本篇论文目录导航：
【题目】中国网络保险信用风险的控制研究
【第一章】网络保险信用风险防控分析绪论
【第二章】网络保险信用风险的影响因素及其作用机理
【第三章】信用风险评估方法及其比较
【4.1 - 4.3】网络保险信用风险度量模型的构建
【4.4 4.5】信用风险Logit回归结果与多元线性回归分析
【结论/参考文献】网络保险信用风险的管理研究结论与参考文献
第四章 基于 Logit 模型的网络保险信用风险评估
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。但是我国的网络保险起步比较晚，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，其中信用风险就是诸多主要风险之一，基于互联网技术的网络保险中的信用风险要比传统保险行业中的信用风险更加的复杂，如果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用风险，并对信用风险进行管理，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，我们可以知道影响网络保险信用风险的因素较多，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用风险的主要因素。
4.2 选取模型指标及研究假设
4.2.1 模型指标的选取
最终模型是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用风险主要是针对消费者即投保人来说的，而保险公司面临的信用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用风险的因素很多，所以本文只选取了几个认为是最主要的因素，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说，他们的生活水平比较高，他们不愿意为骗取一点赔偿而对个人信息的造假，对于年龄来说，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较稳定的水平，他们也不太愿意为为了骗取赔偿而对信息造假。对于学历来说，他们更在意自己的名声，不会为了一点利益而对个人信息造假；在性别上来说，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；对于支出来说，支出越多在一方面如果他的收入也多那么他信息造假的可能性较小，另一方面如果他的收入和储蓄较少，那么他存在信息造假的可能性就比较大。
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说，他们不太愿意标的物的造假；对于年龄来说，年龄越大的人对标的物造假的可能性越小；对性别来说，男性更容易存在标的物的造假；对于婚姻情况来说，男性更容易对标的物的造假；对于学历来说，学历越高越不会对标的物造假。对于支出方面来说，如果他的收入和储蓄不足以满足他的支出，那么他对标的物的造假可能性就越大。在对自己的健康状况造假的方面我们假设，对于年龄来说，由于年龄越大，他的身体健康问题越多，他就越容易对自己的健康情况造假；对于性别来说，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自身的健康状况；对于婚姻状况来说，单身的要比有家庭的人更容易对自身的健康状况进行造假；对于学历来说，学历越高越不会对自身健康进行造假；对于收入和储蓄来说，收入和存蓄越多，他们能够支付自身的健康问题，所以他们对健康造假的概率越低；对于支出来说，支出越多说明他的生活水平比较高，所以越不容易对自身的健康造假。投保人在网上投保后故意制造保险事故方面我们假设，对于年龄来说，年龄越大，他的生活相对来说比较稳定，越不会故制造保险事故；对于性别来说，男性要更倾向于制造保险事故；对于婚姻来说，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说，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，由于掌握的专业知识较多，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；对于性别来说，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；对于学历来说，学历越高他们越容易内外勾结骗取赔偿；对于收入、储蓄和支出来说，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他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，就性别来说，男性要比女性更倾向去以他人之名在网上骗取赔偿；就婚姻来看，单身的要更倾向于以他人之名骗取赔偿，就学历来说，学历越高的人他越容易以他人之名在网上骗取赔偿；对于收入、储蓄和支出来说，收入、储蓄和支出与以他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，就性别来说，男性要更倾向于存在其他网络保险合同的违约，就婚姻来说，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筛选，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，自变量可以是离散的，也可以是连续的。而且 Logit 回归模型对数据没有严格的要求，它不需要数据满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用风险模型的最大区别，也是该模型所具有的巨大优势。实际上 Logit 回归模型在很多地方与多元线性回归模型很相似，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，其他的地方基本相似，正是因为这两种模型存在许多相似的地方，所以这两种模型都可以归于广义线性模型（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相似，不同的都是因变量的设立，如果是连续的就是多元线性回归，如果服从二项分布就是 logit 回归，如果是poisson 分布，就是 poisson 回归，如果是负二项分布，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可以了。
4.3.2 网络保险信用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是否存在违约情况，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，我们发现在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用风险的相关研究。
用 STATA 软件的 logit 模块可以建立模型：【1】
其中，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用风险的各个因素； 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，表示诸多因素 ix对于 P 的贡献量。
4.3.3 模型指标筛选
由于模型指标的选择对模型最后的检验结果是否有效有很大的关系，在网络保险的信用风险度量中，能够影响到投保人发生信用风险的因素众多，如果一一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 模型首次运用到网络保险的信用风险的度量中，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用风险的特点，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以下七个指标：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 为居民对自己收入（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，衣着，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己的个人信息造假，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是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是否存在标的物造假，设定 3a 为投保人在购买人身保险产品时是否存在健康信息不真实。考虑到投保人在网上投保后会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是否存在故意制造保险事故。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 为投保人是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 在保险事故发生后是否存在以他人之名在网上骗取赔偿。考虑到在网络保险中还有很多因为投保人的信用问题而给保险公司造成损失的，一一都列出来过于繁琐，所以我们设定 7a 为是否存在网络保险其他方面合同的违约。
