保險科技視角下壽險公司聲譽風險防范研究

翁志超 林 瑩 福州大學經濟與管理學院

一、引言

近年來，保險科技發展迅速，逐漸成為未來保險業轉型升級和創新的關鍵因素。2021 年12 月29 日，中國保險行業協會在《保險科技“十四五”發展規劃》中提出，要增強保險價值鏈創新的科技支撐，提升科技應用風險管控，增強人民群眾對數字化、網絡化、智能化保險產品和服務的滿意度，讓保險科技真正賦能保險行業高質量發展。科技是一把“雙刃劍”，保險科技也不例外。一方面，保險科技賦能保險行業，推動保險行業創新發展，降低保險公司的聲譽風險；另一方面，保險科技使保險市場上的風險總量和結構發生變化，大量以客戶為中心的數據和賬戶服務會帶來新的風險，從而可能會加大保險公司的聲譽風險，需要有與之配套的風險防范體系。

聲譽風險作為當今保險公司面臨的難以量化的顯著風險之一，已被納入風險綜合評級體系。早在2014年2月，原中國保監會就印發了《保險公司聲譽風險管理指引》，強調了保險公司聲譽風險的重要性。償二代也將聲譽風險納入了監管框架。2021 年2 月，中國銀保監會制定《銀行保險機構聲譽風險管理辦法（試行）》，要求保險機構注重提升聲譽風險管理水平，有效防范化解聲譽風險，維護市場信心和金融穩定，要求我國監管機構將保險機構的聲譽風險管理納入法人監管體系。對此，有必要對保險機構的聲譽風險防范問題進行進一步研究。

鑒于以上現實背景，考慮到壽險公司經營存續期更長的產品，面臨更加復雜的風險。本文以壽險公司為研究對象，試圖回答以下幾個問題：第一，保險科技和壽險公司聲譽風險如何量化；第二，保險科技與壽險公司聲譽風險之間究竟是什么樣的關系；第三，保險科技對壽險公司聲譽風險的影響是否具有異質性。解決這些問題對壽險公司防范聲譽風險、促進保險科技更好地賦能壽險公司發展具有重要的理論價值和現實意義。

二、文獻綜述

現有關于聲譽風險的研究主要集中在聲譽風險的重要性研究和量化研究。在對聲譽風險的重要性研究上，Dinah和Nadine（2018）通過文本挖掘方法，發現年度報告中反映的聲譽風險管理的意識和重要性在過去十年中增加了。Szwajca（2018）指出，在當前的數字時代，隨著互聯網和社交媒體的發展，公司聲譽面臨著許多威脅，對聲譽風險有效管理的重要性和需求日益增長。在對聲譽風險的量化研究上，現有的量化方法主要包括三大類：第一類是運用單一財務指標來量化（畢翼，2013）；第二類是將其作為操作風險的子風險進行估計，利用統計學方法如蒙特卡羅模擬方法計算聲譽風險造成損失的概率（Kunitsyna 等，2018）；第三類是構建聲譽指數體系（Fombrun，1998；Zaby和Pohl，2019；仲賽末、趙桂芹，2020）。

國內外學者對保險科技影響保險公司的研究主要分為理論研究和實證研究兩個部分。理論研究部分主要分為以下三類觀點。第一類是保險科技具有雙面性（許閑，2017；唐金成、劉魯，2019；F.John，2019；Hugh，2020）。一方面，它能賦能保險行業，重塑保險業態，完善保險產品與服務，給保險行業發展帶來機遇；另一方面，它會給保險公司帶來一定的風險和挑戰。第二類是保險科技具有正面影響。保險科技能給消費者更多選擇和更高的滿足感，加快保險公司在產品設計、風險管理、理賠管理等流程上的創新發展（Veselina和Peter，2017；Stoeckli 等，2018；趙大偉、杜謙，2020）。王麗輝（2018）指出，保險科技發展沖擊了傳統保險業的盈利和經營模式，能使更多邊緣客戶受到關注，在一定程度上改善傳統保險市場的“長尾問題”。Robyn 等（2019）認為，保險科技能夠緩解保險業存在的信息不對稱問題。王媛媛（2019）指出，新技術賦能傳統保險業務能提升保險行業的效率和質量，提升客戶服務體驗，增加客戶黏度。胡芳等（2021）指出，保險科技能通過新技術優化健康產業的營銷渠道、個性化定價，減少銷售誤導，降低人為失誤，提升保險公司的經營效能和風險管理水平。第三類是保險科技帶來了挑戰和風險。李計和羅榮華（2019）認為，保險互聯網渠道魚龍混雜，存在個別營銷員誤導消費者的現象。劉孟飛（2021）研究發現，金融科技帶來新的風險，使保險市場變得日益復雜化。

實證研究部分主要包括以下三類。第一類是影響經營績效。賈立文和萬鵬（2019）研究發現，保險科技在新技術賦能階段能顯著提升財險公司經營績效。謝婷婷和趙雪莉（2021）進一步研究發現，保險科技對中外資財險公司經營效率的影響存在差異性。孫明明等（2022）研究發現，保險科技對保險公司經營效率具有正向促進作用，且對壽險公司作用更為顯著。第二類是影響風險承擔。完顏瑞云和鎖凌燕（2019）研究發現，保險科技總體上能顯著提升保險公司風險承擔水平。第三類是影響創新發展。毋辰燕和王華麗（2020）研究發現，科技創新提升保險公司的成長性綜合能力。Li等（2020）指出，互聯網金融促進傳統保險業創新發展。孫明明等（2021）研究發現，保險科技發展與保險公司產品創新能力之間存在顯著的正相關且對壽險公司的積極影響更大。

上述文獻為本文的研究提供了有益借鑒，但在保險科技視角下，缺乏對保險科技與保險公司聲譽風險關系的研究。本文對此進行了拓展，將保險科技這一因素納入壽險公司聲譽風險防范研究中。

三、理論分析與研究假設

（一）保險科技與壽險公司聲譽風險

保險科技是指通過大數據、人工智能、物聯網、區塊鏈等創新技術，以保險營銷、保險產品創新、保險理賠和服務、保險公司風險管理等為切入點，改善保險行業生態，為保險公司提供特定解決方案。

首先，保險科技作為金融科技的一個重要分支，它能促進保險營銷體制改革。根據代理理論和信息效應理論，金融科技的發展有助于降低信息不對稱性，減少違規行為的發生，規范公司經營行為，改善公司服務和經營效率（牟衛衛、劉克富，2021）。根據長尾理論，保險科技應用擴大了保險服務和產品的覆蓋范圍，有效改善保險市場的“長尾狀況”，增加保險公司的盈利。代理人制度是保險公司傳統營銷體系的核心，由于保險消費者的潛在性、分散性和不確定性以及保險產品的無形性、復雜性，在傳統保險經營模式下，保險公司只能通過代理人來進行產品銷售，客戶體驗較差（趙大偉、杜謙，2020）。客戶是保險公司利潤的源泉，保險公司營銷管理的重要內容是吸引和留住客戶。保險科技的出現取代了人力，起到“去中心化”的作用，真正做到“以客戶為中心”，優化客戶體驗感和服務滿意度，防范保險公司聲譽風險。

其次，保險科技能加快保險公司產品的開發和創新。根據技術擴散理論，保險公司引入保險科技能促進自身的技術升級，助推公司和行業前進。保險科技有助于提高保險產品創新效率與精準度，滿足過去無法滿足的產品多樣化需求（孫明明等，2021）。大數據技術的應用幫助保險公司進行產品個性化定制及創新，改善保險公司產品和服務，防范聲譽風險。

再次，保險科技有助于改善保險公司與消費者關系。保險科技能幫助消費者提高生活品質，改善其消費行為，增加其消費價值（許閑，2017）。保險科技有助于消費者進行自身的風險管理，降低可能存在的各類風險。保險科技產品的便捷性給予消費者更多的選擇空間，幫助降低消費者的道德風險和逆向選擇，改善保險公司與消費者關系，防范保險公司聲譽風險。

最后，保險科技能提升保險公司風險管理水平。保險是經營風險的行業，傳統保險業主要集中防控道德風險、逆向選擇、操作風險及投資風險等。保險科技的應用能使這些風險得到一定程度的緩解甚至消除。保險科技還能幫助改進保險業的風險管理技術，從而有望防范行業整體聲譽風險。基于上述分析，本文提出假設1：保險科技能防范壽險公司的聲譽風險。

（二）不同股權性質的壽險公司的保險科技與聲譽風險

國外的保險科技起步較早，外資壽險公司在經營中積累的經驗和技術等更加成熟，但提升空間也相對較少。從經營范圍來看，外資壽險公司的市場占有率和規模保費要小于中資壽險公司，保險科技應用的潛力也小于中資壽險公司。從服務對象看，相較于中資壽險公司，外資壽險公司的客戶主要是高端客戶。保險科技應用的目的之一就在于服務長尾客戶，所以外資壽險公司在應用保險科技時會受到極大約束（謝婷婷、趙雪莉，2021）。基于上述分析，本文提出假設2：保險科技對壽險公司聲譽風險的影響存在股權異質性。

四、研究設計

（一）壽險公司的聲譽及聲譽風險指數構造

1.聲譽評價體系指標選取

企業聲譽是對一個公司相對于參考集團公司與該公司對資源的競爭對一個特定群體利益相關者吸引力的集體評估（Fombrun，1998）。本文將壽險公司的聲譽定義為壽險公司利益相關方對其的一個綜合評價。綜合評價指數越高，說明壽險公司的聲譽越好。本文以Harris-Fombrun的譽商指標體系為基礎，借鑒仲賽末和趙桂芹（2020）等已有文獻研究，引用保險公司的信用評級指標和原中國保監會制定的《保險公司法人機構經營評價指標》，考慮數據的可得性、準確性及可靠性等，構建針對我國壽險公司聲譽水平的評估體系。具體的評估指標體系包括以下八個方面：企業感召力；保險產品和服務；企業工作環境；財務狀況；保險創新和風險；監管處罰；社會責任；行業發展。具體評估指標體系如圖1及表1所示。

本文的二級指標都是在一級指標下選取的。例如，在企業感召力（一級指標）下選取產品市場份額（二級指標）。產品市場份額反映了壽險公司規模的大小，顯然，產品市場份額越大，壽險公司的感召力越大，兩者之間是正相關的，所以本文將其選取為正向指標。反之，綜合費用率越高，產品與服務的成本越高，收益就越小，兩者存在負相關關系，所以，本文將其選取為負向指標。其余的正向指標與負向指標的選取依此類推。除此之外，還有部分指標不能簡單地衡量，本文將其選取為適度指標。例如，再保比例指標。過往的研究表明，再保比例與產品和服務之間并不存在明確的正向或負向關系，而應當存在一個最優的再保險比例。其他指標如銷售渠道、杠桿比率等也存在類似的結論，即二級指標與一級指標的正負向關系不能確定，所以本文都將其選取為適度指標。

?圖1 壽險公司聲譽水平評估指標體系

?表1 壽險公司聲譽指數構造指標

2.指標標準化處理

為了讓數據具有可比性，首先對指標數據作正向化和無量綱化處理。根據以往文獻，本文采用最常見的極差法來對定量數據進行歸一化處理，如公式（1）至公式（3）所示。

其中，Xtij為第t年第i個壽險公司的第j 個評價指標的原始指標值，xjmax、xjmin、xj適對應樣本期內j指標的最大、最小和適度值，其中，xj適用各個指標在樣本期內的均值來表示，Xtij為歸一化后的指標值。

3.指標權重確定

如表1 所示，聲譽指數的構造體系包含一級指標8 個，二級指標29個。在賦權方法選擇上，考慮到主觀法缺乏客觀性，客觀法過度依據樣本差異，指標的重要程度與樣本的差異程度之間可能不相符。為實現二者的統一，采用“乘法合成歸一化法”確定綜合權重wj綜合。綜合權重如公式（4）所示，其中，主觀權重為wj主觀，客觀權重為wj客觀。

（1）主觀權重

為了全面反映各個指標的貢獻，借鑒仲賽末和趙桂芹（2020）以及范合君和吳婷（2021）等的研究，本文以二級指標的貢獻率為權重，采取等權重法。

（2）客觀權重

考慮到熵權法和CRITIC 法在客觀賦權上的均等地位，二者可以互相彌補不足，實現客觀賦權法間的優勢互補。客觀權重的計算如公式（5）所示，其中，熵權法權重為wj熵權法，CRITIC 權重法權重為

4.聲譽指數的構造

根據標準化及確定的權重可以構造各壽險公司的聲譽指數Repuit，如公式（6）所示。

5.聲譽風險指數的構造

聲譽風險源于利益相關者的期望與公司績效之間的差距，當公司未能滿足特定利益相關者的需求時，就會產生聲譽風險（Szwajca，2018；Zaby 和Pohl，2019）。良好的聲譽會使企業面臨聲譽風險的可能性更高，高聲譽意味著承擔更大的責任風險（Nobanee 等，2021）。據此，本文在借鑒仲賽末和趙桂芹（2020）構造聲譽指數的基礎上，根據夏普指數和期望方差模型構造壽險公司的聲譽風險指數。構造方法如公式（7）所示。

其中，Repuriskit為第i家壽險公司第t年的聲譽風險指數，Repurate、Repuratemean和σRepurate分別為聲譽指數Repuit的變化率、變化率連續三年的滾動均值和滾動標準差，這里參照邊文龍和王向楠（2017）的滾動方法（樣本當年以及前兩年）來計算均值和標準差。再對該指數進行歸一化處理得到樣本壽險公司2016年至2020年的聲譽風險指數。該指數越大，聲譽風險越小，反之則越大。

（二）數據來源與樣本選擇

1.數據來源

保險公司數據從2013年至2021年《中國保險年鑒》《中國統計年鑒》以及原中國保監會和各保險公司信息披露數據中獲取，均為公開可得數據。

2.樣本選擇

綜合考慮數據可得性和有效性，本文樣本選擇2012年至2020年財務及相關數據相對完整的50家壽險公司。所選樣本公司均在2012年前已經開業以保證可以獲取到年度財務數據。對除虛擬變量外的其他變量數據在1%和99%處進行縮尾處理，以降低異常值對樣本公司真實經營狀況的影響。

（三）變量選擇

1.被解釋變量

聲譽風險指數。上文構造的歸一化后的聲譽風險指數（Repuriskit），限于篇幅在此只展示聲譽指數（Repuit）及聲譽風險指數（Repuriskit）測算結果的均值。如表2 所示，結果表明指標構造符合實際情況，說明上述賦權方法具有合理性。從構造的聲譽風險指數看，中國人壽、平安人壽、人保壽險、太平洋人壽、太平人壽等聲譽指數較大的壽險公司，聲譽風險指數排名并不靠前，說明對于聲譽良好的壽險公司來說，聲譽風險依舊是存在的，甚至高于聲譽指數較低的壽險公司。所以，對于聲譽良好的壽險公司來說預防聲譽風險同樣重要。

2.解釋變量

保險科技指數。以往學界對于保險科技的研究相對較少，本文借鑒金融科技指數的構造方法，為獲取比較準確科學的指數，采用北京大學數字金融研究中心編制的省級層面的數字普惠金融指數的保險分項來構造各個保險公司的保險科技指數。考慮到壽險公司經營范圍覆蓋多個省份，而保費收入是評價保險機構經營業績的重要指標，本文以保險公司在各省份地區的保費收入占保險公司保費總收入比重為權重來計算其加權保險科技指數，以反映各個壽險公司的實際情況。下文采用數字普惠金融總指數作為保險科技的代理變量并進行相同處理。

3.控制變量

本文參照已有相關研究，借鑒譚英平（2013）等從經濟發展環境、金融市場環境、政府政策環境、社會信用環境四大保險生態環境要素中選擇可能影響壽險公司聲譽風險的宏觀控制變量，包括國家總體宏觀經濟發展水平（ZGDPgro）、通貨膨脹水平（Logcpi）、展業區域經濟發展水平（GDPgro）、存貸款余額占GDP 比重（Fin）、政府教育支出占財政支出比重（Edu）及政府監管支出占財政支出比重（Govern）。在微觀層面，借鑒以往研究選取壽險公司的微觀特征控制變量，包括資產規模（Size）、經營時間（Age）、投資收益率（ROI）、資產增長率（Asgro）、董事會規模（Bsize）、獨立董事比例（Indep）、監事規模（Jsize）及高級管理人員規模（Manage）。具體控制變量及定義如表3所示。

?表2 樣本壽險公司平均聲譽指數、平均聲譽風險指數及排名

?表3 各類變量及定義

（四）模型設定

為了檢驗假設，本文設定檢驗模型主要考慮到可能存在遺漏變量或代理變量測量誤差所導致的內生性問題，選用固定效應模型。回歸方程中加入了一些控制變量，這些變量都是以前的文獻中認為可能影響壽險公司聲譽風險的其他因素，設計方程如公式（8）所示。

其中，i為壽險公司，t為年份；Repuriskit表示壽險公司的聲譽風險指數，核心解釋變量Itechit表示保險科技水平，Controlit表示壽險公司宏觀經濟變量和微觀特征變量；uit表示壽險公司固定效應，εit為隨機誤差項。

五、實證檢驗與結果分析

（一）描述性統計

表4 給出了各變量的描述性統計結果。樣本中壽險公司整體的聲譽風險指數（Repuriskit）較低，均值為0.483，各壽險公司各年份的聲譽風險指數存在著較大差異，標準差為0.349。保險科技指數（Itechit）及其代理變量（Itechit1）的平均值均小于中位數，說明保險科技指數呈現左偏分布，即超半數的保險科技指數大于平均值。可以認為，保險科技指數整體向好。由于控制變量不是本文的研究重點，所以此處不對其進行詳述。

?表4 各變量的描述性統計結果

（二）全樣本檢驗

從表5全樣本基準回歸結果可以看出，當期保險科技指數與聲譽風險指數正相關，估計系數均在10%置信水平以上通過了顯著性檢驗。這意味著，當期保險科技發展水平（Itechit）總體上與壽險公司聲譽風險（Repuriskit）是正相關的，即保險科技程度越高，壽險公司聲譽風險越低。從控制變量上看，資產規模（Size）在5%置信水平上顯著為正，投資收益率（ROI）在10%置信水平上顯著為正，說明規模大的壽險公司的聲譽風險相對較低，提高壽險公司的盈利能力對壽險公司防范聲譽風險具有一定作用。

（三）分組檢驗

為進一步分析保險科技對于股權性質不同的壽險公司聲譽風險的影響效果，本文將壽險公司分為中資和外資兩類，對27家中資和23家外資壽險公司樣本數據分組檢驗，回歸結果如表5所示。中資壽險公司子樣本檢驗結果顯示，中資壽險公司的保險科技指數與其聲譽風險顯著正相關，且系數略大于全樣本的檢驗結果。外資壽險公司子樣本檢驗結果顯示，保險科技發展程度與外資壽險公司聲譽風險之間關系不顯著。以上結果證實了假設2，說明保險科技對中資壽險公司的影響效果要優于外資壽險公司。

?表5 保險科技與壽險公司聲譽風險：基準回歸

（四）穩健性檢驗

為了檢驗實證結果的穩健性，本文使用變量替換法和建立Tobit模型兩種方法。

1.變量替換法

將原模型采用的省級層面數字金融發展指數保險分項替換為數字普惠金融總指數（Itechit1）進行穩健性檢驗，重新構建面板數據。使用變量替換法后的回歸結果與前文基本一致，說明保險科技發展程度與壽險公司聲譽風險之間關系的回歸結果是穩健的，再次驗證了前文假設。

2.建立Tobit模型

由于上文對被解釋變量做了歸一化處理，此時的聲譽風險指數是截堵數據。在對截堵數據進行回歸時，直接使用固定效應模型的結果可能有偏差，Tobit模型可以很好地解決這一問題。Tobit模型的估計結果表明基礎回歸的結果是穩健的。

（五）內生性檢驗

1.變量滯后

考慮到保險科技對壽險公司的影響可能帶有一定時滯性，并且能緩解反向因果問題。本文借鑒已有文獻，在數據可得的條件下，分別將保險科技滯后一期、二期進行回歸。由表6 所示結果可知，滯后一期的保險科技指數（Itechi,t-1）與壽險公司聲譽風險是顯著正相關的，滯后二期（Itechi,t-2）并沒有顯著的影響關系，表明保險科技對壽險公司聲譽風險的正向影響集中在短期。

同樣，分別對中外資壽險公司進行滯后回歸處理。如表7 所示，結果表明，滯后一期保險科技指數對中資壽險公司聲譽風險的影響系數均在5%水平以上顯著，滯后二期的系數均不顯著，說明保險科技發展對中資壽險公司的積極影響集中在短期。滯后一期和二期的保險科技指數對外資壽險公司聲譽風險的影響系數均不顯著，驗證了假設2，保險科技發展對壽險公司的滯后影響存在股權異質性。

2.工具變量法

借鑒林木西和肖宇博（2022）等的研究，為緩解反向因果帶來的內生性問題，本文選取保險科技指數的一期、二期滯后值（Itechi,t-1、Itechi,t-2）作為工具變量（IV）進行兩階段最小二乘法（2SLS）估計。為緩解由于遺漏變量帶來的內生性問題，本文選取移動電話普及率（Mpp）作為分析的工具變量，移動電話的普及是保險科技發展的基礎，移動電話的普及與壽險公司聲譽風險并不相關，同時滿足相關性和排他性要求。

表8 的內生性檢驗結果顯示，通過內生性檢驗后，保險科技對壽險公司聲譽風險的正向作用在10%的顯著水平及以上依然成立，再次驗證了假設1。在對工具變量法的有效性驗證中，不可識別檢驗的KPLM統計量的P值均為0.000，顯著拒絕“識別不足”的原假設，說明可以使用工具變量法。在以滯后一期和二期的保險科技指數以及移動電話普及率為工具變量的弱工具變量檢驗中，CDF 和KPF 的統計量值分別都大于弱工具變量檢測中10%偏誤的臨界值，可以拒絕原假設，認為不存在弱工具變量問題，驗證了本文工具變量選擇的合理性。

?表6 保險科技與壽險公司聲譽風險：全樣本滯后回歸

?表7 保險科技與壽險公司聲譽風險：子樣本滯后回歸

六、結論與建議

（一）結論

本研究梳理了保險科技與保險公司聲譽風險防范之間關系的理論，并據此提出假設。利用2012—2020年中國50家壽險公司的樣本數據，首先在Harris-Fombrun聲譽評價體系基礎上嘗試利用主客觀相結合的綜合賦權法和期望方差模型對壽險公司的聲譽風險進行量化，接著采用面板模型對理論假設進行較為穩健的實證檢驗，主要結論如下。

第一，基于Harris-Fombrun聲譽評價體系及期望方差模型構建的壽險公司聲譽及聲譽風險評價體系能夠幫助壽險公司量化聲譽及聲譽風險水平。

?表8 內生性檢驗結果

第二，平均聲譽水平高的壽險公司同樣存在聲譽風險。壽險公司需要重視聲譽風險防范。

第三，總體上，保險科技發展與壽險公司聲譽風險之間存在正相關關系，即保險科技發展能防范壽險公司聲譽風險，保險科技對壽險公司聲譽風險的影響存在短期滯后性。

第四，保險科技對不同股權性質的壽險公司聲譽風險的影響具有異質性，保險科技能有效防范中資壽險公司的聲譽風險。

（二）加強壽險公司聲譽風險防范的建議

基于上述研究結論，本文提出以下建議。

第一，要提高對壽險公司聲譽風險防范的關注度。隨著保險科技的不斷發展，壽險公司無論聲譽水平高低，都需從動態視角防范聲譽風險。

第二，壽險公司聲譽風險防范要與時俱進。壽險公司要全方面降低自身的聲譽風險，不斷提高自身投資業務和承保業務的盈利水平，促進自身健康發展。

第三，保險科技目前處在賦能保險行業發展的重要階段，應當充分并且及時發揮保險科技對壽險公司聲譽風險防范的積極作用。壽險公司要將保險科技的各項技術充分運用到日常經營與管理中，使技術賦能壽險公司更長久健康的發展進步，防范聲譽風險。

第四，中資壽險公司要充分利用自己的本土優勢，牢牢抓住保險科技賦予的機遇對自身聲譽風險進行防范。外資壽險公司應當加強與中資壽險公司的交流和合作，使保險科技能在未來更好地發揮聲譽風險防范作用。