3. 暴露量概念入门

在GLM费率建模中，暴露量（Exposure）是连接“风险单位”与“赔付成本”的桥梁。它回答的是一个基础但关键的问题：一份保单、一辆车、一个被保险人，在保险期间内究竟承担了多少风险？如果忽略暴露量，直接对赔付金额建模，模型会把“保了半年”和“保了全年”的保单同等对待，导致费率严重失真。因此，理解暴露量的定义、类型与作用，是进入非线性费率约束实战前的必修课。

一、核心原理：暴露量是风险的“计量单位”

暴露量可以定义为：风险标的在保险期间内实际承受风险的数量或时间尺度。在精算与GLM建模中，它通常作为偏移项（Offset）或权重（Weight）进入模型，使赔付频率或赔付强度能够被标准化到统一的比较基准上。

以车险为例，若A车全年行驶3万公里发生2次事故，B车全年行驶1万公里发生1次事故，直接比较“2次 vs 1次”并不公平。将赔付次数除以行驶里程，得到每万公里事故率：A车为0.67次/万公里，B车为1次/万公里，结论完全反转。这正是暴露量的价值——它把不同规模、不同时长的风险拉回到同一尺度。

二、常见暴露量类型与适用场景

不同险种、不同业务线的风险驱动因素不同，暴露量的选择也各异。以下是费率厘定中最常见的几类：

选择暴露量时需遵循两个原则：一是与赔付风险线性相关，即暴露量翻倍，期望赔付也大致翻倍；二是可观测、可记录、可验证，否则无法进入模型。例如，行驶里程若依赖客户自报，质量差，就不如车载设备（OBD）采集的数据可靠。

三、方法流程：暴露量如何进入GLM费率厘定

将暴露量正确纳入建模流程，通常包括以下步骤：

1. 识别风险驱动因素：与业务专家确认，哪些量真正驱动赔付频率或强度。
2. 数据采集与清洗：确保暴露量字段完整、单位统一、无异常值。例如时间暴露需处理退保、批改导致的不足期。
3. 选择建模角色：若暴露量与赔付期望成比例，作为Offset；若仅反映样本权重，作为Weight。
4. 构建GLM模型：在Python的statsmodels或R的glm中指定offset参数。
5. 验证与校准：检查残差是否随暴露量变化，避免暴露量选择错误导致的系统性偏差。

import statsmodels.api as sm
import pandas as pd

# 示例：车险赔付次数 ~ 年龄 + 车龄，以行驶里程的对数为偏移项
df = pd.read_csv("auto_claims.csv")
df["log_mileage"] = np.log(df["mileage"])

model = sm.GLM(
    df["claim_count"],
    sm.add_constant(df[["age", "car_age"]]),
    family=sm.families.Poisson(),
    offset=df["log_mileage"]
)
result = model.fit()
print(result.summary())

运行后，模型系数表示“在行驶里程相同的前提下，年龄、车龄对赔付频率的影响”。若不加offset，系数会被里程差异污染，失去业务解释力。

四、案例与场景：里程险中的暴露量实战

某保险公司推出按里程付费的车险产品。传统车险以“年”为时间暴露，但客户A每年开5000公里，客户B每年开5万公里，两者风险相差近10倍。若统一按年收费，A补贴B，逆选择严重。

该公司将行驶里程作为暴露量，建立Poisson GLM：赔付次数 ~ 车型 + 驾驶人年龄 + offset(log(里程))。模型输出每万公里的事故频率，再乘以客户实际里程，得到个性化保费。上线后，低里程客户保费下降约35%，高里程客户保费上升，赔付率从72%降至65%，逆选择明显缓解。

五、误区与复盘：暴露量使用中的常见陷阱

• 误区一：暴露量单位不统一。有的保单按天，有的按月，直接相加导致模型偏差。复盘：建模前必须统一到同一时间粒度。
• 误区二：把暴露量当普通协变量。若将log(暴露量)作为普通自变量，模型会估计其系数，但理论上该系数应为1。除非有证据表明风险非线性于暴露量，否则应固定为Offset。
• 误区三：忽略暴露量为零或缺失。零暴露量意味着没有风险，不应进入频率模型；缺失值需插补或剔除，否则GLM报错或产生误导结果。
• 误区四：暴露量与赔付强度混用。频率模型用时间/里程暴露，强度模型（如每次事故赔付金额）通常不需要Offset，而应关注单次损失分布。