📚 课程目录第4章暴露定价与经验定价的区别

4. 暴露定价与经验定价的区别

在再保险定价体系中，暴露定价（Exposure Rating）与经验定价（Experience Rating）是两条最基础、也最容易被混用的技术路线。前者从风险暴露本身出发，回答“这张保单理论上应该收多少保费”；后者从历史损失数据出发，回答“这张保单过去实际赔了多少，未来大概率还会赔多少”。理解二者的边界与衔接，是再保险定价从“会算”走向“算得稳”的关键一步。

一、核心原理：一个看“应该”，一个看“实际”

暴露定价的核心逻辑是自下而上重建损失分布。它不依赖分出公司的历史赔付记录，而是基于承保标的的保额、限额、免赔、承保比例、行业损失率等参数，逐层计算再保险层可能承担的损失期望。其本质是“用风险结构推导价格”。

经验定价的核心逻辑是自上而下拟合历史损失。它把分出公司过去若干年的保费、赔款、已发生已报案未决赔款等数据作为样本，通过损失率法、赔付率法或Bühlmann信度模型，估计未来损失水平。其本质是“用历史数据外推价格”。

一句话区分：暴露定价回答“风险本身值多少钱”，经验定价回答“历史数据告诉我们它大概赔多少钱”。前者重结构，后者重样本。

二、适用场景：什么时候用哪一把尺子

暴露定价通常适用于以下场景：

新业务或新险种：没有足够历史赔付数据，无法做经验分析。
高超额层：如巨灾超赔、高层意外超赔，历史样本极少，经验定价信度不足。
数据质量差：分出公司历史数据缺失、口径不一致或存在大量IBNR。
结构变化大：承保政策、免赔额、限额或渠道发生重大调整，历史数据不再可比。
比例合约的层间分配：需要按暴露分布确定各层费率与佣金。

经验定价则更适用于：

成熟业务线：有5年以上连续、口径一致的赔付数据。
中低层非巨灾超赔：损失频率较高，样本量充足。
比例合约续转：历史赔付率稳定，可直接用于费率调整。
数据可信度高：分出公司具备完善的理赔与准备金系统。

三、数据要求与优劣势对比

两种方法对数据的要求差异显著。暴露定价需要的是“风险画像”，经验定价需要的是“损失轨迹”。下表从数据、方法、输出和风险四个维度进行对比：

对比维度	暴露定价	经验定价
核心输入	保额、限额、免赔、承保比例、行业损失率	历史保费、赔款、已报案未决、赔付率
数据年限要求	无需历史赔付，需当前风险结构	通常需5年以上连续数据
方法工具	损失分布模型、ILF、暴露曲线	损失率法、信度模型、趋势分析
输出结果	理论损失期望、层费率	经验赔付率、调整后费率
主要优势	新业务可用、结构清晰、不受历史噪声干扰	贴近实际、统计信度高、易被市场接受
主要劣势	依赖假设、行业数据滞后、模型风险高	数据不足时失效、历史不代表未来
典型风险	参数误设导致层定价偏差	巨灾或趋势变化导致低估

四、方法流程与互补关系

在实际定价中，二者并非互斥，而是互为验证、分层使用。一个稳健的再保险定价流程通常如下：

先用经验定价对历史数据做初步损失率估计，判断业务整体盈利水平。
再用暴露定价重建损失分布，重点校验高层与尾部风险。
将两者结果对比，若差异在合理区间内，取信度加权结果。
若差异过大，回溯数据口径、承保结构或模型假设，定位偏差来源。
最终形成“经验为主、暴露为辅”或“暴露为主、经验校验”的定价结论。

信度加权思路：当历史数据年限不足时，可用Bühlmann信度公式将经验定价结果与暴露定价结果加权。信度因子Z随样本量增加而上升，暴露定价在Z较低时承担更大权重。

下面用一个简化的参数示例说明两种方法在层定价中的衔接方式：

假设某超赔层：起赔点 500万，层限额 1000万
经验定价结果：历史赔付率 62%，趋势调整后 68%
暴露定价结果：基于ILF与行业损失率，理论层损失率 55%

信度因子 Z = 0.60
最终层损失率 = 0.60 × 68% + 0.40 × 55% = 62.8%
若附加费用率 25%，则层费率 = 62.8% / (1 - 25%) ≈ 83.7%

五、常见误区与复盘要点

误区一：有数据就只用经验定价。历史数据可能包含一次性巨灾、口径调整或准备金释放，直接外推会严重失真。暴露定价可作为“结构锚”校验尾部。

误区二：暴露定价可以完全替代经验定价。暴露定价高度依赖行业损失率和ILF假设，若标的组合与行业基准差异大，理论值会偏离实际。

误区三：两者结果不一致就取平均。差异本身是信息，应先定位原因，而非机械平均。差异可能来自承保结构变化、数据口径或模型参数。

复盘时建议重点检查：历史数据是否经过通胀与趋势调整；暴露定价的ILF曲线是否与当前免赔结构匹配；信度因子是否合理反映样本量；最终费率是否覆盖资本成本与费用。只有把两种方法放在同一框架下交叉验证，再保险定价才能既“有依据”又“有弹性”。