4. 策略仿真基础
核保决策回放解决的是“过去发生了什么”，而策略仿真要回答的是“如果换一套规则，未来会发生什么”。在核保场景中，真实业务无法承受反复试错：放宽一条健康告知可能带来数百万风险敞口，收紧一条职业分类又可能流失大量优质客户。仿真建模的价值，正是在虚拟环境中低成本、可重复地预演核保策略的后果，让策略调整从“凭经验拍板”转向“先算后调”。
一、仿真建模思想：用可计算的代理世界逼近真实核保
仿真建模的核心思想是构建一个“代理世界”：用数据分布、规则逻辑和随机过程，近似刻画真实投保人群、风险发生规律与核保动作之间的因果关系。它不追求完全复刻现实，而是追求在关键决策变量上足够可信。核保仿真通常包含三类要素：
- 输入层：投保人群画像、健康告知分布、职业与财务风险分布、渠道来源等。
- 规则层：核保策略本身，包括准入规则、加费规则、除外规则、拒保规则与人工复核触发条件。
- 输出层：承保率、拒保率、加费占比、预期赔付率、风险敞口、人工复核量等指标。
从建模方法看，核保仿真常采用“规则引擎 + 蒙特卡洛抽样”的组合：对每一个虚拟投保件，先按真实分布抽样生成年龄、性别、BMI、血压、职业等级、既往症等属性，再让规则引擎执行核保判断，最后统计整体结果。重复数万次后，指标分布趋于稳定，策略差异即可被量化比较。
关键认知：仿真不是预测未来，而是比较不同策略在同一虚拟人群上的相对表现。它的结论形式通常是“策略A比策略B承保率低3个百分点，但预期赔付率下降0.8个百分点”，而非“明年赔付率一定是62%”。
二、核保策略要素：把规则拆成可仿真的参数
要让仿真可执行，核保策略必须被拆解为结构化要素。以下清单可作为策略建模的检查表：
| 策略要素 | 说明 | 仿真中的表达 |
|---|---|---|
| 准入条件 | 年龄、职业、保额上限等硬性门槛 | 布尔判断，直接过滤投保件 |
| 健康加费 | BMI、血压、血糖等指标对应的加费比例 | 分段函数或评分映射 |
| 除外责任 | 特定疾病或部位不保 | 标签附加，影响后续赔付模拟 |
| 人工复核触发 | 高风险或模糊件转人工 | 条件分支，统计复核量 |
| 渠道差异 | 不同渠道执行不同宽松度 | 策略参数按渠道分组 |
策略要素拆得越细，仿真结论越可解释。例如“放宽BMI上限”这一动作，实际影响的是加费比例分布、拒保率和预期赔付率三个指标，而不是一个笼统的“更宽松”。
三、典型应用场景：仿真在核保决策中解决什么问题
核保仿真并非万能，它最适合回答“规则变化带来的连锁反应”。典型场景包括：
- 新产品定价前的核保策略预演：在费率未定阶段，测试不同健康告知严格程度下的承保结构与赔付成本。
- 存量策略优化：针对某渠道拒保率过高的问题，仿真放宽特定疾病核保条件后的风险敞口变化。
- 监管政策应对：当监管要求不得因某些因素拒保时，仿真替代策略对整体风险池的影响。
- 人工复核资源规划：预测策略调整后人工复核件量峰值，提前配置核保人力。
- 反欺诈策略测试：在虚拟人群中注入欺诈模式，评估新核保规则对欺诈识别的提升效果。
场景选择原则：优先仿真“高频、高影响、可量化”的决策。低频个案不适合仿真，因为抽样噪声会淹没策略差异；无法量化的目标（如品牌声誉）也不适合作为仿真主指标。
四、案例与复盘：一次BMI策略仿真的完整推演
某健康险产品拟将BMI准入上限从30放宽至32。核保团队用10万条虚拟投保件进行仿真，策略参数如下：
policy = {
"bmi_accept_max": 32, # 原为30
"bmi_loading": [
{"range": [28, 30], "loading": 0.15},
{"range": [30, 32], "loading": 0.30}
],
"manual_review_bmi": 31, # 超过31转人工
"decline_if_bmi_over": 32
}
simulation = run_monte_carlo(policy, n=100000, seed=42)
print(simulation.summary())
仿真输出显示：承保率从78.2%升至81.5%，加费件占比从12.1%升至18.7%，人工复核量增加约22%，预期赔付率上升0.6个百分点。复盘发现，赔付率上升主要来自BMI 30～32区间中同时存在高血压的投保件，而原策略对该组合的加费不足。最终策略调整为：BMI 30～32且合并高血压者，加费比例从30%提高至45%，仿真后赔付率回落至可接受区间。
常见误区：一是把仿真结果当作精确预测，忽略抽样误差与分布假设偏差；二是只调一个参数就下结论，忽略策略要素之间的交互；三是虚拟人群分布长期不更新，导致仿真结论与真实业务脱节。建议每次仿真都记录随机种子、数据版本和策略版本，保证结果可复现、可追溯。
仿真建模让核保策略从“静态规则”变为“可实验对象”。掌握建模思想、拆解策略要素、选对应用场景，并在复盘时保持对假设与误差的敬畏，才能真正把仿真变成核保决策的日常工具。