4. 赔案分层原理
在大额赔案与尾部准备金建模中，赔案分层不是一个可选的“美化步骤”，而是决定模型结构、参数稳定性与最终准备金结论可信度的基础工程。分层的本质，是把损失经验中生成机制不同的赔案区分开，使每一层内部的数据尽量同质，从而让频率、强度、发展模式的估计不再被少数极端值或混合分布所扭曲。
一、分层的目的：从“混合池”走向“同质层”
未分层的赔案数据通常呈现极端右偏、长尾、多峰或厚尾特征。直接对全量数据拟合单一分布，往往出现两个后果：一是主体小额赔案的经验被大额赔案拉偏，二是尾部参数被少量巨灾或高额个案主导，导致准备金对单个数据点过度敏感。分层的目的可以归纳为四点：
- 提升同质性：让层内赔案服从更接近单一的损失生成过程，降低模型误设风险。
- 稳定参数估计：避免小额高频数据与巨额低频数据相互干扰，使频率与强度参数各自可解释。
- 支持差异化建模：小额层可用聚合方法或简化发展因子，大额层需逐案评估、单独设置尾部因子。
- 满足监管与治理要求：大额赔案通常需要单独列示、单独假设、单独复核，分层是审计轨迹的起点。
换句话说，分层不是为了把数据切碎，而是为了在可解释性、稳定性与精细度之间找到平衡。层数过少，混合效应仍在；层数过多，每层样本不足，参数噪声反而上升。
二、分层维度：按什么切分赔案
分层维度选择取决于业务线、数据可得性与建模目标。常见维度包括：
| 维度 | 典型切分方式 | 适用场景 | 主要风险 |
|---|---|---|---|
| 赔案金额 | 小额/中额/大额/巨灾 | 几乎所有非寿险尾部建模 | 阈值主观，需回测验证 |
| 事故类型 | 车损/人伤/责任/财产 | 险种内部损失机制差异大 | 类型过多导致样本稀疏 |
| 结案状态 | 已结案/未结案/重开 | 发展因子与IBNR估计 | 状态定义随流程变化 |
| 报告延迟 | 早报/晚报/滞后报告 | 尾部IBNR与报告模式建模 | 延迟分组边界需稳定 |
| 地域/渠道 | 区域、销售渠道 | 频率与 severity 差异明显时 | 维度组合爆炸 |
实务中通常采用主维度+辅维度策略：以赔案金额为主维度，因为金额直接决定尾部风险；再在层内视样本量引入事故类型或结案状态作为辅维度。切忌一次性交叉所有维度，否则会迅速耗尽样本。
三、分层阈值选择：在哪里“下刀”
阈值选择是分层中最容易被低估的环节。阈值不是拍脑袋定的，而应同时考虑统计信号与业务含义。常用方法包括：
- 分位数法：取赔案金额的90%、99%、99.5%分位作为候选阈值，保证大额层有足够样本。
- 分布拐点法：在对数金额直方图或QQ图上寻找分布形态变化的拐点。
- 业务规则法：结合再保合同 attachment point、内部授权权限、监管报告门槛。
- 回测法：比较不同阈值下准备金评估的稳定性、预测误差与尾部敏感度。
一个可操作的阈值配置示例如下：
分层阈值配置（示例）
layer_small : 0 ~ 50,000
layer_medium : 50,000 ~ 500,000
layer_large : 500,000 ~ 5,000,000
layer_cat : > 5,000,000
说明：
- 小额层：聚合建模，使用发展因子法
- 中额层：频率-强度分离，强度拟合对数正态
- 大额层：逐案评估，单独设置尾部因子
- 巨灾层：事件驱动，单独巨灾模型
四、分层对准备金评估的影响
分层直接改变准备金的三个核心输入：发展因子、尾部因子与个案准备金。未分层时，大额赔案的缓慢结案会拉高整体发展因子，使小额层准备金被高估；同时，小额赔案的快速结案又会稀释大额层的尾部信号，使尾部准备金被低估。分层后，各层可以使用不同的发展模式与尾部假设，评估结果更贴近真实赔付过程。
下图展示赔案金额分层与准备金评估路径的对应关系：
五、常见误区与复盘要点
误区二：层数越多越好。层数增加会降低每层样本量，导致参数估计方差上升，甚至出现负发展因子。
误区三：只按金额分层，忽略事故类型。车险人伤与车损的尾部形态差异极大，仅按金额分层仍可能混合不同机制。
误区四：分层后不做一致性校验。各层准备金加总应与全量口径可对账，否则说明分层边界或方法存在遗漏。
复盘时建议固定检查四项：各层样本量是否满足参数估计最低要求；层内分布是否仍呈现明显多峰；分层前后准备金差异是否可解释；阈值变动对尾部准备金的敏感度是否在可接受范围。只有通过这四项校验，分层才算真正服务于准备金评估，而不是增加了一层形式上的复杂度。