4. 定价模型基础
保险定价的本质，是在承保前对每一份风险给出一个“合理价格”。这个价格既要覆盖未来赔付与费用，又要与风险水平匹配，避免逆向选择。传统精算依赖经验费率与广义线性模型（GLM），而现代定价则越来越多地引入梯度提升树（GBDT）与神经网络，以捕捉复杂交互与非线性关系。本节从定价原理出发，梳理四类模型在保险场景中的定位、流程与常见误区。
一、核心原理：保费如何被拆解
保险定价的基本等式可以概括为：纯保费 = 期望赔付成本，毛保费 = 纯保费 + 费用附加 + 风险附加 + 利润附加。对个体风险而言，核心是估计条件期望 E[Loss | X]，其中 X 是投保人、标的、历史理赔等特征。频率与强度分解是常用手段：
期望赔付 = 出险频率 × 案均赔款
E[Loss|X] = P(claim=1|X) × E[severity|claim=1, X]这一分解让建模目标更清晰：频率模型通常用分类或计数模型，强度模型用回归模型。定价模型输出的“风险因子”最终要映射为费率表或折扣系数，并接受监管与业务约束。
二、方法流程：从数据到费率
无论采用哪种模型，保险定价的工程流程大体一致：
- 数据准备：整合保单、理赔、外部数据，处理缺失、异常与暴露期。
- 目标定义：频率用 0/1 或泊松计数，强度用 Gamma/对数正态，纯保费可用 Tweedie 分布。
- 特征工程：分箱、WOE、交互项、地理编码、车辆/健康指标等。
- 模型训练与验证：按时间切分训练/验证/测试，避免未来信息泄漏。
- 校准与映射：将预测值转换为费率因子，做单调性、平滑性与监管约束。
- 监控与迭代：跟踪 Gini、Lift、PSI、实际赔付率，定期重训。
下面这张图展示了四类模型在“可解释性—预测能力”谱系中的典型位置，以及它们与定价流程的对应关系。
三、四类模型在保险定价中的应用要点
| 模型 | 典型目标 | 优势 | 局限 | 适用场景 |
|---|---|---|---|---|
| GLM | 频率/强度/纯保费 | 系数可解释、稳定、监管接受度高 | 难以捕捉复杂交互与非线性 | 车险、健康险基线费率 |
| GBDT | 频率、纯保费、续保流失 | 预测力强、自动特征交互、SHAP 可解释 | 外推弱、需调参、易过拟合 | 车险风险区分、反欺诈评分 |
| 神经网络 | 高维稀疏特征、图像/文本辅助 | 表达能力强、可嵌入学习 | 数据需求大、可解释性差、校准难 | UBI 车险、健康行为数据 |
| 规则引擎 | 核保规则、折扣上限、监管约束 | 透明、可审计、实时执行 | 维护成本高、难以自适应 | 最终决策与合规兜底 |
实践中常见做法是“GLM 打底 + GBDT 提升 + 规则引擎兜底”。例如车险定价：GLM 给出从人从车基础费率，GBDT 对高风险驾驶行为进行修正，规则引擎限制单因子最大折扣并触发人工复核。
四、案例与误区复盘
某健康险团队尝试用神经网络直接预测住院赔付，训练集 AUC 达 0.82，但上线后实际赔付率偏差超过 15%。复盘发现三个问题：一是训练集与上线人群分布不一致，存在样本选择偏差；二是神经网络输出未做概率校准，导致高分段被高估；三是缺少规则引擎对既往症与等待期的硬约束。修正方案是：用 GLM 做基线校准，GBDT 做风险分层，神经网络仅用于辅助特征嵌入，最终由规则引擎执行核保与折扣约束。
总结来看，保险定价模型的选择应服务于业务目标与监管要求。GLM 提供可解释基线，GBDT 提升区分度，神经网络拓展高维场景，规则引擎保障最终决策的透明与合规。四者融合，才是现代保险定价的完整拼图。