3. 公平性核心概念

在保险定价模型治理中，“公平”并不是一个单一、绝对的概念。它既涉及哲学层面的价值判断，也涉及统计层面的可度量差异，还涉及法律与监管层面的可解释要求。理解公平性的核心概念，是后续进行模型审计、变量筛选、费率调整和监管沟通的基础。本节将围绕公平性的定义、个体公平与群体公平、算法公平，以及保险场景下公平性的特殊含义展开。

一、公平性的定义：不是“相同”，而是“合理差别”

公平性最容易被误解为“对所有人一视同仁”。但在保险精算中，公平恰恰意味着风险相同的人承担相同成本，风险不同的人承担不同成本。如果对高风险与低风险收取完全相同的保费，反而会造成低风险投保人补贴高风险投保人，形成逆向交叉补贴，最终可能导致低风险人群退出，市场萎缩。

因此，保险定价中的公平性通常包含三层含义：

• 精算公平：保费与期望损失相匹配，反映个体或群体的真实风险成本。
• 社会公平：不因性别、种族、地域、收入等非风险相关因素产生系统性歧视。
• 程序公平：定价规则透明、可解释、可申诉，监管能够验证其合理性。

二、个体公平与群体公平：两种尺度，两种冲突

个体公平关注“相似的人是否被相似对待”。例如，两位投保人年龄、职业、健康状况、驾驶记录几乎相同，但仅因居住地邮编不同而保费相差30%，就可能违反个体公平。个体公平通常要求模型满足相似输入产生相似输出，或至少差异可以被风险因素解释。

群体公平关注“不同群体之间的统计结果是否均衡”。例如，某一定价模型对某一受保护群体的平均保费显著高于其他群体，即使个体层面没有明显歧视意图，也可能构成群体层面的不公平。群体公平常用指标包括人口平价、机会均等、预测均等、均等化赔率等。

维度	个体公平	群体公平
关注对象	单个投保人之间的比较	不同群体之间的统计比较
典型问题	相似风险是否被相似定价	群体间平均费率或赔付率是否失衡
常用度量	局部一致性、反事实公平	人口平价、机会均等、预测均等
保险难点	风险因素本身可能高度相关	精算区分与群体保护存在张力

两者并不总能同时满足。精算上越精细地区分风险，越可能在某些群体上产生统计差异；而强行拉平群体结果，又可能削弱风险定价的准确性。监管解释的关键，在于说明这种张力如何被识别、量化和控制。

三、算法公平：从“人为歧视”到“模型歧视”

传统保险定价依赖人工核保和有限变量，歧视往往来自显式规则。机器学习模型引入后，公平性问题变得更加隐蔽：模型可能通过邮编、消费行为、设备信息等代理变量，间接还原出种族、收入或健康状况，从而产生代理歧视。

算法公平通常分为三类技术路径：

1. 预处理：在训练前调整样本权重、去除敏感信息或进行表示学习，减少偏差进入模型。
2. 处理中：在模型训练目标中加入公平性约束，例如对抗训练、正则化项或公平性惩罚。
3. 后处理：在模型输出后调整阈值或费率，使群体指标满足监管要求。

在保险场景中，后处理往往更易被监管接受，因为它可以在不改变模型核心结构的情况下，对最终费率进行可解释的校准。但后处理也可能掩盖模型内部的结构性偏差，因此需要配合变量归因和敏感性分析。

# 示例：群体平价差异快速检查
group_avg_premium = df.groupby('protected_group')['premium'].mean()
disparity = group_avg_premium.max() / group_avg_premium.min()
print(group_avg_premium)
print(f"群体保费差异倍数: {disparity:.2f}")

# 输出示例
protected_group
A    3200.5
B    4100.8
群体保费差异倍数: 1.28

四、保险场景下的公平性特殊含义

保险定价的公平性不能照搬互联网推荐或信贷评分中的公平定义，原因有三：

• 风险汇聚是保险的本质：保险通过汇聚同类风险来分散损失，完全消除群体差异可能违背保险原理。
• 精算变量具有双重性：年龄、性别、职业等变量既可能反映真实风险，也可能承载社会歧视，需要逐项评估。
• 监管目标多元：监管不仅关注统计差异，还关注可解释性、可申诉性、市场可及性和消费者保护。

例如，某车险模型使用“夜间行驶里程”作为变量。该变量与事故风险确有相关性，但也可能使夜班工作者、医护人员等群体承担更高保费。监管沟通时，不能只说“模型预测力强”，而要说明：该变量是否属于可接受的精算变量、是否存在更少歧视的替代变量、对受保护群体的影响是否经过测试、是否有缓释措施。

五、核心要点复盘

公平性不是单一指标，而是一组相互关联的概念体系。精算公平强调风险与成本匹配，社会公平强调群体保护，程序公平强调透明与可解释。个体公平关注相似个体是否被相似对待，群体公平关注群体间统计结果是否均衡。算法公平则要求我们在建模全流程中识别、量化和控制偏差。保险场景的特殊性在于，它必须在风险区分与社会保护之间找到监管可接受的平衡点。