐集關於該投保群體的數據資料，但由於資訊收集成本的考量，有些條件可能未被納入數學模型的計算條件，例如DNA資料，使得保險公司無法以更精準的方式來衡量與計算該風險群體的獲利性。

然而InsurTech的出現，正好讓保險公司能夠以更低廉的成本，來獲取足夠豐厚的數據資源，作為設計與規劃合適的保險商品，如運用區塊鏈、Open API等各種新興科技，有效地幫助保險公司能夠以更快、更有效地方式去收集不同產業、不同場景的數據，例如取用醫療產業的數據，增加醫療保險服務的多樣性。

因此保險服務在InsurTech的衝擊之下，產生了一種「保險裂解(Insurance Disaggregation)」的現象，該名詞用於描述保險服務的價值鏈結構，因為共享經濟、自動駕駛、IOT等新興科技的應用，改變傳統保險服務衡量與評估群體風險與獲利價值的方式。

例如上述新聞中有提到的Tesla電動車保險案例，Tesla電動車本身有包含自動輔助駕駛的功能，能夠幫助駕駛人更好地控制車輛的行駛，然而過往保險公司在提供車險服務時，無法有效收集與評估當車輛有裝配自動輔助駕駛功能後，發生交通意外事故的機率是多大，來計算合適的保費與獲利性。

「外部性」一詞為經濟學中用來描述因為一個人的行為直接影響他人的福祉，而產生正面或負面的影響。

以汽車保險為例，保險公司雖然應用了InsurTech技術，能有效地收集了關於電動車車主的行車資料，來提供專屬電動車車主的保險服務，但這也有可能導致因電動車而發生交通事故的風險，原因在於保險公司在技術條件有限的情況下，要精準地把開車群體劃分為是開哪類型的車會耗費許多成本，然而當InsurTech提升收集各種類型數據的效率後，保險公司就能夠突破原本無法將群體更加精細劃分的限制，而設計出了新的屬於電動車車主的保險服務。

但這也可能造成原本開電動車的人，原先所適用的保險理賠金額與條件，或許只能涵蓋70%損失，無法承擔他因為交通事故意外而造成的所有損失，因此他們在開車時會格外地謹慎小心，然而在保險公司推出電動車車險理賠的服務後，可能讓既有只能涵蓋70%損失的理賠金額，一下子提高到能涵蓋100%損失，當電動車車主能夠完全地把發生意外交通事故的風險轉嫁給保險公司時，或許他們就不會再像以往保持良好的開車習慣，導致因電動車而造成的交通意外事故的案件與比例逐漸上升，這樣因為一個人的行為直接影響他人的福祉，並產生了負面的影響，我們稱其為「負面的外部性」。

經濟學中有一個名詞為「稀缺」，用於描述這個世界上任何一種資源都是有限的。

保險公司所提供的保險服務也是一種資源，因此保險服務也是稀缺的，而InsurTech恰好讓保險公司能夠以更精準地方式運用區隔和加總的手法，把有限的保險資源分配到能獲取最大效益的風險群體之中，但卻也造成因過度的區隔和加總這些風險群體，導致原本理應受到保險服務保障的成員，被劃分到高風險或無獲利的群體中，被保險公司列為拒絕投保，或是貼上高風險族群的標籤，造成保險服務失靈的現象。

以醫療保險為例，在InsurTech尚未蓬勃發展時，保險公司只能在技術條件有限的情況下，去蒐集關於該投保群體的數據資料，但由於資訊收集成本的考量，有些條件可能未被納入數學模型的計算條件，例如DNA資料，因此原本同屬於該群體中的A成員與B成員，理應都能獲得保險公司所提供的醫療險服務。

但當保險公司擁有了InsurTech這項新武器，能有效降低資訊收集成本，把原本不考量的DNA資料，重新納入了數學模型中做為計算條件，藉由數學模型精算的結果，把原本屬於同一群體的A成員與B成員，劃分成兩個不同的群體，且A成員所在的新群體人數足夠多，因此A成員還是能夠享受到醫療保險的保障，但B成員所在的新群體因風險太高，保險公司不願承擔其轉嫁風險，故給予B成員「拒保」的回覆。

InsurTech確實讓保險公司的服務更加具有競爭優勢，讓保險公司能以更加有效率的方式來收集資料，以更精準地將群體風險進行區隔和加總，有效地將群體風險平均分攤到每個人身上，並推出更多樣化且優質的保險服務，提升保險服務的獲利程度。

然而InsurTech卻也可能造成真正需要獲得保險服務的人，因其所要承擔的風險太高而被排除在外，導致保險服務失靈的現象，又或是投保人因享受完全的風險轉嫁，而忽視風險的存在，額外地產生了一些負面的外部性。

為了避免類似情況，有些保險公司會在保險服務中設計一些獎勵機制，例如保持良好的開車習慣，降低交通意外事故發生的機率，就能夠獲得比較便宜的保險費用，這種藉由獎勵投保人能夠控制自身行為，在受到保險服務保障的同時，又不會造成社會大眾的困擾，有效降低負面外部性的產生，我們將其稱為「外溢保單」。

抑或是提高原本保險服務的風險貼水，來給予這些高風險的醫療族群保險服務，風險貼水一詞原本是用來描述投資者對投資風險程度程度所要求的報酬率，因此套用於高風險的醫療族群的投保情境當中，保險公司若要承擔他們的投保，勢必會承受較高的風險，因此會提高保險服務的風險貼水，來補償保險公司承擔高風險的壓力，然而這些原本被保險公司列為拒保的高風險族群，將能享受到保險服務所帶來的保障，降低發生保險失靈的可能性。

因此保險公司在應用InsurTech加速保險服務發展的同時，還需思考該如何避免保險失靈或負面外部性的情況發生，才能夠在兼具服務多樣性與市場競爭力的同時，又可以充分體現保險服務的價值。