1. 课程导入
欢迎进入《非寿险费率因子分层与相对风险定价》课程。本章不急于推导公式，而是先建立一张“认知地图”：我们要解决什么问题、用什么语言描述风险、最终如何把风险差异转化为可执行的价格差异。学完本章，你应当能够说清费率因子分层与相对风险定价在非寿险经营中的位置，并识别一个定价方案是否具备可解释性与可落地性。
一、学习目标：从“会算”到“会定价”
本课程的学习目标分为四个层次。第一，概念层：理解费率因子、因子分层、相对风险、基准费率、风险保费等核心术语，并能区分“风险成本”与“费用附加”。第二，方法层：掌握从数据准备、因子筛选、分层切分、相对风险估计到费率表生成的完整流程。第三，工具层：能够使用结构化表格、参数配置和简单代码片段表达分层规则与相对风险系数。第四，应用层：能够结合车险、财产险、责任险等场景，判断分层方案是否满足业务可解释、监管可接受、系统可实现三项要求。
核心判断：一个费率因子是否有价值，不取决于它统计上是否显著，而取决于它能否在承保、核保、续保和渠道场景中被稳定采集、被客户理解、被系统执行。
二、核心概念：风险差异如何被“翻译”成价格
非寿险定价的本质，是把一组风险特征映射为一个相对风险系数。假设基准费率为1000元，若某类保单的相对风险为1.25，则其风险保费约为1250元。这里的“1.25”不是随意设定的折扣或加价，而是基于经验数据估计出的相对风险水平。
- 费率因子：影响赔付频率或赔付强度的可观测变量，如车型、车龄、使用性质、地区、历史赔付次数。
- 因子分层：把一个连续或类别变量切分为若干风险水平相近的组，例如把车龄分为0-1年、2-3年、4-6年、7年以上。
- 相对风险：某分层水平相对于基准水平的风险倍数，通常以1.00为基准。
- 基准费率：所有因子取基准水平时的费率，是相对风险定价的锚点。
- 费率表：各因子各分层相对风险的组合结果，最终形成可查询、可配置的定价矩阵。
需要特别强调：相对风险定价不是“给高风险客户贴标签”，而是用统计证据把整体风险池中的差异显性化。若分层过粗，低风险客户补贴高风险客户，容易引发逆选择；若分层过细，样本不足导致估计不稳定，也会带来定价偏差。
三、整体框架：从数据到费率表的五步链路
本课程后续章节将围绕一条主线展开：数据准备 → 因子筛选与分层 → 相对风险估计 → 费率表生成 → 落地监控。下面用一张结构图展示这条链路中各环节的输入、输出与关键判断。
这条链路不是单向的。监控阶段发现某分层赔付恶化，需要回到因子分层或相对风险估计环节重新校准。因此，定价是一个持续迭代的闭环，而不是一次性计算。
四、行业应用场景：同一套方法，不同的因子语言
非寿险各险种的定价逻辑相通，但因子体系差异明显。下表列出典型场景，帮助你在后续章节中建立“场景—因子—分层”的对应关系。
| 险种场景 | 典型费率因子 | 分层示例 | 相对风险关注点 |
|---|---|---|---|
| 车险 | 车型、车龄、使用性质、地区、历史赔付 | 车龄：0-1年 / 2-3年 / 4-6年 / 7年以上 | 高频低损与低频高损的区分 |
| 家庭财产险 | 建筑结构、房龄、地区、保额、安防 | 房龄：10年以下 / 10-20年 / 20年以上 | 巨灾暴露与盗窃风险 |
| 责任险 | 行业类别、营业额、历史索赔、安全管理 | 行业：低危 / 中危 / 高危 | 长尾赔付与法律环境 |
| 货运险 | 货物类型、运输方式、路线、包装 | 路线：短途 / 中途 / 长途 | 单次事故高损失 |
提示：分层不是越细越好。每个分层应保证有足够的暴露量和赔付样本，否则相对风险系数会因随机波动而失真。通常要求每个分层至少有数百至数千条有效记录，具体阈值取决于险种赔付频率。
五、常见误区与复盘：导入阶段就要避开的坑
在正式进入方法细节前，先识别四个高频误区。它们往往不是计算错误，而是认知偏差。
- 把相关当因果：某因子与赔付相关，不代表改变该因子就能改变风险。定价中使用的是预测关系，但解释给业务方时要谨慎。
- 忽略基准选择：基准水平不同，相对风险系数会整体平移。基准应选择样本量最大、业务最稳定的分层。
- 分层后不做平滑：小样本分层容易出现异常高或异常低的系数，需要相邻分层合并或使用平滑方法。
- 只关注频率忽略强度：相对风险应同时考虑赔付频率与案均赔付，二者乘积才是纯风险保费的核心。
警告：若费率因子涉及性别、地域、年龄等敏感维度，必须提前评估合规要求。统计上有效不等于法律与伦理上可用。
下面用一个最小参数配置示例，说明分层规则与相对风险系数在系统中的表达方式。后续章节会在此基础上扩展为完整费率表。
factor: vehicle_age
base_level: "2-3年"
levels:
- name: "0-1年"
relative_risk: 0.92
- name: "2-3年"
relative_risk: 1.00
- name: "4-6年"
relative_risk: 1.15
- name: "7年以上"
relative_risk: 1.38
smoothing: adjacent_merge
min_exposure: 500