1. 课程导入
欢迎进入《车险赔付频率与案均损失联合建模》课程。在车险精算与风险管理中，单纯预测“赔多少”或“赔几次”往往不足以支撑定价、准备金和再保决策。真正贴近业务现实的，是把赔付频率与案均损失放在同一框架下联合建模，从而得到对总赔付成本的完整刻画。本章作为导入，将明确学习目标、核心概念、整体框架与业务价值，为后续章节打下共同语言。
一、学习目标：从“单点预测”走向“联合刻画”
本课程的学习目标可以概括为四个层次。第一，理解频率与案均损失为何需要联合建模，而不是分别建模后简单相乘。第二，掌握频率模型（如泊松、负二项）与案均损失模型（如伽马、对数正态）的基本形式与适用条件。第三，能够构建联合模型，处理零赔付、相关性、个体异质性等现实问题。第四，能够把模型结果转化为纯保费、风险因子、赔付成本分布等业务输出。
- 概念层：区分频率、案均损失、纯保费与总赔付成本。
- 方法层：掌握广义线性模型、混合模型与联合分布构造。
- 数据层：理解保单暴露、索赔记录与个体特征的数据结构。
- 业务层：将模型结果用于定价、核保、准备金与再保分析。
二、核心概念：频率、案均损失与纯保费
车险赔付成本通常可分解为两个维度：赔付频率（单位暴露期内发生赔付的次数）与案均损失（每次赔付的平均金额）。若用 N 表示赔付次数，用 X 表示单次赔付金额，则总赔付成本 S 可表示为 S = X₁ + X₂ + … + X_N。当 N 与 X 独立时，纯保费可近似为 E(S) = E(N) × E(X)。但在真实车险数据中，频率与案均损失往往存在相关性，例如高风险驾驶员既更容易出险，出险后的损失也可能更大，因此联合建模比分开建模更稳健。
| 概念 | 符号 | 含义 | 常见分布 |
|---|---|---|---|
| 赔付频率 | N | 单位暴露期内的赔付次数 | 泊松、负二项 |
| 案均损失 | X | 每次赔付的平均金额 | 伽马、对数正态 |
| 总赔付成本 | S | 单位暴露期内的总赔款 | 复合分布 |
| 纯保费 | E(S) | 期望总赔付成本 | 由 N 与 X 联合决定 |
需要特别注意的是，频率与案均损失的“联合”并不只是把两个模型结果相乘。联合建模要处理三类问题：一是零赔付保单大量存在，导致频率模型需要零膨胀或 hurdle 结构；二是个体异质性，即不同保单的风险水平不同；三是频率与损失之间的相依性，可能来自共同的风险因子或索赔行为。
三、整体框架：从数据到决策的建模链路
本课程的整体框架遵循“数据准备—频率建模—案均损失建模—联合构造—业务应用”的主线。数据准备阶段需要整理保单暴露、索赔次数、索赔金额与个体特征；频率建模阶段选择合适的计数模型并处理过离散；案均损失建模阶段处理右偏、厚尾与零损失；联合构造阶段则通过 copula、共享随机效应或复合分布等方式刻画相依性；最后将模型输出转化为纯保费、风险分级与资本要求。
上图展示了本课程的整体链路：左侧数据准备为起点，中间频率模型与案均损失模型并行推进，右侧联合构造将两者结合，最终输出总赔付成本分布并服务于业务应用。需要强调的是，联合构造不是简单相加，而是通过统计结构刻画两个维度之间的相依关系。
四、业务价值：为什么联合建模值得投入
联合建模的业务价值体现在四个方面。第一，定价更精准：传统纯保费常假设频率与案均损失独立，若两者正相关，分开建模会低估高风险保单的成本。第二，风险分级更合理：联合模型可以识别“高频高损”与“低频高损”等不同风险类型，支持差异化核保。第三，准备金更稳健：总赔付成本分布的分位数可用于确定资本要求与准备金水平。第四，再保与组合管理更有效：联合分布有助于评估巨灾、累积风险与再保分层效果。
五、常见误区与复盘要点
初学者常陷入三个误区。其一，认为频率与案均损失一定独立，忽略共同风险因子导致的相关性。其二，只关注均值预测，忽略总赔付成本分布的尾部风险。其三，把零赔付保单简单删除，导致频率模型有偏。复盘时应重点检查：数据是否包含足够暴露期信息；频率模型是否处理过离散；案均损失模型是否处理右偏与厚尾；联合结构是否有业务解释力。