4. 风险分类与费率因子

非寿险定价的核心任务之一，是把“风险差异”转化为“费率差异”。风险分类就是建立一套可执行的规则，把保单分配到相对同质的风险组中，使组内风险水平接近、组间风险水平可区分。费率因子则是这套规则的输入变量，例如车险中的车型、车龄、使用性质、历史赔付次数，或家财险中的建筑结构、房龄、地区、保额档位。风险分类做得好，定价才能既准确又稳定；做得差，轻则费率失真，重则引发逆选择与监管质疑。

核心原理：风险分类的三条底线

风险分类不是“把数据能分的都分一遍”，而是要在统计显著性、业务可解释性和合规性之间取得平衡。第一条底线是组内同质、组间异质：同一费率组内的保单风险应尽量接近，不同组之间的平均风险应有明显差异。第二条底线是因子必须与损失成本有稳定关联，不能仅凭一次抽样中的偶然波动就划分费率。第三条底线是可解释、可执行、可监管：业务员能理解，系统能落地，监管能接受。若一个因子在统计上显著但业务上无法解释，通常应谨慎使用。

方法流程：因子选择、分箱与合并

实际项目中，风险分类通常按以下流程推进：

1. 候选因子收集：从承保、理赔、再保、外部数据中收集可能与风险相关的变量，形成候选池。
2. 单因子分析：对每个候选因子计算其与赔付频率、赔付强度或纯保费的关联，观察单调性、显著性和业务合理性。
3. 连续变量分箱：把车龄、年龄、行驶里程等连续变量切成若干区间，使每个区间内风险相对一致。
4. 分类变量合并：把水平过多或样本过少的类别合并，避免某些组费率不稳定。
5. 多因子交互与共线性检查：检查因子之间是否高度相关，避免重复解释同一风险。
6. 业务可解释性权衡：在统计效果与业务接受度之间做取舍，形成最终费率因子清单。

连续变量分箱常用等频分箱、等宽分箱和基于决策树的分箱。等频分箱保证每组样本量接近，适合样本不均衡场景；等宽分箱简单直观，但可能某些区间样本过少；决策树分箱能自动寻找风险跳变点，但结果需要业务复核。分类变量合并则常用“相似风险合并”和“小样本合并”两种策略，前者按赔付水平聚类，后者按样本量阈值归并。

# 连续变量分箱示例：按分位数切分车龄
import pandas as pd
df['vehicle_age_bin'] = pd.qcut(
    df['vehicle_age'],
    q=[0, 0.2, 0.5, 0.8, 1.0],
    labels=['0-2年', '3-5年', '6-8年', '9年以上']
)

# 分类变量合并示例：把低频使用性质归为“其他”
usage_counts = df['usage_type'].value_counts()
rare_levels = usage_counts[usage_counts < 500].index
df['usage_type_merged'] = df['usage_type'].replace(rare_levels, '其他')

案例场景：车险费率因子落地

假设某车险产品要设计费率表，候选因子包括车龄、使用性质、历史赔付次数、地区、车型价格。单因子分析发现：车龄与赔付频率呈U形关系，新车和老龄车风险偏高；使用性质中“营运”显著高于“家用”；历史赔付次数越多，未来赔付概率越高；地区差异明显但某些地区样本过少；车型价格与赔付强度正相关。此时不能直接把所有因子都放进模型，而要先做分箱与合并：车龄按风险跳变点切成四段，使用性质把低频类别合并为“其他”，地区按赔付水平聚类为三档，历史赔付次数按0次、1次、2次及以上分组。最终费率表既保留主要风险区分度，又避免过多细碎组别导致费率不稳定。

误区与复盘：常见踩坑点

第一个误区是分箱过细。为了追求统计拟合效果，把连续变量切成十几个区间，结果每个区间样本量很少，费率波动剧烈，上线后频繁调整。第二个误区是忽略共线性。例如“车龄”和“车型价格”高度相关，同时放入模型会导致系数不稳定，解释困难。第三个误区是把相关当因果。某个因子在历史数据中与赔付相关，可能只是代理了另一个未观测变量，直接用于定价会带来合规风险。第四个误区是忽视业务反馈。精算模型给出的费率因子，如果业务员无法向客户解释，落地时就会遇到巨大阻力。

因子选择检查清单

风险分类与费率因子设计的终点，不是模型指标最优，而是一张业务能懂、系统能跑、监管能过、客户能接受的费率表。连续变量分箱解决“切在哪里”，分类变量合并解决“并成几类”，业务可解释性权衡解决“留哪些、怎么留”。三者配合，才能把数据中的风险信号转化为可执行的费率差异。