2. 基础知识
在正式进入建模之前，必须先把“继续率”这件事说清楚。很多团队在项目启动时争论不休，并非算法不够先进，而是对“什么算继续”“从哪个时点算”“分母是谁”没有统一口径。本章的目标，是建立一套所有参与者都能对齐的语言体系，让后续的数据准备、特征工程和模型评估有共同基准。
一、核心原理：继续率到底在度量什么
保单继续率（Persistency Rate）衡量的是一组保单在观察期内仍然有效的比例。它本质上是一个生存分析问题：每张保单从生效开始，就处于“存活”状态，随着时间推移，可能因退保、失效、满期、理赔终止等原因离开观察池。继续率就是对这些“离开事件”的统计刻画。
与之相对的是脱落率（Lapse Rate），两者互为补数：继续率 = 1 − 脱落率。但要注意，不同公司对“脱落”的定义边界不同——有的把失效、退保合并计算，有的把满期给付排除在外，有的把减额交清单独处理。因此，在建模前必须明确事件定义，否则模型学到的可能是混合信号。
13个月继续率 = 观察期末仍有效的保单件数 ÷ 观察期初生效的保单件数 × 100%
这个公式看似简单，但“观察期初生效”和“观察期末仍有效”两个口径一旦松动，结果可能相差几个百分点。例如，是否包含当月生效当月退保的保单？是否剔除因被保险人死亡而终止的保单？这些都需要在数据字典中固化。
二、常见术语与指标口径
继续率建模涉及大量行业术语，以下是最常出现的一组，建议在项目启动会上逐项确认：
| 术语 | 含义 | 建模中的注意点 |
|---|---|---|
| 继续率（Persistency Rate） | 保单在观察期内持续有效的比例 | 需明确观察期长度和事件定义 |
| 脱落率（Lapse Rate） | 保单因退保、失效等原因终止的比例 | 与继续率互补，但口径需一致 |
| 退保（Surrender） | 投保人主动解除合同并领取现金价值 | 通常视为“主动脱落” |
| 失效（Lapse） | 因未按时缴费导致合同效力中止 | 可能复效，需区分“暂时失效”与“永久失效” |
| 复效（Reinstatement） | 失效保单在宽限期内恢复效力 | 建模时需决定是否将复效保单重新纳入观察 |
| 继续率曲线 | 不同保单年度的继续率随保单年度变化的趋势 | 通常第1个保单年度脱落率最高 |
| 观察期 | 从保单生效到统计截止的时间窗口 | 常见有13个月、25个月、37个月等 |
| 保单年度 | 从保单生效日起算的完整年度 | 与自然年度不同，需按保单维度计算 |
其中，第13个月继续率和第25个月继续率是最常用的两个指标。前者反映首年留存能力，后者反映中期留存能力。建模时通常以“是否在第13个月仍有效”作为二分类目标变量，这也是本课程后续实战的主线。
三、应用场景：继续率模型在业务中怎么用
继续率建模不是学术练习，它直接服务于保险公司的经营决策。典型应用场景包括：
- 续期保费预测：基于继续率模型预测未来各期续期保费收入，支撑财务预算和偿付能力测算。
- 客户流失预警：对高脱落风险的保单提前打标，触发客服回访、权益提醒或保单检视。
- 渠道与产品优化：对比不同渠道、不同产品的继续率差异，识别高脱落渠道并调整佣金政策。
- 精算假设校准：用实际继续率数据修正定价和准备金评估中的退保假设。
- 代理人考核：将13个月继续率纳入代理人续期考核指标，引导其关注保单质量而非仅关注首年保费。
四、案例与场景：一个典型的继续率分析场景
假设某寿险公司2023年1月生效了10,000张长期寿险保单，到2024年1月（即第13个月）时，仍有8,200张保单处于有效状态。则第13个月继续率为82%。进一步拆分发现：
- 个险渠道继续率：85%
- 银保渠道继续率：76%
- 经代渠道继续率：79%
银保渠道明显偏低，进一步下钻发现，银保渠道中“趸交转期交”产品的脱落率显著高于纯期交产品。这个发现直接推动了产品策略调整：对趸交转期交产品增加首年回访频次，并在第10个月设置缴费提醒。
这个案例说明，继续率建模的价值不仅在于预测，更在于归因和分层。模型输出的特征重要性可以帮助业务方定位问题渠道、问题产品、问题客群。
五、常见误区与复盘
复盘建议：在项目启动时产出一份《继续率指标口径说明书》，包含事件定义、观察期定义、分母口径、剔除规则、复效处理规则。这份文档是后续所有建模工作的“宪法”，任何口径变更都必须版本化记录。