1. 课程导入
欢迎进入《寿险经验分析 Experience Study 实战》。在正式动手做死亡率、退保率、费用率等具体分析之前，我们需要先建立一张“全局地图”：经验分析到底在解决什么问题，它在寿险经营链条中处于什么位置，监管为什么要求做，以及本课程后续 29 章会沿着怎样的路径展开。本章不涉及复杂公式，但它是后续所有实操的认知地基。
一、什么是寿险经验分析
寿险经验分析，是指保险公司基于自身实际经营数据，对定价与评估中所使用的假设（Assumptions）进行系统性验证与更新的过程。这些假设通常包括死亡率、重大疾病发生率、退保率、费用率、投资收益率、折现率等。经验分析的核心动作可以概括为三步：观察实际经验 → 对比定价/评估假设 → 形成新假设建议。
它与“经验数据”不同：数据只是原材料，经验分析是一套有方法论、有判断、有治理流程的专业工作。它也不是一次性的项目，而是按年度或按业务周期滚动进行的常态机制。
二、经验分析的价值：为什么它值得投入
很多初学者会问：假设是精算师定的，为什么还要花大量人力做经验分析？原因在于，寿险是长期业务，假设的微小偏差会在几十年间被复利放大。经验分析的价值主要体现在四个层面：
- 定价准确性：假设偏离会导致产品定价过高失去竞争力，或过低造成长期亏损。
- 准备金充分性：评估假设直接影响准备金水平，进而影响利润释放节奏与偿付能力。
- 风险管理：退保率、死亡率等假设的异常波动，往往是经营风险的早期信号。
- 监管合规与治理：监管要求公司定期检验假设合理性，并保留可追溯的分析文档。
从职业发展角度看，经验分析能力是精算师从“会用模型”走向“能判断假设”的关键分水岭。它要求你既懂数据，又懂业务，还懂监管逻辑。
三、监管要求：经验分析不是可选项
在中国寿险监管框架下，经验分析具有明确的合规地位。相关要求散见于精算规定、准备金评估规则以及偿付能力监管体系中，核心精神是一致的：假设必须有依据，依据必须可验证，验证必须留痕。
| 监管维度 | 核心要求 | 对经验分析的直接影响 |
|---|---|---|
| 定价假设 | 假设应基于公司经验或行业经验，并保持合理性与审慎性 | 需要提供定价假设与实际经验的对比证据 |
| 准备金评估 | 评估假设需定期复核，确保反映最新经验 | 经验分析结果直接进入评估假设更新流程 |
| 偿付能力 | 要求识别并量化假设偏离带来的风险 | 经验分析是风险校准与压力测试的输入 |
| 治理与文档 | 假设设定与变更需有审批、记录和可追溯性 | 分析报告、数据口径、审批链需完整留存 |
四、整体学习框架：本课程如何展开
为了让 30 章内容形成一条清晰的能力主线，本课程按“认知 → 数据 → 方法 → 实操 → 治理”五个层次组织。下面的 SVG 展示了这一整体框架与各模块之间的支撑关系。
从图中可以看到，五个层次并非孤立：数据层为方法层提供输入，方法层为实操层提供工具，实操层产出结论，治理层则确保结论被合规地采纳并形成闭环。本课程后续每一章都会明确标注它属于哪一层，帮助你随时定位自己正在学习的能力模块。
五、案例场景：一次典型的经验分析触发
假设某公司发现某款终身寿险产品近三年退保率持续高于定价假设。经验分析团队被要求给出解释与建议。典型工作路径如下：
- 确认数据口径：退保定义、观察期、暴露量计算方式是否与定价假设一致。
- 分维度拆解：按保单年度、渠道、地区、缴费方式观察退保率差异。
- 对比假设：将实际退保率与定价假设、行业经验进行对比。
- 判断原因：是经济环境变化、渠道销售质量问题，还是产品设计缺陷。
- 形成建议：是否调整退保率假设，是否同步影响准备金与利润预测。
这个场景说明，经验分析不是单纯算一个比率，而是“数据 + 业务 + 判断 + 沟通”的综合工作。后续章节会逐步教你如何完成每一步。
现在你已经知道经验分析“是什么、为什么、被谁要求、怎么学”。接下来，我们将从最基础的数据与口径开始，进入真正的实战环节。