1. 课程导论：坏样本归因模型在保险精算中的定义、应用场景及课程目标
1.1 什么是“坏样本归因模型”？
在保险精算与风控领域，“坏样本”并非指数据质量低劣，而是指那些在业务结果上被标记为“非正常、高风险或欺诈性”的个体记录。坏样本归因模型的核心任务，是通过机器学习算法，从大量保单、理赔或承保数据中，识别出这些坏样本，并量化解释导致其“变坏”的关键驱动因素。
精算定义：坏样本归因模型是一种结合了监督学习（分类/回归）与可解释性分析（SHAP、LIME、特征重要性）的统计学习框架。它旨在回答两个问题：①“谁是坏样本？”（预测）；②“为什么它是坏样本？”（归因）。
1.2 核心应用场景
坏样本归因模型在保险价值链中具有广泛的应用，尤其在以下三个场景中价值最为突出：
| 应用场景 | 业务痛点 | 归因模型价值 |
|---|---|---|
| 欺诈检测 | 欺诈手段隐蔽，人工审核成本高、漏查率高 | 自动标记异常理赔，并归因出“就诊频次异常”、“事故描述矛盾”等关键特征 |
| 理赔异常分析 | 理赔金额波动大，难以区分合理赔付与过度医疗/维修 | 识别高赔付风险样本，归因出“维修工时费”、“药品目录外占比”等驱动因子 |
| 承保风险筛选 | 逆选择风险高，健康告知不实导致赔付率恶化 | 对投保人进行风险分层，归因出“既往病史隐瞒概率”、“职业风险等级”等特征 |
1.3 坏样本归因模型的技术架构
下图展示了坏样本归因模型从数据输入到业务决策的完整技术链路。该架构强调“预测”与“解释”的双轨并行，确保模型不仅准确，而且可审计、可干预。
1.4 为什么传统精算模型需要升级？
传统精算模型（如广义线性模型 GLM）虽然可解释性强，但在处理高维非线性关系时表现乏力。坏样本归因模型在保留可解释性的基础上，大幅提升了预测精度。以下是关键对比：
| 对比维度 | 传统精算模型（GLM） | 坏样本归因模型（ML+可解释性） |
|---|---|---|
| 特征交互 | 需手动构造交叉项 | 自动学习高阶交互 |
| 非线性拟合 | 依赖分段线性或样条 | 树模型/神经网络天然支持 |
| 归因粒度 | 全局系数（平均效应） | 单样本级归因（SHAP值） |
| 异常敏感度 | 对极端值敏感，易偏移 | 鲁棒性更强，可单独处理坏样本 |
1.5 课程目标与学习路径
本课程旨在帮助保险精算师、数据科学家及风控工程师，系统掌握坏样本归因模型的构建与落地方法。完成本课程后，学员将具备以下能力：
- 定义与识别：能够根据业务规则与统计分布，精确定义保险场景中的“坏样本”。
- 建模与训练：独立完成从数据清洗、特征工程到集成模型（XGBoost/LightGBM）的训练全流程。
- 归因与解释：熟练使用 SHAP、LIME 等工具，输出可审计的个体级与全局级归因报告。
- 业务落地：将模型输出转化为欺诈预警、理赔审核优先级排序等可操作的业务策略。
学习建议：本课程每章均配有可运行的代码示例与精算数据集。建议学员在阅读理论部分后，同步在 Jupyter Notebook 中执行代码，以加深对“预测-归因”双轨流程的理解。
1.6 坏样本归因的“因果”与“相关”辨析
在保险精算中，归因模型输出的特征重要性或 SHAP 值，本质上是相关性而非因果性。例如，模型发现“理赔金额高”与“欺诈概率高”强相关，但这并不意味着高金额直接导致欺诈。理解这一区别，对于正确使用归因结果至关重要。
重要提醒：切勿将归因模型输出的特征重要性直接等同于因果效应。在制定核保或理赔策略时，建议结合 A/B 测试或因果推断方法（如双重机器学习）进行验证，避免因混淆相关与因果而导致业务决策失误。