龔 慶，林耿堃

（江西財經(jīng)大學統(tǒng)計學院，江西南昌330013）

隨著新興技術(shù)的快速發(fā)展和科技創(chuàng)新在保險行業(yè)的不斷滲透，市場對于應用型保險人才的需求越來越大。培養(yǎng)應用型保險人才是落實中國保險業(yè)人才戰(zhàn)略和促進現(xiàn)代保險業(yè)發(fā)展的重要舉措［1］。然而目前我國保險專業(yè)教學中存在著教學方法單一、學科交叉性不強和內(nèi)容落后于實踐等諸多問題［2］。應用型保險教學的缺位導致保險專業(yè)畢業(yè)生對進入保險業(yè)存在“營銷至上”的誤解，并產(chǎn)生畏難心理［3］。我國的應用型保險教育仍然處于探索和初步發(fā)展階段，現(xiàn)階段應用型保險課程的開設(shè)應側(cè)重于培養(yǎng)學生利用信息技術(shù)進行保險實務的實驗，并鍛煉學生對保險企業(yè)風險控制的數(shù)理分析和經(jīng)濟效益判斷能力［4］。

一、Python語言課程開設(shè)的必要性

應用型保險教育應注重培養(yǎng)學生的動手能力，并通過強化實驗課程鍛煉學生的保險業(yè)務分析能力［5］。這要求保險專業(yè)的學生不應該只停留于書本上的理論知識，更應該通過實踐掌握保險實務的要領(lǐng)。在開展應用型保險課程教學中，教師應當發(fā)揮引導者作用［6］，組織學生利用工具進行保險定價、規(guī)避風險和提出對策。劉向華（2009）［7］認為金融學科的理論教學要與實驗教學相結(jié)合，要有意識地培養(yǎng)學生的動手能力和解決實際問題能力。但是相較于其他專業(yè)以及保險專業(yè)的其他課程而言，應用型保險課程對學生的要求更高，包括分析保險公司的經(jīng)營策略、評估市場風險以及保險產(chǎn)品的精算定價等。學生在學習過程中，由于涉及到的經(jīng)濟金融方面的專業(yè)知識多，加上數(shù)據(jù)時間跨度大、內(nèi)容繁瑣等多方面的客觀因素，這類復雜的計算對于保險專業(yè)學生而言是個不小的挑戰(zhàn)。因此開設(shè)保險專業(yè)編程實訓課程，選擇合適的信息技術(shù)工具十分必要。本文認為選擇合適統(tǒng)計軟件應當秉持快捷、實用和高效三大首要原則，與其他軟件相比，Python語言無疑是最優(yōu)的選擇。

Python 是一種高層次的計算機語言，其最開始的版本只是一種用來編寫自動化的腳本。隨著軟件版本的不斷升級，其適用的范圍越來越廣泛。Python語言越來越深受人們的青睞，也因此吸引更多的高校開設(shè)Python 數(shù)據(jù)分析這門基礎(chǔ)課程。學界對于Python語言課程的開設(shè)進行了一定的研究，嵩天等（2016）［8］認為Python語言開發(fā)了高級語言的表達形式，更有利于非計算機專業(yè)學生解決實際問題。趙霞和張珣（2017）［9］從心理認知機制角度研究發(fā)現(xiàn)Python語言對于非計算機專業(yè)學生的計算思維、解決問題能力和創(chuàng)新能力培養(yǎng)具有顯著影響。傅駿等（2019）［10］認為Python在課程中的應用有助于培養(yǎng)學生應用型技能，并有效地提高課程效率。石小艷等（2021）［11］則認為Python課程應用廣泛，不同專業(yè)開設(shè)時應根據(jù)教學大綱、教學方案和考核方式等方面進行相應改動。保險專業(yè)對于Python語言課程開設(shè)有著較強的需求，但目前Py?thon 課程在應用型保險教學中的研究仍然欠缺。本文將基于Python語言特點和案例研究對此進行論證。

二、Python語言的特點

Python語言由荷蘭數(shù)學家吉多·范·羅蘇姆（Guido Van Rossum）于1990年代初設(shè)計與創(chuàng)造，是一種使用廣泛、跨平臺的高級程序設(shè)計語言。經(jīng)過數(shù)代版本的更迭，現(xiàn)階段的Python語言被廣泛應用于金融量化、風險管理和保險精算等金融保險數(shù)據(jù)分析領(lǐng)域?？偨Y(jié)起來，Python語言主要有以下幾個方面的優(yōu)勢。

（一）學習簡單且具有規(guī)范性代碼

Python編程軟件相比其他編程語言（比如C、C++和R等）而言，其代碼非常簡單明了，容易辨別，并且更加容易上手。Python還有強制縮進的效果，這使得代碼具有很強的可讀性。例如要完成某個功能，如果使用Python來寫程序，其代碼量遠遠少于C語言，整體的內(nèi)容簡潔明了且可讀性強，統(tǒng)計分析工作效率將會有顯著提高。在應用型保險教育方面，Python語言對于初學者并無較大的學習壓力，且具有上手速度快和代碼簡單易記等優(yōu)勢，對于沒有編程基礎(chǔ)的保險專業(yè)大學生而言，具有巨大的吸引力，能夠極大程度地激發(fā)學生的學習探索欲望。

（二）面向?qū)ο蠓秶鷱V且?guī)熨Y源豐富

Python語言不同于面向過程（PO）的C語言和面對對象（OO）的C++、JAVA 等編程語言，Py?thon可以支持面向過程編程和面向?qū)ο缶幊蹋瑫r具有C 和C++的優(yōu)勢。數(shù)據(jù)和功能組合而成的對象構(gòu)建起了整個Python的程序網(wǎng)絡。對于信息技術(shù)基礎(chǔ)較為薄弱的高校而言，Python語言課程的開發(fā)成本最低。Python 有很豐富的標準庫和第三方庫，有別于Stata、Eviews等計量編程軟件的局限性，可以極大程度地對應保險專業(yè)學生日常需要用到的公式和模型。

（三）可移植性強

相比于其他編程軟件，Python 程序可以在Linux、Windows、Android等多個平臺上運行，安裝Python就像安裝Windows、LinuX中任何一種一般的應用程序一樣簡單方便。由于Python具有可移植性，使用者利用Python 構(gòu)建跨平臺運行的應用程序相對簡單。而且Python 是開放式的編程軟件，不同于SPSS 等專有型軟件，其具有的免費屬性使得學生能夠在各個平臺上輕易獲得，能夠較大程度降低師生的時間成本與經(jīng)濟成本。

Python 編程軟件擁有學習容易、代碼簡單、較多的第三方庫以及可移植性強等眾多優(yōu)點，在應用型保險課程中能夠完成更多的教學任務。教師在開展應用型保險課程教學時，除了講授基本的語法知識之外，更應當充分發(fā)揮Python語言簡單明了的優(yōu)勢，通過案例教學的方式鼓勵學生自己通過數(shù)據(jù)采集工具自行采集互聯(lián)網(wǎng)數(shù)據(jù)，進而利用Py?thon語言開展金融數(shù)據(jù)分析，并實現(xiàn)數(shù)據(jù)量化、精算定價等策略?！鞍咐虒W法”在金融專業(yè)教學中的運用能夠有效地激發(fā)學生的學習興趣，并達到良好的教學效果。本文將基于Python語言開展的實證設(shè)計案例教學方案，為應用型保險教學課堂建設(shè)提供一種新的思路。

三、基于Python語言的教學設(shè)計

（一）教師任務

1.問題引入

近年來，隨著我國人均消費水平不斷提高，汽車的消費量不斷攀升，汽車保險也迎來了新的發(fā)展契機。面對同業(yè)的競爭，各大保險公司為了搶占市場份額，實施加大打折力度等各種營銷手段，導致車險利潤迅速下滑，產(chǎn)品同質(zhì)化嚴重，更糟糕的是投保人的續(xù)保率降低。在這個背景下，提高續(xù)保率和投保人未來對車險的興趣變得尤為重要。

2.提供數(shù)據(jù)

為了保障教學質(zhì)量和最后分析的準確性，教師應提前獲得數(shù)據(jù)并提供數(shù)據(jù)。在此次教學設(shè)計中利用某保險公司網(wǎng)站上一份數(shù)據(jù)量近38萬份的問卷切入教學內(nèi)容。在開展教學前保證問卷的可信度，事先對該問卷進行信度分析。分析發(fā)現(xiàn)該問卷的KMO 為0.89，這表明該問卷適合做統(tǒng)計數(shù)據(jù)分析。

3.總結(jié)評價

對于學生提供的數(shù)據(jù)分析報告進行評價，針對性指出其建議的可行性與實用性，針對結(jié)論提出設(shè)想并組織學生討論保險公司如何從年度保費、往來時長、車輛損壞情況以及年齡等方面入手，提高投保人的興趣從而提高其續(xù)保率，增強學生的綜合分析能力，讓其掌握保險數(shù)據(jù)分析的核心思想。

（二）學生任務

1.數(shù)據(jù)處理

將客戶ID、性別、年齡、是否有駕照（0/1）、用戶所在區(qū)域的編碼、之前是否投保、車齡、車輛損壞情況、年度保費、銷售渠道、往來時長、是否響應所有變量等數(shù)據(jù)導入Python 軟件中，探究投保人未來對汽車保險更感興趣的影響因素。

2.基本情況描述

通過描述性統(tǒng)計分析，可以發(fā)現(xiàn)客戶的平均年齡是38 歲，青年群體居多；45.82%的客戶已經(jīng)購買了車險；99.89%的客戶持有駕照；客戶的保費范圍在2630 元-540165 元之間，平均保費金額是30564 元；此數(shù)據(jù)基于過去一年的數(shù)據(jù)，保險公司與客戶的往來時間范圍在10天-299天之間，平均往來時長為154天；客戶對車輛保險感興趣的概率為12.25%。隨后選擇性別（Gender）、是否有駕照（Driving_License）、之前是否投保（Previously_In?sured）、車齡（Vehicle_Age）、車輛損壞情況（Vehi?cle_Damage）、往來時長（Vintage）以及車險興趣的響應概率（Annual_Premium）七個變量進行精算建模，可以得到往來時長、車輛損壞情況以及車齡等是影響投保人對汽車保險感興趣的主要因素的相關(guān)結(jié)論。

3.描述性統(tǒng)計分析

其中部分代碼表示如下：

問題一：性別與是否感興趣

從圖1 可以看出男性客戶群體對汽車保險感興趣的概率稍高。

圖1 性別與是否感興趣

問題二：是否有駕照和是否感興趣

由圖2可得，有駕照的客戶對汽車保險感興趣的概率較高。

圖2 是否有駕照與是否感興趣

問題三：之前是否投保與是否感興趣

由圖3可以發(fā)現(xiàn)，沒有購買汽車保險的客戶響應概率更高，已購買汽車保險的客戶則沒有這一需求。

圖3 之前是否投保與是否感興趣

問題四：車齡與是否感興趣

由圖4可得，車齡越長，響應概率越高，超過兩年車齡的客戶感興趣的概率最高，其次是1年-2年車齡的客戶，而小于1年的占比很小。

圖4 車齡與是否感興趣

問題五：車輛損壞情況與是否感興趣

由圖5可得，車輛曾經(jīng)損壞過的客戶有較高的響應概率。相比之下，車輛沒有損壞過的客戶響應概率很低。

圖5 車輛損壞情況與是否感興趣

4.數(shù)據(jù)分析過程

學生利用教師提供的已知數(shù)據(jù)進行相應的數(shù)據(jù)分析。

5.得出結(jié)論

由表1的輸出結(jié)果可知，年度保費、往來時長、車輛損壞情況以及車齡是影響人們對汽車保險是否感興趣的主要因素。

表1 最終輸出結(jié)果

四、結(jié)束語

基于Python語言開展的保險課程教學不僅能夠讓保險專業(yè)的學生在鞏固保險理論知識的基礎(chǔ)上，更充分地理解和掌握應用型技能，還能夠增強其對金融風險準確分析和把控的能力。本文通過設(shè)計案例教學的方式演示Python在保險精算課堂中的實證運用，為保險專業(yè)教學提供了新的思路。從簡單明了的代碼和對數(shù)據(jù)分析的需求可以看出，Python語言能夠使學生更加快速準確直觀地分析問題所在，教師能夠通過學生實證分析的結(jié)果由點及面地啟發(fā)學生的思考。因此Python語言應當成為保險專業(yè)統(tǒng)計分析軟件的首選。對于一般高校而言，應用型專業(yè)課程的培養(yǎng)方案中應當優(yōu)先考慮運用Python 軟件進行分析；而對于條件較好的高校而言，Python 課程應當成為保險專業(yè)學生的基礎(chǔ)課與必修課，并在此基礎(chǔ)上開設(shè)更多的統(tǒng)計分析課程。