保险业研究论文

摘要：发展保险业，对投保人转移风险，建设和谐社会，活跃资本市场，以及党中央正在进行的精准扶贫等具有重要作用。作为经济大省的江苏，保险业发展迅速，但也存在着地区发展不平衡、险种匹配不合理等问题。本文通过调查研究提出了相应的建议。今天小编给大家找来了《保险业研究论文(精选3篇)》，仅供参考，希望能够帮助到大家。

保险业研究论文 篇1：

基于DEA方法的中国保险业研究

摘 要：该文通过对我国保险市场市场集中度、市场份额、进入壁垒等指标的考察，分析了中国保险业市场结构现状分析。对保险公司的市场行为、市场绩效进行了分析。发现我国保险市场结构属于寡头垄断型的市场结构，但是，整个保险业的效率却很低。

关键词：保险业；市场集中度；DEA方法

Saunde(1997)采用经济损失率作为绩效的变量实证分析了1984～1993年180个样本保险企业的绩效和市场结构之间的关系。结论支持传统的SCP假说。赵旭运用数据包络模型(DEA)测算了我国主要保险公司的效率，并运用其行为对其进行了解释。陈璐通过实证分析检验这两个假说在我国保险市场中的适用性，认为在我国保险市场存在传统的SCP假说。本文从实证的角度研究我国保险业的市场结构与绩效的关系。

一、中国保险业市场结构现状分析

（一）中国保险市场集中度

保险公司的市场集中度是指在行业内前几家保险公司的数据占行业的相应数据总额的比重。该指标值越大说明垄断程度相对越高；相反，如果指标值越小则说明垄断相对较低。

中国保险市场集中度相当高，前四家保险公司保费总收入占比在0.25以上。按照贝恩的市场结构分类方法，中国保险市场属于极高寡占型市场结构。

（二）规模经济

从表一可以看出，随着保险公司净资产规模的增长，其业务总量和利润总额也成倍地增长，体现了我国保险公司发展中规模经济特征。

（三）进入壁垒

本文中，以保险市场上保险公司的数量来判断我国保险市场进入的难易程度。总体上看，我国保险市场的进入壁垒比较高，但随着我国金融行业的不断开放，保险市场对外和对内开放的步伐全面加快，新批准的保险公司逐渐增多。

二、保险公司的市场绩效分析

（一）衡量市场绩效指标

衡量市场绩效通常采用两种指标:一种是资产收益率ROA，反映保险公司资产利用的综合效果；另一种是净资产收益率又称股东权益报酬ROE，计算公式为:净值产收益ROE=(净利润/净资产)，反映企业所有者权益的投资报酬率。本文用ROE指标。

（二）市场结构与绩效的关系

市场结构与绩效的关系有两种假说，即共谋假说与有效结构假说。

为了检验有效结构假说与共谋假说，我们用下列方程进行估计:

?仔＝?茁0+?茁1CR+?茁2MS+?茁3EF+?琢1X

本文中EF为DEA模型测算的综合效率值。本文中我们用规模效率与技术效率的平均值来衡量综合效率值。用资本收益率(ROE)来衡量银行绩效。市场集中度用赫芬达尔指数即HHI指数表示。市场份额(MS)反映市场的竞争程度的强弱，我们用各保险公司的保费所占市场份额来表示。本文采纳的控制变量包括保险业资产规模、费用率等。

三、实证分析

本文利用EVIEWS 5.0计量软件，采用普通最小二乘法(OLS)经过多次逐步回归，得到回归结果如下表。

上述实证分析表明，共谋假说和有效结构假说在我国保险业中均不存在。少数大的保险公司并没有因规模优势而获得高额利润和高绩效。原因在于长期以来国家对保险业实行严格的进入壁垒，对保险公司的进入实行严格的审批制度。

ROE与EF之所以是负相关关系，原因可能是本文中把规模效率和技术效率统一在一起了。实际上，规模效率与ROE往往为负相关关系，而技术效率与ROE通常为正相关关系。本文为负，说明规模效率大于技术效率。

五、结束语

通过对我国保险市场市场份额、进入壁垒等指标的考察，可以得出目前我国保险市场结构属于寡头垄断型的市场结构，市场集中度和进入壁垒较高。但是通过实证分析，得出共谋假说和有效结构假说在我国保险业中都不存在。我国保险市场的集中度尽管很高，但行业利润率却不高。保险公司的效率与市场集中度不相匹配。

参考文献：

[1]赵旭.关于中国保险公司市场行为与市场绩效的实证分析[J].经济评论,2003,(4).

[2]陈璐.保险产业市场结构和市场绩效的关系研究[J].经济经纬,2006,(6).

作者：喻敏 程颖

保险业研究论文 篇2：

适应新时代，促进江苏省保险业发展研究

摘 要： 发展保险业，对投保人转移风险，建设和谐社会，活跃资本市场，以及党中央正在进行的精准扶贫等具有重要作用。作为经济大省的江苏，保险业发展迅速，但也存在着地区发展不平衡、险种匹配不合理等问题。本文通过调查研究提出了相应的建议。

关键词： 江苏；保险；问题；对策

一、江苏省保险行业发展概况

近年来，江苏省保险行业发展迅速，原保险保费收入持续快速增长，2015、2016、2017年，分别比上年增长18.18%、、35.19%；28.22%，远高于同期全省国民生产总值、人均可支配收入的增长速度。原保险费收入占全国的比重也在逐年提高，分别达到 8.12%、9.31%、9.43%。其中，人身保险又占据突出地位，在2017年全省保费收入中，人身保险占76.40%。详见表1。

二、江苏省保险业发展存在的问题

（一）地区间发展水平不平衡

衡量一个地区保险业发展的指标有二个：一是保险密度，是按地区计算的人均保险费，反映居民参加保险的程度。二是保险深度，是指某地保费收入占该地国内生产总值（GDP）之比，反映该地保险业在整个国民经济中的地位，也反映了该地区经济发展的状况与人们保险意识的强弱。

从保险密度看，2016年，全省人均保费支出2446元，其中最高的南京市为4333元，苏州、无锡、常州均在3000元以上；而地处苏北的徐州、连云港、淮安人均保费支出都在1500元以内，最低的淮安，人均保费支出不足700元。再从保费收入占该市GDP比重（即保险深度）看，苏南地区均在2%以上，其中南京、南通、常州3%；苏北地区基本在2%以内。

从保险深度看，2016年，全省原保险保费收入占国民生产总值的2.57%，其中最高的南京市为3.14%，南通为3.12%，而淮安、宿迁仅有1.78%、1.44%。

从绝对值看，2016年江苏全省的保费收入中，南京、苏州、无锡三市就占了48.25%，其余10个市才占到51%多。特别是淮安、连云港、宿迁，与前述三市差距很大。

（二）经营環境不完善

1.产品繁多，但其结构本质相同

为抢夺保险市场份额，每个保险公司都不断推出花样不同的保险产品，虽然种类丰富，但其本质都很接近，保障范围类同，竞争主要是在保费上展开了拉锯战。产品缺乏个性化，不能能突显企业文化特色，对客户没有吸引力。

2.保险专业人才缺乏

保险业对于从业人员的要求是相当高的。不仅要懂得保险理论，还要掌握与客户进行沟通的技巧，还要懂得其近亲——银行、证券及信托。2016年开始，保险从业资格证考试取消，这也意味着会更多的人进入到保险行业。有些从未接受过保险教育的人经过短期的培训以后进入到保险行业，对保险产品了解的不透彻，没有真正明白保险市场规则，从而影响了客户对公司的信任等等，这些或多或少都会扰乱保险市场秩序；而有些接受过金融保险教育的人又会因为眼界高、社会对保险业的误解等因素，从而选择其他的金融行业，如证券业、银行业等。

3.保险服务不到位

部分保险销售人员对于销售保险产品，总是达不到该有的水准。不少客户明显感觉到保险公司在其购买产品之前是一种态度，购买之后就变成了另一种态度，甚至某些保险销售人员因为自己对产品了解得不全面、不深入，从而给客户传递了错误的信息，造成理赔难，这些都对公司形象以及保险行业产生了极大的影响。近年来，不断被媒体暴光的大陆居民到香港购买人身保险，就有这样的原因。

（三）社会环境有待优化

1.居民保险意识有待提高

由于居民受教育的程度参差不同，对保险的理解也有所不同，部分居民仍然对保险有所误解，亦或是没有发现保险的重要性，觉得对保险产品的投保可有可无。而这些因素或多或少都影响了保险业的发展。

2.居民收入水平依然有待提升

部分收入较低的居民面对“高昂”的保费只能望而却步，就算是咬牙买了几期保费之后，也会因为种种因素，在后期选择退保，带来了极大的损失。部分不理解保险规则的人会在退保的时候觉得被保险公司欺骗了，这也就造成了对保险业的误解。也是保险业发展的一大阻碍。

3.保险公司社会责任感有待提高

有些保险公司一味地追求利润，而忘记了本质是要为投保人服务，忘记了本身在社会上扮演的角色。缺乏社会责任感的保险公司是不会长久的立足于社会上的。

三、加快江苏省保险业发展的对策

（一）发挥新传媒优势，提高居民保险意识

以互联网为主要载体的新传媒已深入到每个人的日常生活中，70后、80后也已成为社会消费的重要生力军，保险公司应制做丰富生动的视听娱乐材料，利用新传媒广告优势，宣传保险的保障功能，提高居民保险意识，并通过服务把潜在需求转化为现实购买力。

（二）积极培育保险人才，完善高校学科体系

一方面注重引进国内外的优秀保险专业人才，组成一支庞大的人才队伍，力争使江苏省成为保险专业优秀人才的聚集地。另一方面，保险公司也可以和各个高校进行合作，定点定向培养保险专业人才。

（三）加大保险产品的创新和服务力度

保险公司应审视自己的社会定位、市场定位和产品定位，推出更多适应新经济、新时代、新客户，具有企业特色的产品；应提高自身的社会责任感，弘扬人文主义精神，做好一条龙的服务。在客户对选购产品时，特别要明确告知产品的保险责任和除外责任。客户出险后，协助客户做好理赔工作，从而达到留住老客户，有开发了潜在新客户的目的。

（四）认真落实国务院促进保险业发展的政策措施

政府对于保险业的扶持主要体现在税收优惠上，具体又分为免税和减税两种。免税是指政府对保险公司的部分收入不征税；减税是指政府对部分保险收益实施较低的税率，两者都能降低保险产品价格、增加保险产品的吸引力、激发保险需求。从2017年7月1日起，国务院将商业健康保险个人所得税税前扣除试点政策推至全国，个人购买符合条件的商业健康保险产品的支出，允许按每年最高2400元的限额予以税前扣除。此外，政府还应支持保险公司开展农业大灾保险试点，提高保险公司参与新型农村合作医疗的深度，积极提高农村保险覆盖率，促进城乡保险业均衡发展，这也是积极贯彻国家“三农政策”的要求。

（五）通过政府购买保险促进精准扶贫，保证江苏“两个率先”顺利实现

由于多种原因，苏中、苏北与苏南的经济发展差距很大，这已影响到全省率先全面实现小康战略目标的实现。为此，必须加快苏中、苏北发展，确保农村低收入人口如期脱贫、脱困。在落实各项精准扶贫、精准脱贫措施方面，要着力解决因病、因残、因灾致贫返贫问题，而政府购买保险就是个有效办法，可以发挥资金的杠杆作用，实现共同富裕。

为促进江苏省保险业快速发展，江苏省政府、银保监会以及各个保险公司都应该采取有效的措施，积极满足高居民对于保险的需求，注重保险产品的开发以及创新，更好更全面地满足居民不断变化地对保险产品的需求，完成居民对保险从潜在需求到现实购买力的转化，进而在总体上不断地提升保险的需求水平。

参考文献

[1]李根忠.从供给管理看保险业的改革与发展——江苏省保险行业发展的调查[J].保险职业学院学报，2017（5）.

[2]王向华，李范东，邓林.基于环保信用制度的江苏绿色保险发展研究[J].环境与发展，2018（3）.

[3]李启涛，唐琳.互联网保险时代的机遇与挑[J].现代营销，2018（3）下旬刊.

[4]杨燕绥.推动城乡居民养老保险制度健康发展[N].中国劳动保障报，2018，4（3）：1.

[5]张顺益，谢向英.互联网保险产品开发问题研究[J]. 福建农林大学管理学院，2017（12）.

作者：史志贵

保险业研究论文 篇3：

基于决策树C4.5算法的大数据保险业模型研究

[摘要]如今大数据背景下客户信息数据呈现指数级增长趋势，盈利企业亟须通过大数据分析发现客户更深层次的潜在信息从而降低客户流失率，尤其是流动率高的保险行业性质企业。保险公司力求稳定增长的市场占有率和经济效益就需要通过数据挖掘来不断发现潜在客户价值，此时数据的多元性和数据量成为有效快速挖掘用户信息的瓶颈。文章引入“数据湖”的概念结合HDFS构建集群式的大数据模型，并引入价值率来对客户进行分析，构建用户画像，帮助公司深度理解客户特征降低客户流失率。

[关键词]大数据；决策树；价值率；保险

[DOI]10.13939/j.cnki.zgsc.2017.02.071

1 引 言

随我国经济快速增长，人民收入不断增加，保险业也呈现出高速发展的趋势，自国内恢复业务以来，保险业相比金融领域的其他行業，取得了不小的成绩。新时代背景下的保险业所呈现出的信息多元化、海量化等特点，使得大量用户信息以指数级增长趋势存在于保险行业，多元化的媒体介质输入导致数据预处理难度加大，用户的兴趣迁移导致构造用户画像模糊，而保险行业竞争日趋激烈，高风险性条件情况下保持客户黏性，降低流失率对企业竞争就显得尤为重要。

传统的商业情报分析往往结合数据挖掘技术对历史数据和已有的用户信息进行挖掘，发现潜在的未知的具有一定商业价值的信息，但由于以往的客户数据信息量较小，信息量更换慢，现有的保险业使用的传统的运营环境和模型难以适应海量数据，以及传统模型运行速度慢，运行代价高，准确率低，挖掘深度不够等都是不容忽视的弊端。近些年，随着大数据技术、人工智能、机器学习在工程和学术界的火热发展，相关的数据模型都发展得十分完善充分，而决策树其良好的鲁棒性，全样本挖掘性，准确度高，实施快捷，运行速度快，实现成本小都是它的优势所在。

故本文首先引入“数据湖”的概念以缓解传统数据处理处理异质数据问题，适应不同数据源存储介质的需求，引入使用可扩展性大数据分析模型获取用户的兴趣迁移特征，应用算法基于CART决策树算法模型并以某保险公司具体用户数据为实例构建应用场景进行模型训练和数据预测，并创新性地引入价值率对用户进行分类解决公司所面临的处理用户海量数据时间较长、效率较低、准确度不高等问题。

2 基于决策树C4.5算法的数据模型

2.1 模型生成描述

数据基本处理：原始用户数据录入，形成基础数据湖，并将数据导入HBase和Oracle数据库中，对数据选取加工预处理并对数据进行选表、选键、连接器层选择以匹配数据模型，通过数据表的前期基本处理清洗筛选形成基础宽表，在形成宽表基础上再对数据清洗机进行标准化处理，对样本数据做简单的描述统计、缺失值处理以及标准化（分层处理）工作。

模型生成：调用Apache Spark 中的Mllib决策树中的类库，根据样本数据和用户情景生成初始模型，对生成的模型进行训练集和验证机选取，我们此处以7/3原则进行选取，对大数据模型进行训练，将数据抽样导出到数据中介Oracle中，将传统的SAS数据挖掘模型训练导入JAR中以便对比，至此基本的模型池生成，经训练测试后的用户反馈信息对模型的各个参数进行调试，并对外发布服务模型，模型中所设计重要参数如表1所示。

数据预测：根据服务模型和用户输入的基本信息属性进行加工，并对模型的预测产生结果集，再根据结果集进行场景信息预测并生成用户画像。

2.2 决策树C4.5算法

3 实证研究

3.1 实验数据

基于某保险公司的用户数据，由于数据本身来源差异和获取方式的不同，导致“数据湖”中本身存在大量的不完整、不一致、含噪声和冗余数据，所以需要对数据进行一个简单的处理分析工作，其一，减少数据集变量间的冗余，方便模型挖掘数据的效率和输出预测信息的简洁；其二，提高数据属性列间的相关性，去掉关联性较高的数据属性列，如保险缴费与收入属性具高相关性；其三，由于决策树模型运行时离散型数据进行处理速率较快，故多连续性数据进行离散化处理。

数据选取基本上对宽表的行列维度数据进行处理，由于在实际过程中对数据生成一个大约20个属性列的宽表，数据选择可以避免数据处理时发生高维数据灾难，并且在数据处理过程中进行部分数据归一化处理，以适应模型的匹配度。见表1。

3.2 分析工具和平台

本模型运行平台基于Hadoop分布式文件系统，其良好的高容错性和高吞吐数据访问比较适合大规模数据集的应用，本模型应用的环境基于HDFS的基本运行环境，使用Python数据处理语言，操作系统版本：CentOS release 6.5（Final），搭建集群6台，各个设备相关信息：Intel（R），E5606，@2.13GHz，2128.000MHz，cache size：8192KB。

3.3 模式评估与应用

算法模型的运行结果展示出哪些因素影响客户流失的决策，通过评估可以得到更为有价值的客户信息，评估方法有准确率，召回率，F1-score，PR，ROC等，其中，真正TP：样本类型被数据模型正确归类预测命中正确类的数量；假负FN：样本类型被数据模型误判为其他类型的数量；假正FP：样本不属于正确类别被数据模型误判为正确类别的数量；真负TN： 样本类型属于正确类别被数据模型误判为其他类型的数量。

全样本数据运行模型的结果展示见表2。

经结果发现这里采用准确率、召回率以及F1_score，抽取用户的预测值与评分值进行模型检验，得到值均在合理值范围，模型运行时间2320.34s，较传统的SAS跑出的34min23s，较为高效，据此此模型可以投入运用。

4 结论与展望

论文借助“数据湖”挖掘模型实现了保险业的用户流失率检测，取得了以下结论。第一，论文建立在HDFS运行环境中，一方面，通过对决策树基本特点的研究，找到了决策树与保险业用户流失率的结合点，建立了基于用户数据湖的大数据模型；另一方面，模型基于开源HDFS环境中，具有良好的可扩展性。第二，根据信息论的相关理论概念引入信息熵和客户价值率，提高对客户数据属性分类的准确性，本文最后结合实例对所提出的模型进行验证，证明数据模型的可靠性。

本文引入“数据湖”的概念以缓解传统数据处理异质数据问题，极好地适应不同数据源存储介质的需求，并引入使用可扩展性大数据分析模型以便适应用户的兴趣迁移，通过数据挖掘技术提高销售净利率，扩大企业市场所占份额，识别客户等级，诚信度和价值率，降低企业风险，预测预警以及制订相应的决策计划，降低用户流失率提高忠诚度，本文基于CART算法模型以某保险公司用户数据具体数据为实例构建应用场景进行模型训练和数据预测，并创新性地引入价值率对用户进行分类解决公司所面临的处理用户海量数据时间较长效率较低准确度不高等问题。

由于时间和硬件环境的制约，本文仍存在一些有待进一步改进和深入研究的地方。第一，论文对于数据挖掘算法采用较为经典的决策树方法，在数据处理时采用常规处理方法难免会导致部分数据的缺失和预测准确率的下降；第二，本文研究中数据均居于有限的数据集，随传输媒介的变化，用户的时间维度并未良好地考虑进去，对用户仍旧缺乏较时间维度及其用户标签等级的良好划分。

参考文献：

[1]孟小峰，慈祥. 大数据管理：概念、技术与挑战[J]. 计算机研究与发展，2013（1）：146-169.

[2]王艳. 中国保险公司制度变迁与创新研究[D].长春：吉林大学，2014.

[3]丁兆云，贾焰，周斌. 微博数据挖掘研究综述[J]. 计算机研究与发展，2014（4）：691-706.

[4]Quinlan J R.C4.5 Programs for Machine Learning[M].California：Morgan Kaufmann，San Mateo，1993.

[5]赵强利，蒋艳凰，卢宇彤. 具有回忆和遗忘机制的数据流挖掘模型与算法[J]. 软件学报，2015（10）：2567-2580.

[6]徐鹏，林森. 基于C4.5决策树的流量分类方法[J]. 软件学报，2009（10）：2692-2704.

[7]陈文伟.数据挖掘技术[M].北京：北京工业大学出版社，2002.

作者：李飞 齐林