📚 课程目录第2章保险定价基础

2. 保险定价基础

保险定价的本质，是把未来不确定的赔付成本转化为当前可收取的确定保费。这个转化过程并非简单加总，而是围绕纯保费、毛保费、风险分类、定价因子以及损失分布逐层展开。理解这些基础概念，是后续识别模型偏差、评估稳定性与实施校准的前提。

纯保费（Pure Premium）是用于覆盖预期赔付的成本部分，通常表示为：

纯保费 = 预期赔付总额 / 风险暴露单位数
       = 赔付频率 × 平均赔付强度

其中，频率指单位暴露内发生赔付的次数，强度指每次赔付的平均金额。纯保费不包含费用、利润和风险附加，因此它反映的是“风险本身的成本”。

毛保费（Gross Premium）是在纯保费基础上加入费用、税费、利润和风险附加后的最终价格：

毛保费 = 纯保费 / (1 - 费用率 - 利润率 - 风险附加率)

或者采用加成形式：

毛保费 = 纯保费 × (1 + 费用附加率 + 利润附加率 + 风险附加率)

两种表达的区别在于：除法形式更符合“保费必须覆盖成本”的会计逻辑，乘法形式更便于快速估算。实际定价系统中，通常采用除法形式，以避免费用率过高时出现保费不足。

关键理解：纯保费决定“风险价格”，毛保费决定“市场售价”。模型偏差往往先出现在纯保费环节，再通过费用和利润结构放大到毛保费。

风险分类是把被保险人划分为不同风险水平群体的过程。分类的目的是让保费与预期损失相匹配，避免低风险群体补贴高风险群体，从而减少逆选择。

常见的风险分类维度包括：

定价因子是风险分类在模型中的量化表达。每个因子包含若干水平，每个水平对应一个相对费率或系数。例如：

定价因子的选择需要平衡预测能力与可解释性。因子过多会导致模型过拟合，因子过少则无法区分风险。监管通常要求因子具有精算合理性，不能使用歧视性或不可解释的变量。

保险赔付具有随机性，因此需要用损失分布描述赔付金额的概率规律。损失分布通常分为两部分：

频率-强度模型的核心假设是：频率与强度相互独立，则总赔付成本为：

总赔付 = Σ 单次赔付金额
       = 频率 × 平均强度（期望意义下）

在实际建模中，常用广义线性模型（GLM）分别拟合频率和强度：

频率模型：log(λ) = β0 + β1×年龄 + β2×地域 + ...
强度模型：log(μ) = γ0 + γ1×年龄 + γ2×地域 + ...

其中，λ为预期频率，μ为预期强度。两者相乘即得到纯保费预测值。

实务提示：频率-强度分离建模的好处是，可以分别诊断频率偏差和强度偏差。如果纯保费预测不准，可以快速定位是“出险次数预测偏了”还是“单次赔付金额预测偏了”。

假设某车险产品需要为不同年龄和地域的客户定价。历史数据显示：

则纯保费估算为：

25岁以下：0.18 × 8,000 = 1,440元
35岁以上：0.09 × 6,500 = 585元
一线城市25岁以下：0.18 × 8,000 × 1.20 = 1,728元

若费用率为25%，利润与风险附加合计为5%，则毛保费为：

25岁以下毛保费 = 1,440 / (1 - 0.25 - 0.05) = 2,057元
35岁以上毛保费 = 585 / (1 - 0.25 - 0.05) = 836元

这个例子说明：风险分类和定价因子直接改变纯保费，进而影响毛保费。如果频率或强度模型出现偏差，最终价格就会偏离真实风险成本。

误区一：把纯保费直接当作毛保费。纯保费只覆盖赔付成本，若直接作为售价，保险公司将无法覆盖运营费用和资本成本，长期必然亏损。

误区二：风险分类越细越好。分类过细会导致每个组样本量不足，模型参数估计不稳定，反而增加偏差。需要在区分度与稳定性之间权衡。

误区三：频率与强度独立假设永远成立。在某些险种中，出险次数多的客户单次赔付金额也可能更高，此时独立性假设失效，需要引入联合模型或 copula 方法。

复盘时，建议按以下清单检查定价基础是否扎实：

只有把纯保费、毛保费、风险分类、定价因子和损失分布这五个基础环节打通，后续的模型偏差诊断、稳定性评估与校准才有可靠的起点。