健康、意外保险惜赔识别.docVIP

健康、意外保险惜赔识别 【摘 要】保险公司理赔过程中时常遭受惜赔责难，本文对实证调研的2000—2011年258个健康、意外保险理赔诉讼样本进行描述性统计和回归分析，发现：程度不等惜赔案件179例，其中拒赔126例，减赔53例，拒赔远多于减赔。惜赔金额均值近4万元，判决愿赔总差额与判决总额之比均值为0.5961，惜赔程度偏高。惜赔金额与保险金额、保险费正相关，意外险远低于健康险；团体险高于个人险；长期保险远高于短期保险。对60-70年龄组拒赔率最高，惜赔金额也高于其他年龄段；对工人惜赔率最高，但惜赔金额低于其他职业。一般伤病惜赔率、拒赔率、惜赔金额均低于重大疾病、残疾。对非律师参与惜赔率、拒赔率虽不及律师参与，但减赔率远大于律师参与，惜赔金额也高于律师参与。新保险法实施后保险公司惜赔率、减赔率均高于实施前，惜赔金额亦高于新保险法实施前。 【关键词】惜赔率；拒赔；减赔；惜赔金额 一、引言 随着我国保险市场的快速发展和社会公众法律意识的不断提高，保险理赔诉讼案件日渐增多，典型案件有2003—2004年信诚人寿300万保险合同纠纷、2005年深圳友邦重疾险纠纷、2006年中国保险报连续刊登“保险费自动垫缴”案等。当事人在法庭上各执一词，争论颇为激烈。保险公司败诉消息一经媒体披露，立即遭受惜赔（Underpayment）责难，对保险公司和保险业均造成相当负面影响。保险惜赔是否属实，惜赔程度如何，法院判决具有客观公信力。实证调研并计量分析这些保险公司败诉案件，深入研究惜赔原因，提炼惜赔识别因子，对于妥善解决媒体和社会大众高度关注的欺诈与惜赔争议、和谐理赔当事人关系、促进保险业可持续发展，具有重要的理论意义和实践价值。 本文结构安排如下：第一部分引言，第二部分文献回顾，第三部分研究假设、样本数据与模型设定，第四部分描述性统计分析，第五部分回归分析，第六部分结论。 二、文献回顾 投保方欺诈动机与保险公司惜赔倾向天然对立，二者关于保险赔付额存在看法差异，欺诈和惜赔共存于保险理赔过程。 “保险欺诈（Insurance Fraud）是一个故意利用保险合约谋取利益的活动，这一行动基于投保方的不正当目的”（1992年，蒙特利尔大学，国际保险学术会议）。中国保险业标准化技术委员会对保险欺诈界定如下“投保人、被保险人或受益人故意虚构保险标的，在没有发生保险事故的情况下谎称发生了保险事故，或者故意制造保险事故，或者在保险事故发生后以伪造、编造的有关证明、资料和其他证据来编造虚假的事故原因，或者夸大损失程度，向保险公司提出索赔或给付请求的行为。” 保险欺诈，分为硬欺诈（Hard Fraud，故意编造或制造保险事故）和软欺诈（Soft Fraud，夸大合法的索赔）两种情形。 国际保险欺诈识别，主要采用回归分析方法。Art?s, Ayuso Guillén（1999，2002）采用Logit离散模型识别保险欺诈，为了更好地解决索赔数据缺失情况，他们合作建立AAG模型；Caudill, Ayuso Guillén（2005）进一步扩展为多元选择模型，估计欺诈识别的错误率。Brockett, Derrig, Golden, Levine Alpert（2002）设计PRIDIT模型，采用比对思想研究欺诈概率，顺利解决不同保险公司案例差异情况。Ai,Brockett Golden（2009）将欺诈预测变量分为二元、序数、连续等类别，分类赋值，根据计分（Scoring）汇总结果对索赔案件欺诈程度排序。近年来现场模拟方法（Cowell, 2006）、神经网络技术（Viaene, Dedene Derrig, 2005;Ortega, Figueroa Ruz, 2006）越来越多地应用于保险欺诈识别。 人身伤害保险欺诈识别，关注索赔特征、索赔动因、理赔考虑因素、法律调整影响等。 索赔特征包括软组织损伤与一般外伤（Derrig,Weisberg Chen,1994;Biddle,2001;Crocker Tennyson,2002；Loughran,2005）、律师或医师帮助（Derrig,Weisberg Chen,1994）等，其中软组织损伤很难界定，若有律师或医师帮助，索赔审计（Tennyson Salsas-Forn,2002;Dionne,Giuliano Picard,2003）很难完全识别。 索赔动因包括伤害程度、保险金额、索赔成本、理赔额、家庭经济状况、就业状况（Fenn Rickman,2001;Biddle Roberts,2003）、保险费（Boucher,Denuit Guillen,2009）、宏观经济预期（Smoluk,2009）等。 理赔因素包括被告司机（性别、年龄、过错认定、交通事故地点、交通违章等, Doerp