1. 坏样本定义：保险精算中的核心概念

在保险精算建模中，坏样本（Bad Sample）并非指数据质量低劣的样本，而是指在特定业务或风险维度上被标记为“不利结果”的观测记录。坏样本的定义直接决定了模型预测的目标变量，是精算建模的起点与基石。

1.1 坏样本的概念

坏样本通常指在保险业务生命周期中，发生了保险公司不愿承担或希望规避的风险事件的保单或理赔记录。其核心特征是：实际结果显著偏离预期盈利或风险容忍度。

常见的坏样本类型包括：

• 理赔类坏样本： 发生大额赔付、频繁理赔、疑似欺诈的理赔案件。
• 承保类坏样本： 保单在首年或次年即失效（Lapse）、退保产生亏损、风险恶化导致加费。
• 费用类坏样本： 获取成本或管理成本远超保费收入的保单。
• 准备金类坏样本： 实际赔付发展严重超出预期准备金的业务线。

1.2 坏样本与正常样本的区分标准

区分坏样本与正常样本需要建立明确的量化阈值和业务规则。以下表格总结了精算实践中常用的区分维度：

1.3 坏样本在精算建模中的重要性

坏样本是精算模型训练的目标变量（Target Variable）来源。没有准确的坏样本定义，任何精算模型都将是“无的放矢”。其重要性体现在以下四个层面：

1. 模型预测方向的决定者： 坏样本定义决定了模型是预测“是否出险”、“是否欺诈”还是“是否失效”。定义偏差会导致模型学习错误模式。
2. 风险定价的核心输入： 精算定价模型依赖坏样本率来估算纯风险保费。坏样本率低估将导致定价不足，引发亏损。
3. 准备金评估的校准基准： 在链梯法或B-F法中，历史坏样本的赔付模式用于预测未来赔付进展。
4. 反欺诈与风控的决策依据： 坏样本识别是构建反欺诈评分卡、早期预警系统的前提。

1.4 坏样本定义对模型性能的影响

坏样本定义的质量直接决定精算模型的区分度（Discrimination）和校准度（Calibration）。定义过宽会引入噪声，定义过窄会丢失信号。以下表格展示了不同定义策略的典型影响：

1.5 坏样本定义的实践步骤

在实际项目中，定义坏样本通常遵循以下步骤：

1. 业务理解与目标对齐： 与核保、理赔、产品部门访谈，明确“什么结果是我们最不想看到的”。
2. 数据探索与分布分析： 绘制赔付率、理赔次数、存续期的直方图，识别自然断点。
3. 阈值初选与敏感性测试： 选取 3-5 个候选阈值，分别构建简单模型（如逻辑回归），比较 AUC 和 KS。
4. 业务规则嵌入： 将统计阈值与业务规则（如“连续两年亏损”、“单次理赔超保额50%”）结合。
5. 最终定义文档化： 输出坏样本定义说明书，包含定义逻辑、阈值依据、排除规则和版本号。