1. 课程导入

欢迎进入《GLM暴露量、非线性与费率约束实战》。在正式进入建模细节之前，本章先回答三个问题：GLM在保险定价体系中究竟处于什么位置？为什么暴露量、非线性与费率约束会成为贯穿全课程的三大主线？学完之后，你应该具备怎样的能力？

一、GLM在保险定价中的定位

保险定价的本质，是对未来赔付成本与费用进行估计，并在此基础上形成可执行的价格。广义线性模型（GLM）之所以长期占据定价核心地位，是因为它同时满足三个条件：可解释、可统计推断、可落地到费率表。与黑箱模型相比，GLM的每个系数都能对应到业务含义；与简单经验费率相比，GLM又能通过分布假设和链接函数处理复杂的风险结构。

在典型的定价流程中，GLM通常承担“频率—案均”分解后的建模任务：频率模型预测单位暴露下的出险次数，案均模型预测每次出险的平均赔付。两者相乘得到纯保费，再叠加费用、利润与风险附加，最终形成费率。这个定位决定了GLM不是孤立的算法，而是连接数据、业务假设与监管约束的中间枢纽。

二、三大主题的学习目标

本课程围绕三个相互咬合的主题展开，它们分别对应定价实战中最容易出问题的三个环节。

• 暴露量：理解风险暴露的定义、口径与建模方式，掌握用偏移项（offset）或权重处理不同暴露水平的方法，避免“保单数”与“风险单位”混用导致的系统性偏差。
• 非线性：掌握连续变量与分类变量的非线性建模手段，包括样条、分段、分箱、交互项与GAM思想，理解为什么年龄、车龄、保额等变量往往不能简单线性进入模型。
• 费率约束：理解监管、渠道、竞争与业务规则对费率的限制，掌握在GLM框架下施加单调性、分组一致性、上下限与平滑约束的实用方法。

这三个主题并非并列关系，而是层层递进：暴露量决定模型“算的是什么”，非线性决定模型“像不像真实风险曲线”，费率约束决定模型“能不能变成可售价格”。

三、整体框架与学习路径

课程整体按照“数据准备—模型构建—约束落地—评估复盘”的主线推进。前半部分聚焦暴露量与非线性，后半部分聚焦费率约束与实战调优。每一章都会给出可复用的代码片段、参数配置与业务解释，避免停留在公式层面。

阶段	核心问题	关键产出
数据与暴露量	风险单位如何定义与对齐	干净的建模宽表与offset设置
非线性建模	变量关系如何逼近真实曲线	样条/分段/交互项方案
费率约束	模型结果如何满足业务与监管	约束后的费率表与系数
评估与复盘	模型是否稳定、可解释、可上线	校验报告与迭代清单

下面这张图展示了GLM定价中三大主题与最终费率之间的结构关系。请重点观察：暴露量位于输入层，非线性位于模型层，费率约束位于输出层，三者共同决定费率表的质量。

四、典型场景与常见误区

先看一个典型场景。某车险团队用保单数作为暴露量建模，发现“年轻驾驶员赔付率极高”。但进一步检查发现，年轻驾驶员的保单多为短期保单，实际在保天数远低于其他群体。若不做暴露量对齐，模型会把“在保时间短”误判为“风险高”。修正后，用“在保天数/365”作为offset，年轻驾驶员的相对风险明显回落。这说明暴露量不是数据清洗的附属步骤，而是模型设定的一部分。

再比如，某健康险团队直接把年龄作为连续变量线性放入模型，结果60岁以上人群的预测赔付被系统性低估。原因是年龄与赔付之间呈明显的非线性关系，线性项无法捕捉拐点。改用样条后，模型在老年段的拟合显著改善。这就是非线性主题要解决的核心问题。

五、实战准备：环境与数据清单

在进入后续章节前，建议先准备好建模环境与最小数据集。以下是一个可复用的R环境配置示例，后续章节的代码将在此基础上展开。

# 基础建模环境
install.packages(c("tidyverse", "glmnet", "mgcv", "splines", "boot"))

library(tidyverse)
library(mgcv)
library(splines)

# 最小建模宽表示例字段
# policy_id, exposure, claim_count, claim_amount,
# age, vehicle_age, region, channel, coverage

# 频率模型示例：以log(exposure)为offset
freq_glm <- glm(
  claim_count ~ age_spline + vehicle_age + region + channel,
  family = poisson(link = "log"),
  offset = log(exposure),
  data = train_data
)

summary(freq_glm)

请注意，上面代码中的offset = log(exposure)正是暴露量主题的起点；age_spline代表非线性处理；而后续章节会在此基础上加入费率约束。三者不是三个独立模块，而是同一条建模流水线上的三个关键控制点。

本章作为课程导入，已经建立了GLM定价的整体定位与三大主题的结构关系。接下来，课程将先从暴露量入手，逐步展开数据口径、offset设置、频率与案均分解等实战内容。请带着一个问题进入后续学习：你的模型中，分母到底是什么？