1. 课程导入
欢迎进入《车险车型、车龄与地域风险建模实战》。在正式进入数据清洗、特征工程与模型调优之前，我们需要先回答三个问题：为什么要做车险风险建模？这门课要解决哪些具体问题？我们将通过怎样的实战项目把知识串起来？本章不涉及复杂算法，而是帮助大家建立全局视角，理解车险定价与风险选择背后的业务逻辑，明确后续30章的学习路径。
一、车险风险建模的意义：从“拍脑袋定价”到“数据驱动定价”
车险是财产险公司最重要的业务板块之一，其经营核心可以概括为“保费充足性”与“风险选择”两个命题。传统定价往往依赖历史经验、渠道反馈和简单分组，例如“25岁以下男性加费”“某省整体亏损就统一涨价”。这种做法在数据量小、市场同质化时勉强可用，但在竞争激烈、监管趋严、数据丰富的今天，会带来两个直接后果：好客户被高价赶走，坏客户被低价吸引，最终导致赔付率恶化。
风险建模的意义在于，用可量化的方式回答：哪些车型更容易出险？车龄增长如何影响赔付频率与赔付强度？不同地域的风险差异究竟有多大？当这些因素被纳入模型后，保险公司就能实现更精细的差异化定价，把保费与真实风险挂钩。对消费者而言，这意味着更公平的价格；对公司而言，这意味着更可控的赔付成本和更健康的业务结构。
核心逻辑：车险保费 ≈ 纯风险保费 + 附加费用 + 利润与安全边际。风险建模主要作用于“纯风险保费”部分，即预测出险频率（Frequency）与案均赔付（Severity），二者相乘得到期望赔付成本。
二、学习目标：学完本课程你能做什么
本课程面向有一定数据分析基础、希望进入车险精算或风控建模领域的学员。完成全部30章后，你应当具备以下能力：
- 业务理解：能解释车型、车龄、地域三个维度在车险风险中的业务含义与常见表现。
- 数据处理：能对车险保单与理赔数据进行清洗、聚合、衍生特征，并处理缺失值与异常值。
- 特征工程：能构建车型风险等级、车龄分段、地域风险指数等可用特征。
- 模型开发：能使用广义线性模型（GLM）、梯度提升树（GBDT）等完成频率与强度建模。
- 评估与落地：能通过区分度、校准度、 Lift 等指标评估模型，并输出可解释的定价建议。
需要强调的是，本课程不是纯算法课，而是业务驱动建模。每一个模型选择都要能回答“它对定价或风控有什么实际价值”。
三、整体课程框架：从数据到决策的完整链路
30章内容按照“认知—数据—特征—模型—评估—落地”的主线展开，可划分为六个模块：
| 模块 | 章节范围 | 核心内容 | 产出物 |
|---|---|---|---|
| 导入与业务认知 | 第1–4章 | 车险风险建模意义、数据来源、业务指标、监管环境 | 业务问题定义 |
| 数据准备与探索 | 第5–10章 | 保单理赔数据清洗、描述统计、可视化探索 | 建模宽表 |
| 特征工程 | 第11–16章 | 车型编码、车龄分段、地域风险指数、交互特征 | 特征库 |
| 模型开发 | 第17–23章 | GLM、正则化、树模型、频率强度双模型 | 风险模型 |
| 评估与解释 | 第24–27章 | 区分度、校准、SHAP解释、业务校验 | 模型报告 |
| 实战落地 | 第28–30章 | 定价策略、监控体系、完整项目复盘 | 定价方案 |
可以看到，车型、车龄与地域三条主线会贯穿始终：车型影响维修成本与出险倾向，车龄反映车辆折旧与驾驶行为变化，地域则承载了交通密度、气候、治安等外部风险。三者并非独立，后续会重点讲解它们的交互效应。
四、实战项目介绍：一个可复用的车险风险建模案例
为了让知识不悬空，本课程围绕一个贯穿始终的实战项目展开：某中型财产险公司家用车车险定价优化。项目背景如下：公司过去三年家用车业务综合成本率持续高于100%，管理层希望在不显著降低市场份额的前提下，识别高风险车型、车龄段与地域组合，并给出差异化定价建议。
项目数据包括保单表、理赔表、车辆信息表和地域经济指标表，核心字段示例：
policy_id, vehicle_model, vehicle_age, region_code,
sum_insured, premium, claim_count, claim_amount,
driver_age, usage_type, ncd_level
建模目标分为两个子任务：
- 频率模型：预测每张保单在保险期间内的出险次数，常用泊松回归或负二项回归。
- 强度模型：预测每次出险的平均赔付金额，常用伽马回归或对数正态回归。
最终纯风险保费 = 预测频率 × 预测强度。在此基础上叠加费用率与利润边际，形成建议保费。项目会经历数据清洗、探索性分析、特征构造、模型训练、交叉验证、业务校验和策略输出七个阶段。
学习建议：每章结束后，建议用同一份数据动手复现关键步骤。车险建模的难点往往不在算法，而在数据口径、特征含义和业务约束。把每一章当成项目的一个里程碑，最终你会得到一份完整的建模报告。
五、常见误区与提前复盘
在正式动手前，先了解初学者最容易踩的坑，可以节省大量时间：
- 误区一：只看模型指标，不看业务合理性。若模型给出“车龄越大风险越低”的结论，需要检查是否因为老车投保车损险比例低，导致理赔数据被截断。
- 误区二：把地域简单当成省份编码。地域风险不仅与省份有关，还与城市等级、交通拥堵指数、维修网点密度相关，需要构造更有信息量的地域特征。
- 误区三：忽略暴露量。不同保单的保险期间、保额、承保范围不同，直接比较理赔金额会失真，必须引入暴露量或使用率指标。
- 误区四：过早追求复杂模型。在特征质量不高时，复杂模型容易过拟合。先用GLM建立可解释基线，再尝试树模型提升。
重要提醒：车险数据涉及个人信息与商业机密，实际项目中必须遵守数据安全与隐私合规要求。课程案例数据均为脱敏或模拟数据，仅用于教学。
本章的核心任务是建立“业务问题—数据—特征—模型—决策”的完整认知链条。当你理解了车型、车龄与地域为什么重要，以及它们如何共同影响赔付成本，后续的每一行代码和每一个参数都会变得有方向。接下来，我们将从车险业务指标与数据来源开始，正式进入建模世界。