3. 风险分层概述
在车险经营中，不同车辆、不同驾驶人、不同使用场景所对应的赔付概率与赔付金额差异极大。如果对所有保单采用同一费率，就会出现低风险客户补贴高风险客户的“逆向选择”问题。风险分层正是解决这一问题的核心方法：它把整体投保群体按照风险特征划分为若干相对同质的层级，使每个层级内部的赔付规律接近，层级之间的风险水平可区分、可度量、可定价。
一、风险分层的定义与核心原理
风险分层（Risk Stratification）是指依据一组与赔付相关的风险因子，将投保标的或保单划分为若干风险等级或风险组的过程。其本质是用可观测的特征变量去逼近不可直接观测的预期损失。从精算视角看，每个风险层的纯保费可表示为：
纯保费 = 该层预期赔付频率 × 该层预期案均赔付金额
= E(N) × E(Severity)
风险相对系数 = 该层纯保费 / 整体平均纯保费风险分层追求两个目标：一是层内同质性，即同一层内的保单风险水平尽量接近；二是层间差异性，即不同层之间的风险水平要能被清晰区分。二者存在权衡——分层过粗，层内差异大，定价不精准；分层过细，每层样本量不足，估计不稳定，且可能触及合规与可解释性边界。
二、风险分层在保费定价中的作用
风险分层是费率厘定的中间桥梁。它向上承接风险因子的筛选与量化，向下输出各风险层的费率系数，最终形成保单保费。其作用主要体现在四个方面：
- 提升定价公平性：让高风险客户承担更高保费，低风险客户获得更优价格，减少交叉补贴。
- 控制逆向选择：若低风险客户认为价格过高而流失，剩余池子风险上升，会形成恶性循环；合理分层可缓解这一过程。
- 支撑精细化经营：分层结果可用于核保规则、续保策略、渠道筛选和再保安排。
- 满足监管与合规要求：分层因子需有精算依据，不能使用歧视性或不相关变量，且需可解释、可审计。
下面用一张表概括常见风险因子及其分层作用：
| 因子类别 | 典型变量 | 分层作用 | 注意事项 |
|---|---|---|---|
| 车辆因子 | 车价、车龄、车型、安全配置 | 影响维修成本与盗抢损失 | 需避免与品牌歧视混淆 |
| 驾驶人因子 | 年龄、驾龄、历史赔付、违章 | 影响出险频率 | 历史赔付需观察期稳定 |
| 使用因子 | 年行驶里程、使用性质、行驶区域 | 影响暴露量与事故概率 | 里程数据需可验证 |
| 保单因子 | 险种、保额、免赔额、NCD | 影响保障范围与道德风险 | NCD 需与奖惩机制联动 |
三、风险分层的基本流程
一个完整的风险分层项目通常遵循以下步骤，每一步都需要数据、精算与业务三方协同：
- 明确目标与边界：确定分层用于定价、核保还是营销，界定可用的因子范围和合规红线。
- 数据准备与清洗：整合保单、理赔、车辆、驾驶人等多源数据，处理缺失、异常和重复记录。
- 因子筛选与量化：通过单变量分析、相关性检验和业务判断，筛选出稳定且可解释的风险因子。
- 分层建模：可采用广义线性模型（GLM）、决策树或分箱法，将连续变量离散化为风险等级。
- 层数确定与平滑：平衡样本量与区分度，对相邻层进行合并或平滑，避免过拟合。
- 费率系数生成：将各层相对系数转化为费率表，并与基准费率相乘得到最终保费。
- 回溯检验与监控：用留出样本验证分层效果，上线后持续监控各层赔付率与迁移情况。
四、案例场景与常见误区
假设某车险项目将驾驶人年龄分为三档：25岁以下、25至50岁、50岁以上。初步统计发现，25岁以下赔付频率最高，50岁以上次之，25至50岁最低。若直接按此分档定价，可能忽略“驾龄”与“年行驶里程”的交互影响——年轻但驾龄长、里程低的客户，其实际风险可能低于预期。因此，分层不是单因子切分，而是多因子组合下的风险刻画。
常见误区包括：
- 唯统计显著性：只追求模型指标，忽略业务可解释性和监管接受度。
- 分层过细：层数过多导致每层样本不足，系数波动大，上线后不稳定。
- 忽略时间稳定性：用单年数据分层，未考虑赔付随机波动和外部环境变化。
- 把相关当因果：某些因子只是代理变量，直接使用可能带来合规风险。
- 上线后不监控：分层系数长期不更新，导致与实际风险脱节。
五、风险分层的整体逻辑图
下图展示了从原始风险特征到最终保费输出的分层逻辑：左侧为输入因子，中间为分层与系数生成，右侧为定价结果与反馈监控。
从图中可以看出，风险分层并非孤立环节，而是连接数据、模型、定价与监控的闭环。只有把输入因子、分层建模、费率输出和上线监控串联起来，风险分层才能真正转化为可执行的保费定价能力。