《Annals of Actuarial Science》：On technological and analytical innovations in insurance research and industry practice
编辑推荐：
保险科技（InsurTech）行业已历经近十年的发展。尽管取得了初步成功，但该行业目前面临来自全球不确定性和监管调整的挑战，这引发了对可持续利润增长及保险科技持续发展的担忧。本研究从学术和实践两个视角概述了保险科技发展的演进历程。研究人员提出了对超过20,00
保险科技（InsurTech）行业已历经近十年的发展。尽管取得了初步成功，但该行业目前面临来自全球不确定性和监管调整的挑战，这引发了对可持续利润增长及保险科技持续发展的担忧。本研究从学术和实践两个视角概述了保险科技发展的演进历程。研究人员提出了对超过20,000篇已发表文章（包括实践文章和学术文章）的文献计量分析。相较于该领域其他通常仅关注实践或学术发展一面的综述文章，本文综合评述了来自保险科技相关领域（包括人工智能（AI）、物联网（Internet of Things, IoT）以及强大的计算技术）的学术和实践基础文章。研究人员开发并应用了一个关键词提取框架。利用文本分析，本研究评述了优先主题，分析了出版增长发展的稳健性，识别了新兴的保险业务线，并强调了学术和实践发展中的挑战与差距。本研究旨在激励学术界与行业之间的合作，以应对保险科技融入保险业务所带来的挑战。
**保险科技（InsurTech）研究与行业实践的技术与分析创新解读**
**研究背景、现存问题与研究动机**
保险科技（InsurTech）作为金融科技（Fintech）在保险领域的子集，在过去十年经历了显著发展，吸引了数十亿美元投资。然而，全球不确定性、监管调整以及利润可持续性问题对行业持续增长构成挑战。现有综述文献大多单独聚焦学术或实践视角，缺乏对两者的综合比较。例如，Eling与Lehmann（2018）及Eling等人（2022）的综述仅覆盖学术文章，而行业文献综述较少。此外，传统手动文献综述方法在规模上受限，难以捕捉大规模文献中的主题演化和跨领域互动。因此，本研究旨在通过文献计量方法，整合分析学术与实践两类文献，揭示保险科技研究的核心主题、时间动态、区域分布及业务线差异，架设理论与实践之间的桥梁，并为未来合作指明方向。该论文发表在《Annals of Actuarial Science》。
**主要关键技术方法**
本研究采用无监督关键词提取方法。研究人员对比了三种算法：词频-逆文档频率（TFIDF）、KeyBERT（基于预训练语言模型的嵌入方法）和YAKE!（基于单篇文档的统计特征提取）。通过莱文斯坦相似度（Levenshtein similarity）评分比较，YAKE!在学术和行业数据集上均表现最优，最终被选用。学术数据集涵盖10,222篇来自Scopus、EconLit和Web of Science数据库的期刊文章（2000–2025年），行业数据集包含10,842篇手动收集自保险科技杂志、会议材料和咨询公司洞察的实践文章。所有数据经过PRISMA流程去重和筛选。关键词提取后，研究人员构建了学术关键词库和行业关键词库，并分析了出版增长、主题共现网络、时间滞差、区域分布及业务线分布。
**研究结果**
**3.1 趋势分析：出版增长**
通过对比学术与行业出版数量，研究人员发现：2000–2015年间学术文章数量稳定增长，而行业文章数量较低；2015年后行业文章激增，增长率超过学术，且2017年行业文章数量首次超越学术。COVID-19疫情期间行业文章产出暂时放缓，但2022年后快速恢复。学术出版增长受学科分布变化驱动：2015年前经济学、商科为主导，2015年后计算机科学与工程领域占比显著上升。
**3.2 主题分析：关键词云**
基于关键词云和共现网络分析，学术数据集（ACA）高频关键词包括“机器学习”、“深度学习”、“大数据”、“数据挖掘”，强调方法论与政策伦理；行业数据集（IND）则侧重“保险行业”、“保险分销”、“竞争优势”、“客户体验”等商业应用。共现网络显示：学术关键词网络高度互联、聚类良好，以“机器学习”和“人工智能”为中心；行业网络则更集中，以“人工智能”为绝对核心，但跨领域互动较少。
**3.3 主题分析：时间动态**
关键词时间序列分析表明：学术数据集的关键词库持续扩大，但新关键词比例逐年下降；行业数据集的新关键词比例在2015年后加速增长，2023年首次超过学术。重叠关键词比例较低（学术约12%，行业约20%），但近年有所上升。时间滞差分析显示：61.94%的重叠关键词先出现在学术文献中，学术先导关键词的中位滞后约7年，行业先导关键词的中位滞后约3年。术语如“随机森林”滞后16年，“深度学习”滞后10年，而新兴术语如“数字通信”和“区块链”滞后仅1年。
**3.4 市场与研究差距指南：区域发展**
基于学术文章第一作者归属及《世界顶级保险科技公司2024》报告，研究人员分析了区域分布。美国在学术（46.2%）和行业（46%）中均居首位。中国学术占比10.7%但行业仅3.33%，受市场垄断和严格监管限制。印度与法国在学术与行业间表现均衡。英国（学术4.27%，行业13.3%）和新加坡（学术低但行业4%）在保险科技落地方面尤为成功，得益于积极政策与生态系统建设。
**3.5 市场与研究指南：业务线**
按业务线分类（健康、寿险、财产与意外险P&C），学术出版物分布相对均衡，健康保险占主导（47%–55%），P&C比例逐渐上升。行业出版物则高度集中于P&C（80%–90%），反映其盈利能力强、开发周期短。2022年后行业在健康与寿险领域的比例有所增加，可能与数字健康技术普及和后疫情时代长寿风险关注有关。
**3.6 人工智能与未来方向**
学术AI研究涵盖机器学习和深度学习在定价、风险分析、欺诈检测及远程信息处理承保中的方法论与评估工作；行业AI则以“人工智能”原始形式被高频引用，生成式AI（GenAI）成为新兴热点，关注运营效率提升，但大规模部署仍处于测试阶段。未来需通过公平性指标（如人口统计平权差距）、模型校准和漂移测试等学术成果向商业应用的转化，以及监管框架建设来推动AI落地。
**总结讨论与结论翻译**
研究结论指出：保险科技仍处于早期发展阶段。本研究通过关键词提取框架系统评述了学术与实践文本信息，发现2015年前学术出版量远超行业，此后行业产出激增，计算机科学与工程领域成为学术主力。COVID-19疫情导致行业活动短暂减少，但2022年后迅速恢复。学术聚焦复杂算法建模，导致与实践者的差距扩大，行业则更关注盈利与市场趋势。网络分析显示学术关键词结构良好互联，而行业网络更集中且刺激驱动。为弥合鸿沟，研究人员建议通过行业-学术合作项目、跨学科培训及政府支持的监管沙盒（如英国金融行为监管局沙盒、新加坡金融管理局沙盒）来促进知识转化。未来方向在于构建迭代学习生态系统，使行业识别挑战、学术系统研究解决方案、实践整合验证洞见，实现双向进步。尽管数据存在覆盖局限和时间标识差异，但研究揭示的出版主题趋同、利润驱动采纳模式及方法论创新趋势应反映保险科技领域的实际规律。
