3. 费率因子分层概述

在非寿险定价中，费率因子分层是把一个连续或高基数的风险特征，切分为若干可管理、可解释、可落地的风险组别，并为每个组别赋予相对风险系数。它既是数据加工问题，也是精算判断与业务沟通问题。分层的本质不是“把数据切碎”，而是用有限的组数逼近真实风险曲线，同时让定价结果能被核保、销售、监管和客户理解。

一、分层的目的：从风险异质性到可执行费率

分层的第一目的是识别风险异质性。例如车险中不同年龄驾驶人的出险频率差异显著，若统一费率，低风险群体补贴高风险群体，容易引发逆选择。第二目的是控制模型复杂度与过拟合。把连续变量直接放入模型虽然保留信息，但可能产生局部噪声、极端系数和难以解释的费率跳变。第三目的是满足业务可执行性。核保人员需要知道“这个客户属于哪一档”，系统需要稳定映射，监管需要看到因子与风险之间的合理关系。

因此，分层目标可以概括为：在信息损失可控的前提下，获得稳定、可解释、可部署的相对风险等级。它服务于费率因子的相对风险定价，而不是单纯追求统计拟合最优。

二、分层变量选择：先问业务逻辑，再看统计证据

选择分层变量时，应同时考虑四个维度：

• 预测能力：该变量是否与赔付频率、赔付强度或纯保费显著相关。
• 业务合理性：变量与风险之间的因果关系或稳定相关性是否可被解释。
• 数据可用性：承保时能否稳定获取，缺失率是否可控，是否存在延迟。
• 合规与公平性：是否涉及敏感变量、代理歧视或监管限制。

常见分层变量包括年龄、车龄、行驶里程、历史赔付次数、信用评分、地区等级、职业类别等。选择时建议先做单变量分析，观察风险随变量变化的单调性或拐点，再结合多变量模型判断其边际贡献。若两个变量高度相关，应优先保留业务解释更强、数据质量更稳定的那个，避免系数相互抵消。

三、连续变量离散化：等宽、等频与业务切点

连续变量离散化是分层中最常见的操作。常用方法有三类：等宽分段、等频分段和基于业务/统计的最优分段。等宽分段简单直观，但可能把高风险集中区切得过粗；等频分段保证每组样本量相近，但切点可能缺乏业务含义；最优分段（如决策树、卡方分箱、单调分箱）能兼顾统计显著性与单调性，但需要防止过拟合。

下面是一个简单的等频分箱示例，用于把“行驶里程”切为五档并观察各档相对风险：

import pandas as pd
import numpy as np

df = pd.read_csv("policy.csv")
df["mileage_bin"] = pd.qcut(
    df["annual_mileage"],
    q=5,
    labels=["极低", "低", "中", "高", "极高"]
)

summary = df.groupby("mileage_bin").agg(
    exposure=("policy_id", "count"),
    claim_count=("claim_count", "sum"),
    loss=("loss_amount", "sum")
)
summary["frequency"] = summary["claim_count"] / summary["exposure"]
summary["pure_premium"] = summary["loss"] / summary["exposure"]
summary["relativity"] = summary["pure_premium"] / summary["pure_premium"].mean()
print(summary)

输出后应重点检查三件事：每组样本量是否足够、相对风险是否呈现合理趋势、切点是否便于业务沟通。若某档相对风险不单调，可考虑合并相邻档或调整切点。

四、分层粒度与可解释性权衡

分层粒度越细，模型越能捕捉局部风险差异，但每组样本减少，估计方差增大，且容易出现“看似精确、实则噪声”的费率。粒度越粗，稳定性越好，但可能掩盖重要风险差异，导致低风险群体流失。权衡的核心是：在可接受的统计稳定性下，保留尽可能多的有效风险区分度。

一个常见误区是：为了追求模型AUC或Gini提升，把连续变量切成几十档，结果每个格子只有几十条记录，相对风险系数剧烈波动。上线后，客户可能因为“多行驶了1000公里”而费率跳升30%，引发投诉。复盘时应回到业务目标：定价需要的是稳定且可解释的风险排序，而不是训练集上的极致拟合。

五、分层方案落地流程与检查清单

1. 明确分层目标：是提升区分度、满足监管，还是简化核保规则。
2. 筛选候选变量：业务逻辑优先，统计证据辅助。
3. 连续变量离散化：比较等宽、等频、最优分箱结果。
4. 评估每档样本量、赔付频率、纯保费与相对风险。
5. 检查单调性与业务可解释性，必要时合并档位。
6. 与多变量模型交叉验证，确认边际贡献。
7. 形成分层映射表，交付核保与系统实施。

最后需要强调：分层不是一次性工作。随着数据积累、业务变化和监管要求调整，应定期回测各档相对风险是否漂移，样本量是否仍充足，切点是否仍合理。一个优秀的分层方案，应当在统计精度、业务解释和落地成本之间取得可持续的平衡。