2. 保险定价基础
保险定价不是简单的“收多少钱”，而是把未来不确定的赔付成本、运营费用、资本占用和风险边际，转化为一份可执行、可解释、可监管的价格表。理解定价基础，是后续讨论公平性与监管解释的前提。本节围绕四个问题展开：定价的基本原理是什么，费率如何厘定，风险分类与定价因子如何工作，以及定价模型在保险业务链条中处于什么位置。
一、核心原理：保费是风险成本的提前分摊
保险定价的第一性原理是“收支平衡+风险补偿”。从精算视角看，一份保单的价格至少覆盖四块：预期赔付成本、运营费用、资本成本和风险边际。用简化公式表达：
毛保费 = 纯保费 + 附加费用 + 风险边际 + 利润/资本成本
纯保费 = 预期赔付频率 × 预期赔付金额
毛保费率 = 毛保费 / 保险金额（或风险暴露单位）其中，纯保费对应“风险成本”，是定价中最敏感的部分；附加费用覆盖渠道、核保、理赔、系统等开支；风险边际用于吸收实际赔付偏离预期的波动；资本成本则补偿股东为承担尾部风险所投入的资本。四者缺一不可，否则价格要么无法覆盖成本，要么失去市场竞争力。
二、费率厘定方法：从经验数据到价格表
费率厘定通常遵循“数据准备—模型拟合—因子选择—费率生成—回溯检验”的流程。常见方法包括：
- 损失率法：以历史赔付率乘以趋势因子和费用附加，适合数据充足、险种稳定的场景。
- 纯保费法：分别估计频率和案均赔款，再乘以风险暴露单位，适合车险、健康险等高频险种。
- 广义线性模型（GLM）：假设赔付频率服从泊松分布、赔付金额服从伽马分布，通过连接函数估计因子权重，是目前行业主流。
- 机器学习方法：梯度提升树、随机森林等用于捕捉非线性交互，但需配合可解释性工具与监管沟通。
以GLM为例，频率模型可写为：
log(λ) = β0 + β1·年龄 + β2·车龄 + β3·地区 + β4·历史赔付次数
案均赔款模型：log(μ) = γ0 + γ1·车价 + γ2·维修成本指数 + γ3·责任类型
纯保费 = λ × μ费率厘定不是一次性的，而是持续迭代：新数据进入、因子重新估计、费率表更新、监管报备。整个过程需要精算、核保、合规、IT多方协作。
三、风险分类与定价因子：公平性的技术起点
风险分类的目的是把风险水平相近的个体归入同一组，使组内价格接近其期望成本。定价因子则是分类的依据。常见因子可分为三类：
| 因子类别 | 典型变量 | 作用 | 监管关注点 |
|---|---|---|---|
| 个体特征 | 年龄、性别、职业、健康状况 | 反映基础风险差异 | 是否构成歧视性分类 |
| 行为与历史 | 出险次数、驾驶里程、信用记录 | 捕捉动态风险变化 | 数据来源合法性与透明度 |
| 标的与场景 | 车型、房屋结构、地区、渠道 | 反映损失暴露与费用差异 | 地域公平与可保性 |
因子选择需要平衡“预测力”与“可解释性”。一个因子即使统计显著，若无法向监管或消费者解释其与风险的因果关系，也可能被限制使用。例如，某些地区曾对信用评分因子进行严格审查，要求证明其与赔付成本的相关性而非仅相关关系。
四、定价模型在保险业务中的位置
定价模型不是孤立的技术模块，而是连接产品、核保、销售、理赔和资本的枢纽。可以用一张结构关系图来理解它在业务链条中的位置：
从图中可以看到，定价模型向上承接产品设计与核保规则，向下影响销售报价与渠道策略，同时通过理赔经验回馈和资本监管约束形成闭环。定价偏差会直接传导到核保选择、销售误导和偿付能力，因此定价模型必须与业务系统、数据平台和合规流程深度集成。
五、常见误区与复盘要点
误区一：把定价等同于“算出一个数”。定价是一个包含假设、数据、模型、报备和监控的完整流程，缺少任一环节都会导致价格失真。
误区二：过度追求模型精度而忽视可解释性。监管审查和消费者沟通要求因子可解释，黑箱模型即使预测力强，也可能无法通过合规审查。
误区三：忽略风险边际与资本成本。只覆盖预期赔付的价格在尾部事件中会迅速侵蚀资本，导致偿付能力不足。
误区四：定价与核保脱节。定价因子若无法在核保环节采集或验证，费率表就只是纸面数字。
复盘时建议检查四个问题：数据是否覆盖足够长的周期和足够细的维度；因子是否通过统计显著性与业务合理性双重检验；费率表是否经过回溯测试和敏感性分析；定价结果是否与监管报备口径一致。只有把定价放回业务链条中审视，才能理解公平性与监管解释为何成为定价工作的核心议题。