异常样本定义与分类

在赔付率异常归因分析中，第一步是明确“什么是异常”。异常并非单一形态，而是根据数据分布、业务逻辑、时间序列和组合条件呈现出四种典型类型。准确区分这四类异常，是后续归因模型选型与特征工程的基础。

2.1 异常样本的四大分类体系

下表从定义、典型场景、检测思路三个维度对比四类异常，帮助建立全局认知。

2.2 统计异常：基于数据分布的离群点

统计异常是最经典的异常定义，假设正常数据服从某种概率分布，偏离分布尾部或密度稀疏区域的样本即为异常。在赔付率场景中，常用以下方法：

• Z-Score 方法： 适用于近似正态分布的赔付金额。|Z| > 3 视为异常。
• IQR 方法： 适用于偏态分布。低于 Q1 - 1.5×IQR 或高于 Q3 + 1.5×IQR 为异常。
• 孤立森林： 不依赖分布假设，通过随机切割特征空间识别孤立点，适合高维赔付特征。

# 使用 IQR 检测赔付金额统计异常
import numpy as np

def detect_statistical_outliers(claim_amounts):
    Q1 = np.percentile(claim_amounts, 25)
    Q3 = np.percentile(claim_amounts, 75)
    IQR = Q3 - Q1
    lower_bound = Q1 - 1.5 * IQR
    upper_bound = Q3 + 1.5 * IQR
    outliers = (claim_amounts < lower_bound) | (claim_amounts > upper_bound)
    return outliers

2.3 业务异常：违反领域规则的硬伤

业务异常不依赖统计分布，而是由保险业务逻辑直接定义。这类异常一旦发现，通常可以直接归因于数据录入错误、欺诈行为或系统缺陷。

• 时间逻辑冲突： 报案时间 < 出险时间、结案时间 < 立案时间。
• 重复理赔： 同一保单号+同一车牌+同一出险日期出现多条记录。
• 金额逻辑矛盾： 定损金额 > 保额、赔付金额 > 车辆实际价值。
• 关联方异常： 维修厂与定损员存在利益关联，且赔付率显著偏高。

2.4 时序异常：时间维度上的突变与趋势

赔付率天然具有时间依赖性。时序异常关注的是在时间轴上出现的结构性变化，而非单个样本的数值大小。常见的时序异常形态包括：

• 点异常： 单日赔付率突然飙升，如某地区因自然灾害导致集中报案。
• 上下文异常： 在正常周期模式中出现的偏离，如非节假日出现节假日级别的赔付高峰。
• 子序列异常： 连续一段时间的赔付率整体偏离历史模式，如某渠道连续两周赔付率异常偏高。

下图展示了时序异常检测的典型流程：

2.5 组合异常：多维度联合的隐蔽风险

组合异常是四类异常中最复杂、也最容易被忽视的类型。单个维度看每个特征都在正常范围内，但多个特征组合在一起就构成了异常模式。在赔付率场景中，组合异常往往与欺诈团伙、套利行为密切相关。

典型组合异常示例：

• 低风险+高风险行为： 车辆本身是低风险车型（如家用轿车），但频繁在夜间高风险区域出险，且维修厂集中在同一家。
• 正常金额+异常关联： 单次赔付金额在正常范围内，但该维修厂关联的保单出险频率是行业平均的5倍。
• 时间+空间+人： 同一组定损员、同一区域、同一时间段内赔付率系统性偏高。

下图展示了组合异常检测的两种主流技术路线：

2.6 四类异常的归因优先级策略

在实际项目中，面对海量赔付样本，不可能对所有异常类型同时展开归因。建议按照以下优先级顺序推进：

1. 第一优先级：业务异常 —— 规则明确，解释成本低，可直接定位到数据质量问题或欺诈行为。
2. 第二优先级：时序异常 —— 关注时间窗口内的突变，适合快速发现外部冲击（如政策变化、自然灾害）。
3. 第三优先级：统计异常 —— 需要分布假设或模型支持，适合发现极端赔付案例。
4. 第四优先级：组合异常 —— 计算复杂度高，适合在完成前三类过滤后，对剩余样本进行深度挖掘。