📚 课程目录第2章保险精算基础

2. 保险精算基础

费率表不是"拍脑袋定价"，它的底层是一套精算逻辑：把不确定的单次损失，转化为可预期、可分摊、可管理的成本。理解风险池、大数法则、损失分布、纯保费与毛保费这五个概念，是构建费率表和落地 Rating Plan 的前提。本节从原理到参数，逐层拆解这条定价链路。

一、风险池：把独立风险聚合成可定价的集合

风险池（Risk Pool）是保险经营的最小定价单元。它的本质是：把大量同质且相互独立的风险单位聚集在一起，用集体的保费覆盖少数人的损失。单个被保险人的损失是随机的，但池子整体的损失却相对稳定——这正是保险能够定价的根本原因。

构建风险池时，精算关注三个维度：

同质性：池内风险应具有相似的损失特征，否则会出现"逆向选择"，低风险补贴高风险，池子逐渐瓦解。
独立性：风险单位之间不应高度相关。若所有标的在同一场灾害中同时出险，风险池就失去了分散作用。
规模性：池子越大，经验数据越充分，定价越稳定。

在费率表中，风险池通常对应一个"费率分组"（Rating Group）或"分类维度"的组合，例如"车险-家用车-一线城市-30岁以下男性"。分组过粗会掩盖风险差异，分组过细会导致每组样本不足。

二、大数法则：让随机损失收敛为可预测成本

大数法则（Law of Large Numbers）说明：当风险单位数量 n 足够大时，样本平均损失会趋近于总体期望损失。用公式表达：

设单个风险单位的损失为随机变量 X，E(X) = μ，Var(X) = σ²
则 n 个独立同分布风险单位的平均损失 X̄ 满足：
P(|X̄ - μ| > ε) → 0，当 n → ∞
且 Var(X̄) = σ² / n

这条公式对费率表构建有直接指导意义：方差随样本量增大而下降。也就是说，池子越大，平均损失越稳定，纯保费的估计越可靠。但要注意，大数法则要求风险单位"独立同分布"，如果池内混入了不同质风险，收敛速度会显著变慢，甚至收敛到错误的均值。

常见误区：认为"只要样本量大，定价就一定准"。如果风险池本身不同质，大数法则只会让你更精确地估错。同质性是前提，规模是加速器。

三、损失分布：从频率与强度刻画风险

损失分布描述的是"损失发生的可能性"和"损失金额的大小"。精算上通常拆成两个部分：

频率（Frequency）：单位时间内出险次数，常用泊松分布、负二项分布建模。
强度（Severity）：单次事故的损失金额，常用伽马分布、对数正态分布、帕累托分布建模。

纯保费的本质就是频率与强度的乘积期望：

纯保费 = E(损失次数) × E(单次损失金额)
       = 频率期望 × 强度期望

若用分布参数表示：
  频率 ~ Poisson(λ)
  强度 ~ Gamma(α, β)
  则纯保费 ≈ λ × (α / β)

在费率表中，损失分布决定了"尾部风险"的处理方式。例如责任险的巨额赔案服从重尾分布，定价时必须额外加载安全边际，否则一次大案就可能击穿整个池子的偿付能力。

四、纯保费与毛保费：从成本到价格的完整拆解

纯保费（Pure Premium）是"用于支付赔款"的部分，等于期望损失成本。毛保费（Gross Premium）则是在纯保费基础上，加上费用、税费、安全边际和利润后的最终价格。两者的关系可以用一张清单来梳理：

构成项	含义	典型占比参考	费率表对应字段
纯保费	期望赔款成本 = 频率 × 强度	60%～75%	loss_cost / pure_premium
费用附加	佣金、核保、理赔、运营费用	15%～25%	expense_load
安全边际	应对尾部风险和估计误差	5%～10%	safety_margin
利润与税费	资本回报、税金	3%～8%	profit_tax_load
毛保费	最终向客户收取的价格	100%	gross_premium

用公式表达毛保费：

毛保费 = 纯保费 / (1 - 费用率 - 安全边际率 - 利润率)

示例：
  纯保费 = 1200 元
  费用率 = 20%
  安全边际率 = 8%
  利润率 = 5%
  毛保费 = 1200 / (1 - 0.20 - 0.08 - 0.05)
         = 1200 / 0.67
         ≈ 1791 元

在 Rating Plan 中，纯保费通常按风险分类维度（如车型、地区、年龄）分别计算，再通过费率因子相乘得到个体纯保费，最后统一加载费用和边际，形成毛保费。费率表就是这些因子的结构化载体。

五、案例与复盘：一个车险费率分组的定价过程

假设某车险风险池包含 50,000 辆家用车，按"地区 + 车龄"分为 12 个费率组。以"一线城市 + 3 年以内新车"组为例，历史数据如下：

组内车辆数：8,000 辆
年出险次数：1,200 次 → 频率 λ = 0.15
单次平均损失：6,500 元 → 强度均值
纯保费 = 0.15 × 6,500 = 975 元
费用率 22%，安全边际 8%，利润率 5%
毛保费 = 975 / (1 - 0.22 - 0.08 - 0.05) = 975 / 0.65 ≈ 1,500 元

复盘时需重点检查三个问题：

同质性是否被破坏：该组是否混入了高风险营运车辆？若有，频率会被高估，低风险车主补贴高风险车主。
样本量是否足够：8,000 辆、1,200 次出险，频率估计的标准误约为 √λ/n ≈ 0.011，相对误差约 7%，尚可接受；若组内只有 500 辆，误差会超过 25%，定价不可靠。
尾部风险是否被覆盖：单次平均损失 6,500 元掩盖了巨额赔案。若该组曾出现 50 万元以上的大案，安全边际需相应上调，或引入再保险安排。

常见误区：直接用"总赔款 / 总车辆数"作为纯保费，忽略频率与强度的分离。这种做法在样本量小或尾部事件集中时会产生严重偏差，也无法支持后续的费率因子拆分。

把以上五个概念串起来，就是费率表构建的底层逻辑：风险池定义定价边界，大数法则保证估计稳定，损失分布刻画频率与强度，纯保费承载期望成本，毛保费完成从成本到价格的转换。Rating Plan 的落地，本质上就是把这套逻辑参数化、结构化，并嵌入到核保与报价流程中。