Kerper–Bowron方法：服务合同索赔预估与会计处理的根本性变革

《Risks》：The Kerper–Bowron Method: A Foundational Change for Service Contract Claim Estimation and Accounting John Kerper and Lee Bowron

　　

Kerper–Bowron方法（KB方法）是一项正在申请专利的方法，它通过引入精确的合同级方法来预测预期损失和合同取消，从而彻底改变了服务合同的损失预估和会计处理。本研究基于2007年的一篇前期论文，提出了“已赚合同”公式，该方法与《偿付能力II》（Solvency II）和现代会计准则保持一致。通过利用概率性风险暴露基础和广义线性模型（Generalized Linear Models, GLM），KB方法提高了在全球服务合同市场中，对索赔、取消责任以及其他负债和资产预估的准确性。该方法提供了卓越的精确性、自动化和合规性，重新定义了针对车辆及其他服务合同的精算和财务实践。

**论文解读：Kerper–Bowron方法——服务合同精算与会计处理的范式革新**

**一、 研究背景、问题与意义**

服务合同（亦称延长保修）是全球保险和消费者保障市场的重要组成部分，其年销售额预计到2031年将达到约2500亿美元。此类合同涵盖从车辆到家电和电子产品的耐用消费品的维修、维护或意外损坏。准确的损失预估和收入确认对于保险公司、合同管理方和零售商等各类实体至关重要，这既是业务绩效的要求，也是监管合规的关键。

然而，服务合同领域的传统精算实践依赖于已有40多年历史的聚合收益曲线和块级准备金计提方法。这些方法使用行业平均值或公司汇总经验来估算已赚保费和预期损失，通常带有主观假设。近年来，监管框架加强了对精确性的要求：《偿付能力II》（Solvency II）要求对有限风险实现与理想方程的精确等价；《国际财务报告准则第17号》（IFRS 17）要求对预期现金流量进行类似计算；《美国公认会计原则》下的《会计准则汇编第606号》（ASC 606）要求基于行业应用进行收入确认，对于服务合同而言，这也等同于预期现金流量。现有的聚合方法无法在保持合同级粒度的情况下同时满足这些标准，导致准备金计提、合规和资本管理效率低下。

发表在《Risks》期刊上的这项研究，旨在解决上述矛盾。研究人员开发了Kerper–Bowron方法，以填补传统方法的不足。该方法引入了一个合同级框架，仅使用销售点数据即可生成精确的、按月划分的概率性现金流预测。其主要贡献在于，首次在数学上证明了该方法对于有限、可预测风险，能够实现与《偿付能力II》理想方程的精确等价，同时完美契合IFRS 17和ASC 606的要求。这项研究的意义在于，其提出的“已赚合同”（Earned Contract）公式实现了合同特定的真实预估，无需依赖聚合近似，从而消除了主观调整，提供了可审计的、前瞻性的估计。对于服务合同管理方、再保险公司和金融机构而言，该方法有望减少手动计提准备金的工作量，实现实时权益可见性，并支持跨司法管辖区的合规。

**二、 关键技术方法概述**

研究人员为开展研究，主要运用了以下关键技术方法：
1. **风险暴露开发**：该方法的核心创新是将传统的保单年度风险暴露基础，转变为基于每个合同月份的概率性风险暴露基础。通过利用公开驾驶数据（如普吉特海湾研究数据）拟合对数正态分布，并结合制造商保修条款（期限和里程），计算每个合同在每个估值期内的有效风险暴露。该暴露排除了制造商保修期内或服务合同因超出里程限制而失效的时间段。
2. **模型开发与广义线性模型应用**：研究人员将计算出的风险暴露与历史损失（包含已发生未报告赔款，IBNR）相关联，形成损失成本。随后，使用广义线性模型（GLM）进行建模，通常采用Tweedie分布来直接预测纯保费（每单位暴露的预期损失成本）。模型考虑了诸如初始里程表读数、车辆品牌、合同年龄、免赔额、四轮驱动、承保等级和承保里程/月等多种预测变量及其交互作用。
3. **预期索赔与取消的计算**：基于开发的风险暴露和GLM模型参数，计算未来的风险暴露。这些未来暴露会根据通过历史数据选择的取消率进行调整，以考虑合同取消的影响。调整后的未来暴露乘以模型预测的纯保费，再结合季节性因子和通胀趋势因子，最终形成按月划分的未来损失和取消预估。此外，还单独计算了不考虑取消的未来损失预估，用于某些会计场景。

**三、 研究结果与核心结论**

**2. 已赚服务合同**
研究提出了“已赚合同”的核心概念。该方法的核心是为整个合同期限生成预期现金流序列。通过将合同总损失预测（a）分解为销售后各月的负债预测（f_i），定义了已赚合同百分比（EC_i = f_i/a）。在任意估值时点v，已赚合同部分为截至该时点的EC_i之和，未赚合同部分则为剩余部分。这些初始分配构成了合同整个估值期内各种资产负债表计算的基础。

**3. 服务合同简史**
研究回顾了服务合同市场的发展历程，从早期的默示保修，到20世纪中叶汽车行业推出工厂保修，再到70年代第三方车辆服务合同的兴起。法规方面，1975年的《马格努森-莫斯保修法》明确了服务合同与保修的区分，1995年美国保险监督官协会的服务合同示范法案为各州提供了监管模板。现代服务合同覆盖范围广泛，并呈现出覆盖多样化、第三方管理普及以及基于数据的定制化与创新趋势。

**4. 服务合同的美国及全球会计准则**
研究梳理了服务合同的会计标准演变。在美国，ASC 606（2019年全面采用）要求基于履行履约义务（即支付索赔）来确认收入，这需要预估未来现金流。在全球，IFRS 17（2023年生效）对保险合同（包括转移保险风险的服务合同）提出了类似的现金流估计要求。这些标准都强调精确的、基于合同的现金流预测。

**5. 服务合同的现行精算实践**
**5.1. 美国法定会计——SSAP 65**：SSAP 65规定了长期合同（包括大多数服务合同）的未赚保费准备金测试，包括退款测试、比例测试和折现后的预计未来损失与费用测试。准备金需取三者最大值。这些测试通常在聚合层面进行。
**5.2. 收益曲线**：会计估计通常基于“收益曲线”，这是一种收入确认实践。曲线决定了合同生命周期内收入确认的比例。最佳实践是使用精算或统计基础来确定这些曲线，但传统方法仍依赖于聚合数据。
**5.3. 欧洲服务合同精算实践**：欧洲精算师使用类似技术，蒙特卡洛模拟更为常见，过度分散泊松模型也有应用，以符合《偿付能力II》的储备金要求。

**6. Kerper–Bowron方法**
**6.1. 风险暴露开发**：详细阐述了如何利用车辆初始里程、制造商保修条款、驾驶模式分布（如对数正态拟合）来计算每个合同每月的概率性风险暴露。公式（9）至（13）形式化地定义了服务合同暴露、制造商保修暴露以及两者之差所代表的有效责任暴露。
**6.2. 模型开发**：重点介绍了使用广义线性模型对纯保费进行建模的过程。模型包含随机成分（Tweedie分布）、系统成分（线性预测器）和链接函数（对数链接）。研究列举了影响车辆服务合同损失成本的关键变量，并强调了模型验证和提升分析的重要性。
**6.3. 按估值期计算预期索赔和取消**：说明了如何将未来风险暴露根据取消率进行调整，并应用GLM模型参数、季节性因子和通胀趋势因子，最终计算出未来损失和取消预估。公式（18）和（19）分别给出了包含取消和不包含取消的预估计算式。研究还讨论了模型应用中的性能表现、系统误差来源（如通胀估计）以及特定模型挑战（如电动汽车的初期可靠性问题）。
**6.4. 非车辆服务合同的应用与暴露调整**：指出KB方法同样适用于车辆服务合同以外的各类服务合同，如手机、家电、家庭系统、商用设备等。对于这些合同，暴露调整需根据具体业务线进行，例如意外损坏保障部分不受制造商保修影响。

**7. Kerper–Bowron方法对财务报表的影响**
**7.1. 与《偿付能力II》第77条第2款的等价性**：研究证明，KB方法按月估算的服务合同现金流，在功能上等同于《偿付能力II》第77条第2款要求的“未来现金流概率加权平均值”。对于足够数量的合同，KB方法能够实现与该“理想标准”的功能性匹配。
**7.2. 在ASC 606和IFRS 17中的应用**：由于ASC 606和IFRS 17同样依赖于现金流估计，因此为《偿付能力II》开发的KB方法现金流可直接用于满足这些会计准则的合规要求。研究还简要说明了IFRS 17下通用计量模型的实施步骤。
**7.3. 美国车辆服务合同实例分析**：研究以美国特许汽车经销商销售的车辆服务合同为例，详细剖析了交易涉及的复杂结构，包括客户、经销商、管理方、信托、保险公司等多个实体。研究展示了KB方法如何为每个实体（如管理方、经销商、代理商、保险公司、信托）计算其特定的收入确认模式、准备金或负债，突显了合同级方法相较于传统聚合方法在复杂交易结构下的效率和精确性优势。研究还区分了“延长保修”这一特殊案例。

**8. 月度合同与客户终身价值**
研究探讨了KB方法在月度服务合同和客户终身价值分析中的应用。通过将合同“年龄”重新定义为自初始合同购买起的月份数，并引入续保保留率模型来调整未来风险暴露，KB方法可以扩展到估算与客户关系生命周期相关的未来负向现金流（索赔、取消及可变费用），进而结合未来收入预测计算客户终身价值。

**四、 讨论与结论总结**

在讨论部分，研究人员总结了Kerper–Bowron方法的贡献与影响。该方法为服务合同索赔预估和会计处理提供了根本性的进步。

**研究结论如下：**
Kerper–Bowron方法在服务合同索赔预估和会计处理方面提供了基础性的进步。其贡献包括：实现了与有限风险精确《偿付能力II》等价性的功能对等；用可审计的、合同特定的预测取代了聚合近似；对准备金准确性、合规性和资本效率具有变革性意义。实际应用扩展到实时权益可见性、自动化监管报告以及再保险信托内的潜在贷款解决方案。已识别的KB方法扩展包括客户终身价值模型以及本文范围之外的其他应用，如制造商保修应计项目。未来的工作包括跨不同合同类型和司法管辖区的全面实证验证、与人工智能驱动的预测集成，以及探索在服务合同和保修领域更广泛的应用。KB方法提供了客户级交易的统计估计。另一个类似的过程是客户终身价值会计，但总体上超出了服务合同的概念。客户终身价值会计使用回归分析、生存分析或马尔可夫链等统计模型，估计企业在客户整个关系期内预期的总收入，广泛应用于零售、电子商务和订阅服务等行业。KB方法与客户终身价值会计不同，因为这些估计较少依赖于公司绩效（例如，维持可接受的订阅产品）。KB方法不是估计未来收入，而是估计未来支出，即索赔和取消。这项工作桥接了理论严谨性和实际相关性，为现代风险管理提供了一个强大的工具。