1. 课程导入
欢迎进入《非寿险GLM纯保费定价完整项目》。在正式动手建模之前，我们需要先建立一张清晰的“认知地图”：非寿险定价到底要解决什么业务问题？纯保费由哪些部分构成？GLM（广义线性模型）在其中扮演什么角色？一个完整的定价项目又包含哪些关键环节？本章不涉及复杂公式推导，而是帮助你把后续30章的知识点串成一条主线。
一、非寿险定价的核心目标
非寿险（财产险、责任险、车险、健康险等）定价的本质，是在风险不确定性与市场竞争力之间寻找平衡。其核心目标可以归纳为三点：
- 充足性：保费收入能够覆盖预期赔付、费用和资本成本，确保公司长期稳健经营。
- 公平性：不同风险水平的保单应承担与其风险相匹配的保费，避免“低风险补贴高风险”的逆向选择。
- 竞争性：在满足前两者的前提下，价格需具备市场吸引力，支持业务增长与续保。
这三者之间存在天然张力。定价过高会流失优质客户，定价过低则侵蚀利润甚至导致偿付能力不足。GLM纯保费定价正是用数据驱动的方式，在个体风险层面量化“公平性”，从而为充足性和竞争性提供可解释的决策依据。
二、纯保费的定义与构成
纯保费（Pure Premium）是指用于覆盖预期赔付成本的保费部分，不包含费用附加和利润附加。它回答的问题是：“这张保单未来平均要赔多少钱？”其基本构成可拆解为两个核心因子：
其中，赔付频率指单位风险暴露期内发生赔案的概率或次数，案均赔付指每次赔案的平均赔付金额。这一乘法结构是GLM定价的基石：我们可以分别对频率和案均建模，再相乘得到纯保费。也可以直接对纯保费建模，但分开建模通常更利于业务解释和风险拆解。
| 构成要素 | 含义 | 常见分布假设 | 业务关注点 |
|---|---|---|---|
| 赔付频率 | 单位暴露下的赔案次数 | 泊松分布、负二项分布 | 出险率、驾驶行为、区域风险 |
| 案均赔付 | 每次赔案的平均金额 | 伽马分布、逆高斯分布 | 维修成本、医疗通胀、责任限额 |
| 风险暴露 | 保单在险时间或标的数量 | 作为偏移项（offset） | 年化处理、部分暴露 |
三、GLM在定价中的角色
广义线性模型（Generalized Linear Model, GLM）是连接“业务风险因子”与“纯保费”的统计桥梁。相比传统线性回归，GLM允许响应变量服从指数族分布（如泊松、伽马），并通过链接函数建立线性预测子与均值之间的关系。在非寿险定价中，GLM的核心价值体现在：
- 可解释性：每个风险因子的系数可转化为相对费率，便于核保和监管沟通。
- 灵活性：可同时处理连续变量（如车龄）和分类变量（如车型、地区）。
- 分布适配：频率用泊松/负二项，案均用伽马，符合保险赔付数据的实际特征。
- 可扩展性：为后续GLM混合模型、GAM、GBM等进阶方法奠定基础。
需要强调的是，GLM不是“黑箱”。它输出的每个因子水平都有一个明确的费率因子（Relativity），这正是精算定价所要求的透明性。
四、完整项目流程概览
一个可落地的GLM纯保费定价项目，通常遵循以下七个阶段。后续章节将逐一展开，这里先建立整体框架：
- 业务理解与目标定义：明确定价对象（车险、责任险等）、风险暴露单位、目标变量和业务约束。
- 数据准备与探索：整合保单、理赔、外部数据，处理缺失值、异常值和暴露期年化。
- 变量筛选与特征工程：基于业务逻辑和统计检验，构建分类/连续风险因子。
- 频率模型构建：选择泊松或负二项GLM，处理过离散和零膨胀问题。
- 案均模型构建：选择伽马或逆高斯GLM，处理大额赔案和长尾分布。
- 模型诊断与验证：残差分析、交叉验证、业务合理性检查。
- 费率因子输出与部署：将系数转化为费率表，支持核保系统和报价引擎。
五、常见误区与复盘
初学者在纯保费定价中容易陷入以下误区，提前了解可以少走弯路：
- 误区一：直接对纯保费建模，忽略频率与案均的差异。频率和案均的驱动因子往往不同，分开建模更利于业务解释和风险拆解。
- 误区二：忽视暴露期（Offset）处理。部分暴露的保单若不加偏移项，会导致频率估计偏差。
- 误区三：过度追求统计显著，忽略业务合理性。一个因子在统计上显著，但若无法解释，不应轻易纳入定价模型。
- 误区四：用训练集表现代替验证集表现。GLM同样需要交叉验证和样本外测试，避免过拟合。
本章为你搭建了非寿险GLM纯保费定价的整体认知框架：从核心目标出发，理解纯保费的频率×案均结构，明确GLM的可解释性价值，并概览了完整项目流程。接下来，我们将从业务理解与数据准备开始，一步步走进真实的定价项目。