2. 坏样本基础概念：理赔欺诈、逆选择、道德风险、操作失误等坏样本类型及其精算特征

在保险精算与数据科学交叉领域中，“坏样本”并非单一概念，而是由多种行为与事件构成的异质集合。本章系统梳理理赔欺诈、逆选择、道德风险、操作失误等核心坏样本类型，并从精算视角提炼其可量化特征，为后续实时归因分析奠定基础。

2.1 坏样本的定义与精算意义

坏样本（Bad Sample）指在保险业务全流程中，因故意欺诈、信息不对称、行为扭曲或操作失误导致保险公司承担非预期损失的样本。其精算意义在于：

• 偏离精算假设：破坏损失频率与损失强度的独立同分布假设，导致费率厘定失效。
• 扭曲风险池：使实际赔付经验偏离预期，影响准备金评估与再保定价。
• 侵蚀利润边际：坏样本的赔付率通常高于正常样本 2-5 倍，直接拉低承保利润率。

2.2 四大坏样本类型及其精算特征

下表从行为动机、发生环节、精算特征三个维度对比四种核心坏样本类型：

2.3 理赔欺诈：最直接的坏样本

理赔欺诈是保险公司面临的最严重坏样本类型，可分为硬欺诈（完全虚构事故）与软欺诈（夸大真实损失）。精算特征包括：

• 赔付金额分布右偏：欺诈案件的赔付金额通常位于整体分布的第 90 百分位以上。
• 报案延迟短：欺诈者倾向于在事故发生后 1-3 天内报案，远低于正常案件的 7-14 天。
• 保单生效至出险间隔短：俗称“保险刚生效就出险”，间隔通常小于 30 天。
• 多重索赔关联：同一投保人或关联方在短期内多次索赔。

2.4 逆选择：信息不对称的坏样本

逆选择发生在投保阶段，高风险个体更倾向于购买保险或选择更优条款。精算特征表现为：

• 风险评分偏低：逆选择样本的信用评分、健康评分等外部风险指标显著低于正常样本。
• 免赔额选择异常：逆选择者偏好低免赔额方案，即使保费更高。
• 保单生效后短期出险率上升：逆选择样本在保单生效后 90 天内的出险率是正常样本的 2-3 倍。
• 投保渠道集中：逆选择常通过特定中介或线上渠道集中出现。

2.5 道德风险：行为扭曲的坏样本

道德风险发生在保单存续期，投保人因拥有保险而降低风险防范努力。精算特征包括：

• 损失频率上升：投保后的小额索赔频率较投保前上升 30%-50%。
• 索赔模式改变：从一次性大额索赔转为多次小额索赔。
• 保单终止率异常：道德风险高的保单在续保时终止率偏高，因保险公司通过费率调整或拒保进行风险筛选。
• 免赔额以下索赔增多：投保人倾向于提交刚好低于免赔额的索赔，以最大化自身收益。

2.6 操作失误：非故意的坏样本

操作失误虽非故意，但同样造成精算偏差。常见类型包括：

• 数据录入错误：保单生效日期、保额、费率等字段录入错误。
• 重复赔付：同一事故因系统未去重导致多次赔付。
• 计算逻辑错误：费率计算、免赔额扣除、共保比例计算错误。
• 时间戳矛盾：报案时间早于事故发生时间、赔付时间早于核赔通过时间等。

2.7 坏样本类型关系与精算特征对比

下图展示四种坏样本类型在保险业务流程中的发生位置及其精算特征关系：

2.8 坏样本精算特征量化对比

下表从精算量化指标角度对比四种坏样本类型，便于在实时分析中设置阈值：

2.9 坏样本归因的实时分析要点

在实时分析场景中，坏样本归因需关注以下要点：

1. 多标签分类：一个样本可能同时属于多种坏样本类型（如逆选择+道德风险），需采用多标签分类模型。
2. 时间窗口特征：保单生效至出险间隔、报案延迟等时间特征是最强区分变量。
3. 行为序列特征：投保人历史索赔序列、保单变更序列等行为轨迹对道德风险识别至关重要。
4. 外部数据融合：信用评分、医疗记录、车辆维修记录等外部数据可显著提升逆选择与欺诈识别能力。
5. 操作失误过滤：在建模前需先通过规则引擎过滤操作失误样本，避免其干扰欺诈与道德风险模型训练。