1. 课程导入

在保险理赔业务中，频率（Frequency）与严重程度（Severity）是两个最核心的建模维度。频率回答“多久发生一次”，严重程度回答“每次赔多少”。本课程聚焦后者——Severity损失金额预测，即基于历史理赔数据，对单次事故的赔付金额进行量化估计。它直接关系到准备金计提、再保险安排、定价校准与理赔资源调度，是精算与数据科学交叉的关键落地场景。

一、学习目标：从业务问题到可交付模型

完成本课程后，学员应能独立完成一条端到端的Severity预测链路，具体目标包括：

• 业务理解：能说清理赔Severity在准备金、定价、再保中的具体用途，并识别不同险种（车险、健康险、责任险）的金额分布差异。
• 数据准备：掌握理赔数据中赔款金额、免赔额、赔付率、事故类型、地域、车辆/人员特征等字段的清洗与衍生方法。
• 建模能力：理解Gamma、Lognormal、Tweedie等分布假设，能构建GLM、GBDT、神经网络等模型并解释输出。
• 评估与校准：使用MAE、RMSE、Gini、Lift等指标评估模型，并完成从纯保费到最终赔付的校准。
• 工程落地：将模型封装为可调用的评分服务，输出单案预估金额与置信区间。

二、核心概念：理解金额分布的语言

在进入建模之前，需要统一几个关键概念。它们决定了后续特征工程与模型选择的方向。

概念	含义	对Severity建模的影响
赔款金额（Loss）	单次事故的实际赔付支出	建模目标变量，通常取对数后更接近正态
免赔额（Deductible）	被保险人自担的金额下限	造成左截断，低于免赔额的案件不可见
赔付上限（Limit）	保险公司最高赔付金额	造成右截断，极端值被压缩
已发生未报告（IBNR）	已发生但尚未报案或结案的赔案	影响训练样本完整性，需考虑延迟结案偏差
纯保费（Pure Premium）	频率 × 严重程度	Severity是纯保费拆解的核心乘数

从统计角度看，Severity通常服从右偏分布。车险小额案件集中，但少量重大事故可占总赔款的很大比例。因此，直接对原始金额做线性回归往往效果不佳，常见做法是对金额取自然对数，或采用Gamma/Tweedie等广义线性模型族。

# 典型Severity数据分布观察
import pandas as pd
import numpy as np

df = pd.read_csv("claims_severity.csv")
print(df["loss_amount"].describe())
print("偏度:", df["loss_amount"].skew())
print("对数后偏度:", np.log1p(df["loss_amount"]).skew())

# 输出示例
# mean      12580.4
# std       48210.7
# skew          6.83
# 对数后偏度     0.41

三、整体框架：从数据到决策的六层结构

本课程将Severity预测拆解为六个相互衔接的层次。下图展示了从原始理赔数据到业务决策的完整数据流与依赖关系，而非简单的步骤罗列。

这六层并非线性瀑布，而是持续迭代的闭环。例如，部署监控发现某地区赔付金额分布漂移，需回溯到特征工程甚至数据准备阶段重新校准。

四、实战价值：Severity预测如何改变业务决策

Severity预测的价值体现在多个业务场景中。以下通过一个车险案例说明其实际影响。

场景：某车险公司发现小额案件处理成本高，希望优化理赔资源分配。通过构建Severity模型，对每笔新报案预估赔付金额，并据此分流：

• 预估金额低于2000元的案件，自动进入快速通道，减少人工审核。
• 预估金额在2000至20000元之间的案件，由标准理赔员处理。
• 预估金额超过20000元的案件，触发高级查勘与反欺诈复核。

实施后，小额案件平均结案时间从3.2天降至1.1天，大额案件欺诈识别率提升18%。这说明Severity预测不仅是精算工具，更是运营效率的杠杆。

五、常见误区与复盘要点

初学者在Severity预测中容易陷入以下误区，需要在课程早期建立正确认知。

1. 忽略截断与删失：直接对已赔付金额建模，未考虑免赔额以下案件不可见，导致低估整体严重程度。
2. 混淆频率与严重程度：将报案频率特征直接用于Severity模型，造成信息泄漏或业务解释困难。
3. 过度依赖对数变换：对数变换后预测值需做偏差校正（如Smearing估计），否则均值预测系统性偏低。
4. 用准确率评估回归：Severity是连续金额预测，应使用MAE、RMSE、分位数损失等指标。
5. 忽视时间维度：理赔金额存在通胀与政策变化，需按事故年份或结案年份做时间外验证。