2. 保险定价基础
保险定价不是“拍脑袋定个价”，而是把未来不确定的赔付责任，通过精算假设转化为当下可收取的保费。理解定价基础，是后续 Champion/Challenger 模型对比与迭代的前提。本节围绕定价原理、费率构成、风险分类、监管要求与常见指标展开，为实战建模建立共同语言。
一、核心原理：保费是风险成本的提前分摊
保险定价的底层逻辑是收支平衡：全体投保人缴纳的保费，需覆盖未来赔付、运营成本、渠道费用，并留出合理利润与安全边际。精算上常用等价原则表达：预期保费现值 = 预期赔付现值 + 预期费用现值 + 预期利润现值。
其中最关键的是大数法则：当风险单位足够多且相互独立时，实际赔付率会趋近于预期赔付率，定价才具备稳定性。因此定价本质上是对“损失分布”的估计，而非对单个保单的猜测。定价假设一旦偏离，会直接体现为承保亏损或价格竞争力丧失。
二、费率构成：从纯保费到毛保费
一张保单的费率通常由多个层次叠加而成，理解其结构有助于在建模时明确“哪些部分可被模型优化”。
| 构成层级 | 含义 | 典型影响因素 |
|---|---|---|
| 纯保费 | 预期赔付成本 | 出险率、案均赔款、免赔额 |
| 费用附加 | 运营、渠道、管理成本 | 获客成本、手续费率 |
| 风险附加 | 应对赔付波动 | 赔付方差、置信水平 |
| 利润附加 | 资本回报要求 | 目标利润率、资本成本 |
| 毛保费 | 最终对客报价 | 以上各项之和 |
用公式可简化为：毛保费 = 纯保费 ÷ (1 − 费用率 − 利润率)。这意味着费用率每上升 1 个百分点，毛保费会被放大，而非简单相加。建模时若只优化纯保费而忽略费用结构，容易得出“看似便宜、实则亏损”的结论。
三、风险分类：让价格与风险匹配
风险分类是定价公平性与盈利性的核心。其目标是把风险相近的个体归入同一费率组，避免“低风险补贴高风险”导致的逆选择。常见分类维度包括：
- 从人因素：年龄、性别、职业、驾驶记录、信用评分等；
- 从车/从物因素：车型、车龄、使用性质、安全配置；
- 从地域因素：地区赔付水平、盗抢率、维修成本；
- 行为因素：里程、驾驶行为、历史理赔频次。
分类过粗会导致风险错配，分类过细则可能引发监管质疑与运营复杂度过高。Champion/Challenger 框架中，Challenger 模型往往通过更细的风险因子或交互项提升区分度，但必须评估其可解释性与合规性。
四、监管要求与常见定价指标
保险定价受严格监管，核心诉求是充足性、公平性与非歧视性。常见监管要求包括：费率报备或审批、禁止使用受限因子（如某些地区限制性别、信用评分）、保证续保与费率调整上限等。定价模型若使用敏感变量，必须通过合规审查。
日常监控与复盘常用以下指标：
- 赔付率：赔付支出 ÷ 已赚保费，衡量承保质量；
- 费用率：费用支出 ÷ 已赚保费，反映运营效率；
- 综合成本率：赔付率 + 费用率，低于 100% 表示承保盈利；
- Gini / Lift：衡量风险区分度，评估模型排序能力；
- PSI：群体稳定性指标，监控评分分布漂移。
示例：某车险产品季度复盘
已赚保费：1,200 万元
赔付支出：780 万元 → 赔付率 65.0%
费用支出：300 万元 → 费用率 25.0%
综合成本率 = 65.0% + 25.0% = 90.0% → 承保盈利
五、案例与误区复盘
场景：某健康险产品上线后赔付率持续高于预期。复盘发现，Champion 模型仅使用年龄与地区，而 Challenger 模型加入既往症与行为因子后区分度显著提升，但直接上线导致部分高风险人群费率过高，引发投诉。
最终方案是：Challenger 模型用于风险识别与再保定价，对客费率仍以 Champion 为主，并设置费率调整上限。这说明模型能力与业务落地之间需要缓冲层。