2. 非寿险定价基础

非寿险定价的本质，是把一组不可直接观测的“未来赔付成本”转化为可执行的费率表。要做到这一点，必须先理解五个基础概念：风险分类、费率因子、纯保费与附加保费、赔付率与费用率、定价原则与监管要求。它们共同构成 GLM 纯保费模型的输入、输出与边界条件。

一、核心原理：风险分类与费率因子

风险分类（Risk Classification）是把同质风险归入同一费率组的过程。非寿险中，每个保单的风险水平由若干可观测特征决定，这些特征称为费率因子（Rating Factors）。例如车险中的车型、车龄、驾驶人年龄、历史出险次数；企财险中的行业类别、建筑等级、消防设施、保额规模。

费率因子的选择遵循三条原则：精算相关性（与赔付成本显著相关）、可操作性（承保时能准确采集）、合规性（不违反监管禁止性规定）。GLM 的作用，正是把多个费率因子组合成一个可解释的线性预测器，再通过连接函数映射到纯保费。

二、方法流程：从风险分类到费率结构

一个完整的定价流程可概括为以下步骤：

1. 数据准备：整理保单、赔案、暴露量数据，确定风险单位（如车年、万元保额）。
2. 风险分类：基于业务理解和统计检验，筛选候选费率因子。
3. 纯保费建模：用 GLM 拟合频率与强度，得到各因子水平下的纯保费。
4. 附加保费加载：在纯保费上叠加费用、税、利润与安全边际。
5. 费率表生成：将模型系数转化为可落地的费率因子乘数表。
6. 监管校验：检查费率是否满足报备、公平性、充足性要求。

其中，纯保费与附加保费的关系可用下式表达：

毛保费 = 纯保费 + 附加保费
附加保费 = 费用 + 税 + 利润 + 安全边际
赔付率 = 赔付支出 / 已赚保费
费用率 = 费用支出 / 已赚保费
综合成本率 = 赔付率 + 费用率

三、案例/场景：一张车险费率表背后的逻辑

假设某车险产品只使用两个费率因子：驾驶人年龄组和历史出险次数。经过 GLM 拟合后，得到如下纯保费乘数表：

若基准纯保费为 2000 元，则一位 25 岁以下、2 次出险的客户，其纯保费为 2000 × 1.35 × 1.40 = 3780 元。再假设费用率为 25%、利润与安全边际为 5%，则毛保费约为 3780 / (1 − 0.30) ≈ 5400 元。这个例子说明：费率因子乘数直接决定价格差异，而附加保费决定公司能否覆盖成本并盈利。

四、误区与复盘：定价中最容易踩的坑