《Risks》：From Adverse Underwriting Selection to the Risk of Portfolio Deterioration: Evidence from Group Health Insurance Using Renewal Analytics and Machine Learning Techniques
编辑推荐：
摘要：逆选择承保（Adverse Underwriting Selection）通过将承保组合向高风险个体倾斜并推高理赔成本，对健康保险公司构成重大财务风险。结合区域风险分析、保单续保行为与承保（UW）分析并运用机器学习技术的实证证据仍然有限。本纵向研究通过分
摘要：逆选择承保（Adverse Underwriting Selection）通过将承保组合向高风险个体倾斜并推高理赔成本，对健康保险公司构成重大财务风险。结合区域风险分析、保单续保行为与承保（UW）分析并运用机器学习技术的实证证据仍然有限。本纵向研究通过分析覆盖683个团体（40万份保单及20.8万条理赔记录）五年期的健康保险数据库，填补了上述空白。研究采用组合分析、机器学习与回归建模，识别了具有影响力的承保与人口统计特征、保单续保行为及未来理赔成本估计，并结合逆选择承保进行分析。结果表明，对整体团体采用统一费率结构（uniform rating structure）明显导致损失率（loss ratio）攀升。尤其值得注意的是，生育相关理赔（maternity-related claims）构成最大的组合细分，北方地区41%的理赔将损失率推高至接近100%，理赔强度（claims intensity）达101%，表明存在逆选择承保。数据证实，承保风险因素（UW risk perils）与人口统计特征共同显著影响保单持有人的留存，高风险团体在承保组合中停留时间更长，从而加剧未来负债。因此，保险公司采用结合区域理赔行为与结构化人口统计特征的针对性风险承保，有助于识别新的风险聚集，优化续保与定价决策，从而提升组合的可持续性。
一、研究背景与问题提出
团体健康保险（group health insurance）以单一保单覆盖多个个体，是健康保险市场的重要组成形式。然而，相较于个人保单，团体保单往往面临更高的损失率（loss ratio）与更严峻的逆选择承保（adverse underwriting selection）问题，这在发展中国家同保险人重复续保场景中尤为突出。逆选择承保与同保险人续保被普遍认为是导致团体健康保险高损失率的两大核心驱动因素。理论层面，Akerlof（1970）揭示了消费者对自身健康状况认知不足所导致的信息不对称，可能使高质量低风险群体退出市场；Rothschild和Stiglitz（1976）进一步证明，在信息不对称条件下，保险人提供的"菜单式"保单会使高风险客户自我选择进入保障更全、成本更高的选项。Cutler和Zeckhauser（2000）指出，当高风险成员比低风险成员更倾向留在保险计划中时，理赔池将高于平均水平，推高项目成本甚至使保险人无力承保。
在巴基斯坦，健康保险行业面临成本上升、产品创新不足、承保监控缺失等多重挑战。现有实证研究（Yao 2012；Fischer等2025a）主要聚焦于个人保单与微型保险中的逆选择现象，尚未系统揭示团体保单中逆选择与续保行为、损失率恶化之间的传导机制。此外，传统精算方法在数据稀缺的发展中国家市场中是否能够有效识别风险、改善承保结果，仍缺乏实证检验。基于上述空白，本研究提出三个相互关联的研究假设：H1——历史医疗利用成本越高的高风险团体，重复续保概率越高；H2——高风险团体的重复续保与整体理赔频率和严重度的加速上升正相关；H3——在统一团体定价且缺乏精细化承保（如年龄分布、既往病症、承保因素等）的条件下，逆选择承保将显著推高损失率。
二、研究设计与数据
研究人员从巴基斯坦健康保险行业获取2012至2019年期间约40万个体通过团体健康保单覆盖的数据，包含保费记录及约30万条理赔记录。经严格数据清洗（缺失值处理、重复项检测、错误或零值验证等），最终提取2012至2018年期间683个团体保单中约20.8万保单持有人及对应约30万条理赔记录用于分析。财务数据经公司年报交叉验证，数据集已完全匿名化处理。
三、主要技术方法
研究人员采用多阶段分析方法：首先进行信度分析（Cronbach Alpha）与多重共线性检验（容忍度与方差膨胀因子VIF）；随后构建单变量广义线性模型（GLM）、多变量GLM及多元GLM；运用机器学习中的LASSO L1正则化与RIDGE L2正则化技术进行变量选择与保费、理赔预测；最后基于风险与年龄特定分类测算续保概率，用于衡量逆选择承保。研究还采用广义估计方程（GEE）进行稳健性检验，以聚类稳健标准误处理纵向数据中保单层面的组内相关性。
四、研究结果
4.1 描述性统计结果
4.1.1 生育与非生育风险类别团体客户的损失率统计
研究显示，生育相关理赔的损失率显著高于其他所有风险类别理赔的合并水平。北方地区理赔频率明显高于其他区域。将数据分为选择生育风险类别与未选择生育风险类别的两组客户后，前者损失率达115%，后者为54%，呈现极度偏斜分布（87%对13%）。约41%选择生育风险类别的女性在保单年度内提交理赔，该类别损失率高达117%，而未选择者整体损失率为76%。
4.1.2 续保状态与风险类别描述性结果
理赔频率或严重度较高的团体客户更倾向与同一保险人持续续保。续保客户在住院类理赔中占比平均达65%（新客户仅35%），生育相关理赔中续保客户占比达76%（新客户仅24%）。损失率随损失严重度增加而上升，大团体客户同时呈现高频率与高严重度特征。生育相关理赔的损失率持续处于137%至200%的高位区间。
4.1.3 年龄因素与风险类别描述性结果
年龄分布统计显示，95%的理赔集中在21至40岁年龄组（第三、第四年龄区间），该年龄结构显著驱动生育相关理赔的频率与严重度，对整体财务表现造成极端负面影响。
4.2 推断统计结果
4.2.1 内部一致性检验
Cronbach Alpha系数为0.855，高于可接受阈值，表明数据内部一致性良好，适合进一步分析。
4.2.2 多重共线性检验与回归方法
所有变量的容忍度均大于0.5，方差膨胀因子介于1至2之间，表明模型不存在多重共线性问题。
4.2.3 多变量GLM模型与Logistic回归模型
GLM模型显示，保单人数每增加10%，续保概率平均提高7.5%；Logistic回归模型则显示提高17.7%。保费每增加10%，GLM模型续保概率提高7.8%，Logistic模型提高19%。理赔频率每增加10%，GLM与Logistic模型分别提高续保概率6.6%和15.6%。从非生育保单转为含生育风险类别的保单，续保概率分别提高10.6%（GLM）和24.4%（Logistic）。稳健性检验（GEE聚类稳健标准误）确认理赔频率对续保状态具有显著正向影响（B=0.221，Wald卡方=9.624，p=0.002），支持H1与H2假设。
4.3 LASSO L1与RIDGE L2正则化技术
LASSO分析显示，除性别变量外所有变量均具有非零系数，性别变量因对预测精度无显著贡献而被剔除。理赔金额与理赔严重度与续保状态呈负相关。LASSO ANOVA分析表明，随自变量增加，均方误差从649.445降至176.459。RIDGE回归保留性别变量但系数较小。两种方法一致确认保单月份、理赔严重度、理赔频率、年龄、理赔金额对数及理赔类型为重要预测因子。回归估计显示，理赔频率每增加10%续保概率提高6.3%，年龄组每变化10%续保概率提高7.2%，风险类型收益每增加10%续保概率提高4.6%；而理赔金额每增加10%续保概率下降2.6%，理赔严重度每增加10%续保概率下降7.2%。值得注意的是，约73%的生育相关理赔来自续保客户，且不受保单月份限制，明确提示存在孕前已知状况（pre-existing pregnancy）。
4.4 逆选择承保
风险与年龄特定分类分析确认了逆选择承保的存在。理赔严重度每增加10%，续保概率平均提高1.30%，表明团体规模越大越倾向同保险人续保。住院急性风险理赔每增加10%续保概率提高2.4%，慢性病为3.6%，生育理赔为2.0%。理赔金额（对数）每增加10%，在保单前7个月注册的续保概率提高1.3%，8至9个月注册的提高1.6%。聚类稳健方差估计（588自由度）显示模型整体解释力显著（Wald F=84.265，p=0.000），风险类型（Wald F=460.849，p=0.000）、性别配置（Wald F=13.463，p=0.000）及年龄分布（Wald F=7.562，p=0.006）均为理赔金额对数的独立稳健预测因子。
五、讨论与结论
本研究表明，统一费率结构（uniform rating structure）下，高风险团体通过重复续保持续留在承保组合中，形成逆选择承保的自我强化循环。生育相关理赔作为最大的组合细分，其损失率持续超过100%，严重侵蚀保险人财务稳健性。机器学习方法有效识别了续保行为与未来理赔风险的关键预测因子，证实续保决策并非随机，而是与可观测的风险特征系统性相关。研究将逆选择承保、重复续保与组合恶化三个此前孤立研究的议题整合于统一框架，为巴基斯坦乃至类似发展中市场的健康保险监管与承保实践提供了实证依据。研究建议保险人采用结合区域理赔行为与结构化人口统计特征的针对性风险承保，以识别新兴风险聚集、优化续保与定价决策，从而提升组合的长期可持续性。
