1. 课程导入
欢迎进入《频率严重度模型与赔付成本定价实战》课程。在正式进入建模与定价细节之前，本章先建立一张“全局地图”：频率严重度模型到底在解决什么问题，赔付成本定价的核心目标是什么，以及后续30章将沿着怎样的学习路径展开。只有先把概念边界、业务目标和数据链路对齐，后面的模型选择、参数估计与定价落地才不会变成“为了建模而建模”。
一、频率严重度模型的定义
频率严重度模型（Frequency-Severity Model）是保险精算与风险定价中最经典、最实用的分解框架之一。它的核心思想是：把一段时间内某个风险单元的总赔付成本，拆解为两个相对独立又相互关联的维度——赔付频率与案均严重度。
用公式表达，最基础的期望赔付成本可以写成：
期望赔付成本 = 期望赔付频率 × 期望案均严重度
E(Loss) = E(N) × E(S)
其中：
N = 单位风险暴露期内的赔付次数（频率）
S = 单次赔付金额（严重度）
Loss = 总赔付成本这个分解看似简单，却带来三个关键好处。第一，它让业务解释更清晰：频率高说明风险发生概率大，严重度高说明单次事故损失重，两者对应的风控手段和定价因子往往不同。第二，它让数据建模更灵活：频率通常用泊松、负二项等计数模型，严重度通常用伽马、对数正态等连续分布模型，可以分别拟合、分别诊断。第三，它让定价更精细：不同客群可能在频率上差异显著，却在严重度上差异有限，分解后可以避免“一刀切”式的平均定价。
核心理解：频率严重度模型不是两个孤立模型，而是一条从“发生次数”到“单次金额”再到“总成本”的乘法链路。任何一环的偏差，都会通过乘积放大到最终价格。
二、赔付成本定价的核心目标
赔付成本定价的目标，不是简单地“算出一个价格”，而是在风险公平性、经营可持续性和市场竞争力之间找到平衡。具体可以归纳为四个核心目标：
- 风险匹配：让保费尽可能反映被保险人的真实预期赔付成本，避免低风险补贴高风险。
- 成本覆盖：赔付成本只是总成本的一部分，定价还需覆盖费用、资本占用、再保成本与合理利润。
- 稳定可解释：模型结果要能通过业务逻辑检验，关键因子要能向核保、渠道和监管解释。
- 可迭代：定价不是一次性项目，需要随经验数据回流持续校准，形成“定价—承保—理赔—复盘—再定价”的闭环。
在这四个目标下，频率严重度模型的价值在于：它把“总赔付成本”这个笼统目标，拆成了可观测、可建模、可干预的两个子目标。例如，若某类业务频率正常但严重度异常偏高，问题可能出在维修成本、责任判定或免赔额设置；若严重度正常但频率飙升，则更可能是承保筛选、渠道质量或欺诈风险问题。
三、整体学习路径与实战案例概览
本课程共30章，整体遵循“概念—数据—模型—定价—落地—复盘”的递进路径。你可以把它理解为一条从原始理赔数据到最终报价单的完整流水线。
| 阶段 | 核心任务 | 关键产出 |
|---|---|---|
| 基础导入 | 理解频率严重度框架、赔付成本构成与定价目标 | 全局概念地图与指标口径 |
| 数据准备 | 理赔数据清洗、暴露量计算、特征工程与数据质量检查 | 建模宽表与数据字典 |
| 频率建模 | 泊松/负二项回归、零膨胀处理、过离散诊断 | 频率预测模型与因子效应 |
| 严重度建模 | 伽马/对数正态回归、大额损失处理、尾部拟合 | 案均严重度预测模型 |
| 纯保费合成 | 频率×严重度、风险因子交互、模型校准 | 纯保费表与风险评分 |
| 定价落地 | 费用加载、利润边际、竞争约束、报价系统对接 | 可执行定价方案 |
| 监控复盘 | 经验监控、模型衰减、A/B测试与迭代 | 定价闭环与优化报告 |
实战案例将贯穿课程始终。我们以一个“车险赔付成本定价”场景为主线：某保险公司拥有过去三年的保单与理赔数据，希望针对不同车型、地区、驾驶人年龄和历史赔付记录，给出更精细的纯保费报价。课程中会逐步演示如何从原始数据出发，计算暴露量、拟合频率模型、拟合严重度模型、合成纯保费，并最终形成一张可解释的定价因子表。
学习建议：每学完一个模型，不要只记住公式，而要问三个问题——它对应业务中的哪个环节？它的输入数据从哪里来？它的输出会怎样影响最终价格？把这三个问题串起来，你就掌握了赔付成本定价的主线。
四、核心原理可视化：从风险暴露到赔付成本
下面这张图展示了频率严重度模型的核心数据链路。左侧是风险暴露与保单特征，中间经过频率与严重度两个分支，右侧汇合为纯保费，再叠加费用与利润形成最终报价。请重点观察：频率和严重度并不是简单并列，而是通过“乘法”共同决定期望赔付成本。
五、常见误区与复盘提醒
在正式进入建模之前，先识别几个高频误区，可以帮你少走弯路。
- 把频率和严重度当成完全独立：现实中两者可能存在相关性，例如高风险驾驶人既更容易出险，单次事故也可能更严重。后续课程会讨论如何处理这种相关性。
- 忽略暴露量口径：频率的分母是风险暴露量，如车险中的“车年”。如果暴露量计算错误，频率模型再精细也会失真。
- 用总赔付成本直接建模：总成本往往零值多、尾部厚，直接建模难度大。分解为频率和严重度后，模型更稳定、解释性更强。
- 只看模型指标，不看业务逻辑：AIC、偏差等指标重要，但若某个因子的方向与业务常识相反，必须优先排查数据与口径问题。
- 把纯保费当成最终价格：纯保费只覆盖期望赔付成本，最终报价还需考虑费用、资本、利润和市场竞争。
复盘提醒：频率严重度模型的最大风险不是模型不够复杂，而是口径不一致。频率的“次数”定义、严重度的“金额”口径、暴露量的“时间窗口”必须严格对齐，否则乘积结果没有业务意义。
本章完成了课程导入。你现在应该已经理解：频率严重度模型是把总赔付成本拆解为“发生次数×单次金额”的定价框架；赔付成本定价的核心目标是风险匹配、成本覆盖、稳定可解释和可迭代；后续30章将沿着数据准备、频率建模、严重度建模、纯保费合成、定价落地和监控复盘的主线逐步展开。接下来，我们将从数据准备开始，进入真正的实战环节。