3. 风险评分入门

在商用车队保险中，精算定价解决的是“整体保费是否充足”，而风险评分解决的是“每一支车队相对风险有多高”。两者不是替代关系，而是分工关系：定价给出价格水平，评分给出风险排序与风险区分。理解风险评分，是理解车队保险精细化经营的第一步。

一、核心原理：风险、风险评分与评分卡

风险在保险语境下，指的是实际损失结果偏离预期的可能性与幅度。对车队保险而言，风险至少包含三个维度：发生频率（每辆车每年出险次数）、损失强度（单次事故的赔付金额）、暴露规模（车辆数、行驶里程、运营区域）。频率高但强度低，与频率低但强度高，是两种完全不同的风险形态，定价策略也应不同。

风险评分是把多维风险信息压缩成一个可比较的分值或等级的过程。它的本质是“降维+排序”：把车辆类型、驾驶员行为、历史赔付、运营线路、安全管理等几十个字段，映射为一个分数，让核保、定价、续保、风控都能用同一把尺子沟通。

评分卡是风险评分最经典、最可解释的实现形式。它把每个风险因子拆成若干档位，每档赋予一个分值，加总后得到总分。评分卡的核心思想是：不追求单因子的绝对精确，而追求多因子的相对区分。例如“急刹车次数”单独看可能噪声很大，但与“夜间行驶占比”“历史出险次数”组合后，就能稳定区分高风险车队。

二、方法流程：从原始数据到评分卡

构建一张车队风险评分卡，通常遵循以下流程：

1. 定义目标变量：明确评分预测什么，例如“未来12个月是否发生赔付”“赔付率是否超过80%”。
2. 候选因子池：收集车辆、驾驶员、运营、历史赔付、安全管理等字段。
3. 数据清洗与分箱：把连续变量离散化，例如把“年均行驶里程”分为0–3万、3–8万、8–15万、15万以上四档。
4. 单因子分析：计算每个档位的赔付频率或赔付率，剔除区分度低、业务不可解释的因子。
5. 赋分与加权：按风险高低赋予分值，高风险档位得高分或低分，需在全表统一方向。
6. 验证与校准：用留出样本检验区分度（如KS、AUC）和稳定性（如PSI）。
7. 上线与监控：定期回看评分分布与赔付表现，防止评分漂移。

下面是一个简化的评分卡参数示例，展示“因子—档位—分值”的结构：

因子            档位                分值
历史出险次数     0次                 0
                1次                 8
                2次                 18
                ≥3次                35

年均行驶里程     0–3万公里           0
                3–8万公里           6
                8–15万公里          14
                >15万公里           25

夜间行驶占比     <10%                0
                10%–30%             7
                >30%                16

驾驶员平均年龄   >45岁               0
                35–45岁             4
                <35岁               10

总分越高，代表风险越高。实际业务中还会加入车辆类型、货物类别、区域事故率等因子，并对不同因子设置权重上限，避免单一因子主导评分。

三、评分与定价的关系

评分与定价的关系可以用一句话概括：评分负责排序，定价负责定价。评分把车队从低风险到高风险排成一条线，定价则决定这条线上每个位置对应多少钱。

常见做法是建立“评分—费率”映射表。例如评分低于40分为优质车队，费率系数0.8；40–70分为标准车队，系数1.0；70–90分为关注车队，系数1.25；90分以上为高风险车队，系数1.6或直接拒保。这样，评分卡就成为定价模型的输入变量之一，而不是定价的全部。

需要强调的是，评分与定价之间还隔着成本假设和竞争策略。同样的评分分布，如果赔付成本上升，费率系数整体要上移；如果市场竞争激烈，优质车队的系数可以下探。评分本身不决定价格，它只提供风险区分的依据。

四、案例与误区复盘

某物流车队有120辆车，主要跑华东干线。初步评分卡显示其历史出险次数偏高，但进一步拆解发现，出险集中在5辆车上，且这5辆车均为新入职驾驶员。如果只看车队总分，会误判为“整体高风险”；如果按车辆或驾驶员维度细分，就能定位到具体风险源。这说明评分卡需要选对评分粒度：车队级评分用于定价，车辆级或驾驶员级评分用于风控整改。