1. 课程导入

准备金回溯（Backtesting）与偏差分析（Deviation Analysis）是精算评估与财务报告闭环中的关键质量保障环节。它们回答的不是“准备金现在是多少”，而是“我们过去对准备金的判断，今天回头看是否站得住脚”。在IFRS 17、C-ROSS II以及各类偿付能力与内含价值评估框架下，准备金不再是年末一次性数字，而是一条随时间展开的估计链。回溯与偏差分析，正是对这条估计链进行系统体检的方法论。

一、核心定义：回溯与偏差分析到底在做什么

准备金回溯，是指将历史时点上的准备金估计结果，与后续实际发生的赔付、费用、退保等经验数据进行比较，检验原估计假设与模型是否合理。它通常按“评估日—观察期—实际结果”三段式展开，核心是可验证性：每一个假设都应当能被后续经验检验。

偏差分析，则是在回溯基础上进一步拆解偏差来源：哪些来自死亡率、发病率、退保率、折现率、费用率等假设偏离？哪些来自模型结构、分组方式、数据质量或随机波动？偏差分析的目标不是追责，而是定位可改进的假设与流程，并为下一轮假设更新提供依据。

从精算控制循环看，准备金评估、经验分析、假设更新、再评估构成一个闭环。回溯与偏差分析位于“经验分析”与“假设更新”之间，是闭环能否真正转动的轴承。

二、核心原理：从估计链到偏差分解

准备金回溯的基本原理可以用一个简洁的恒等式表达：

实际结果 = 期初准备金 + 期间释放 + 假设偏差 + 模型偏差 + 随机波动
偏差 = 实际结果 - 期初准备金预期释放

其中，期初准备金是评估日基于当时假设与模型计算的结果；预期释放是按原假设在观察期内应当发生的变动；实际结果来自真实赔付、费用与退保数据。两者之差即为总偏差，再通过逐项替换假设、重跑模型，将总偏差分解到各驱动因子。

偏差分解通常遵循“先整体、后局部，先重大、后次要”的原则。对于寿险，优先关注死亡率/发病率、退保率、折现率与费用率；对于非寿险，优先关注赔付率、案均赔款、报案延迟与结案速度。分解方法包括逐项替换法、逐层剥离法和基于敏感性的归因法。

三、方法流程：一次完整回溯的六个步骤

无论寿险还是非寿险，一次规范的回溯与偏差分析通常包含以下步骤：

1. 确定回溯范围与观察期：明确评估日、观察期长度、业务口径与分组维度，避免口径漂移。
2. 冻结期初估计：保留评估日的假设、模型版本、数据快照与计算日志，确保可复现。
3. 采集实际经验数据：按同一口径收集赔付、费用、退保、报案与结案数据，完成数据清洗与对账。
4. 计算总偏差：比较实际结果与期初预期释放，形成偏差总表。
5. 逐项分解偏差：依次替换死亡率、退保率、折现率、费用率等假设，量化各因子贡献。
6. 形成结论与行动项：区分系统性偏差与随机波动，提出假设更新、模型优化或数据治理建议。

四、案例场景：一个简化的偏差分解示例

假设某寿险产品在2023年末评估的准备金为1.2亿元，原假设下2024年预期释放为800万元。2024年实际赔付与费用合计导致准备金变动为1,050万元。则总偏差为250万元。进一步分解发现：退保率上升贡献120万元，死亡率下降贡献60万元，费用率上升贡献50万元，剩余20万元为随机波动。

偏差来源	金额（万元）	占比	性质判断	建议动作
退保率上升	120	48%	系统性	更新退保假设
死亡率下降	60	24%	趋势性	复核死亡率表
费用率上升	50	20%	系统性	费用假设重估
随机波动	20	8%	非系统性	持续观察
合计	250	100%	—	—

这个案例说明：偏差分析的价值不在于算出250万元，而在于识别出退保率与费用率是主要驱动因子，从而把有限的精算资源投向最需要更新的假设。

五、常见误区与复盘要点

复盘时应重点检查：期初估计是否可复现？数据口径是否一致？偏差分解是否覆盖主要驱动因子？结论是否区分了趋势与波动？行动项是否有责任人与时间表？只有把回溯嵌入精算治理流程，它才能真正发挥质量保障作用。

六、学习目标与整体课程框架

通过本课程，学员应当能够：理解回溯与偏差分析在准备金评估闭环中的定位；掌握偏差分解的基本方法与工具；能够独立设计一次回溯分析并撰写结论；识别常见误区并建立复盘机制。

整体课程将沿“概念—方法—工具—案例—治理”五条主线展开，共30章。前段建立定义与框架，中段深入假设分解、模型偏差与数据质量，后段聚焦实操案例、监管沟通与流程治理。学习路径建议按章节顺序推进，每章配合一个可复用的模板或检查清单，最终形成一套可落地的回溯与偏差分析工作方法。