4. 风险因子分析
在车险动态定价项目中，风险因子分析是连接数据与定价模型的桥梁。它的任务不是简单罗列变量，而是回答三个问题：哪些因子真正影响赔付风险？影响有多大？业务上能否解释和落地？本章围绕“人、车、地、行为”四个维度，建立一套可复用的因子识别、预测能力评估与可解释性审查流程。
一、核心原理：四维因子框架
车险风险的本质是“谁在什么环境下如何驾驶什么车”。因此，因子体系可以自然拆分为四个维度：
- 从人因子：年龄、驾龄、性别、历史赔付次数、违章记录、职业、婚姻状况、信用评分等。它们反映驾驶员的稳定性和风险偏好。
- 从车因子：车龄、车型、新车购置价、排量、安全配置、零整比、使用性质（家用/营运）、座位数等。它们决定事故后的维修成本和损失幅度。
- 从地因子：常住地、行驶区域、城市拥堵指数、道路等级、气候带、盗抢率、维修网点密度等。它们刻画外部环境风险。
- 从行为因子：年均行驶里程、夜间行驶占比、急加速/急刹车频次、超速次数、疲劳驾驶时长、手机使用次数等。它们是最接近“实时风险”的动态变量。
四维框架的价值在于：从人、从车、从地相对静态，适合作为基础费率因子；从行为动态性强，适合作为UBI（基于使用行为的保险）和续保调价的核心输入。动态定价模型通常将静态因子作为基准，将行为因子作为浮动调整项。
关键判断：一个因子是否值得进入定价模型，取决于三个条件同时成立——统计上显著、业务上可解释、数据上可稳定获取。三者缺一，都会导致模型上线后失效或引发合规争议。
二、方法流程：从候选因子到定价输入
风险因子分析不是一次性工作，而是一个迭代流程。建议按以下六步推进：
- 候选因子池构建：从业务系统、理赔系统、车联网平台、第三方数据源中提取候选变量，形成宽表。
- 数据质量审查：检查缺失率、异常值、口径一致性、时间窗口对齐。缺失率超过30%的因子优先考虑剔除或分箱处理。
- 单因子分析：用WOE（证据权重）和IV（信息值）衡量单变量对赔付的区分能力。IV低于0.02通常视为弱因子。
- 多因子共线性与交互检验：用VIF检测共线性，用树模型或交叉项检验交互效应，避免“年龄”和“驾龄”同时进入造成重复解释。
- 预测能力评估：在逻辑回归、GBDT、XGBoost等模型上比较AUC、KS、Gini，并观察因子重要度排序。
- 业务可解释性审查：与核保、理赔、精算、合规团队逐条确认因子的业务含义、使用边界和监管要求。
其中，WOE和IV的计算是单因子分析的核心。示例代码如下：
import pandas as pd
import numpy as np
def calc_woe_iv(df, feature, target):
# 按特征分箱后统计好坏样本
grouped = df.groupby(feature)[target].agg(['count', 'sum'])
grouped.columns = ['total', 'bad']
grouped['good'] = grouped['total'] - grouped['bad']
grouped['bad_rate'] = grouped['bad'] / grouped['bad'].sum()
grouped['good_rate'] = grouped['good'] / grouped['good'].sum()
grouped['woe'] = np.log(grouped['good_rate'] / grouped['bad_rate'])
grouped['iv'] = (grouped['good_rate'] - grouped['bad_rate']) * grouped['woe']
iv = grouped['iv'].sum()
return grouped, iv
# 示例：计算“历史赔付次数”的IV
woe_table, iv_value = calc_woe_iv(df, 'claim_count_bin', 'is_claim')
print(f"IV = {iv_value:.4f}")
IV的经验判断标准如下：IV < 0.02 预测能力极弱；0.02～0.1 弱；0.1～0.3 中等；0.3～0.5 强；> 0.5 极强但需警惕过拟合或数据泄露。
三、预测能力与可解释性评估矩阵
不同因子的预测能力和可解释性并不一致。下表给出常见因子的评估参考，帮助团队决定其进入模型的方式：
| 维度 | 典型因子 | 预测能力 | 业务可解释性 | 建议使用方式 |
|---|---|---|---|---|
| 从人 | 历史赔付次数 | 高 | 高 | 直接进入基准费率 |
| 从人 | 信用评分 | 中 | 中 | 需合规审查后使用 |
| 从车 | 车龄 | 中 | 高 | 分箱后进入模型 |
| 从车 | 零整比 | 中高 | 高 | 用于维修成本修正 |
| 从地 | 城市拥堵指数 | 中 | 中 | 区域因子交互使用 |
| 从行为 | 急刹车频次 | 高 | 高 | UBI浮动调整 |
| 从行为 | 夜间行驶占比 | 中高 | 高 | 续保调价参考 |
实操建议：预测能力强的因子不一定能直接用于定价。例如“手机使用次数”预测能力可能很强，但涉及隐私和监管限制，通常只能用于风险提示或增值服务，不能直接作为加费依据。
四、案例与误区复盘
某中型财险公司在续保定价项目中，最初将“行驶里程”和“急加速频次”同时放入模型，发现两者VIF超过8，且业务解释重叠。团队随后将“急加速频次”按每千公里标准化，形成“单位里程急加速次数”，既保留行为信息，又消除里程规模影响，模型KS提升约3个百分点。
另一个常见误区是“唯IV论”。某团队发现“车辆颜色”IV达到0.12，便将其纳入模型，结果上线后被核保团队质疑：颜色与车型、使用性质高度相关，本质是代理变量，且容易引发歧视争议。最终该因子被剔除，改用车型和零整比组合。
复盘要点：因子分析必须同时看统计指标和业务逻辑。任何无法向监管、客户或内部审计解释的因子，都不应直接进入定价公式。动态定价的竞争力来自“可解释的精准”，而不是“黑箱的复杂”。
总结来看，风险因子分析的目标不是找到“最多”的变量，而是找到“最稳、最可解释、最可落地”的变量组合。从人、从车、从地、从行为四个维度各有分工：静态因子定基准，动态因子做浮动，区域因子做修正，行为因子做续保调价。只有把预测能力和业务可解释性同时纳入评估，动态定价模型才能在合规前提下持续创造价值。