3. 坏样本定义与分类：理赔欺诈、逆选择、道德风险、操作失误、系统性定价偏差

在赔付率驱动的归因分析中，“坏样本”并非泛指所有亏损保单，而是特指那些因非独立、非随机、非对称信息或系统性错误导致的异常赔付事件。准确识别坏样本的类别，是后续量化归因与模型修正的前提。本章将坏样本划分为五大核心类别，并给出每类的定义、业务表现与识别要点。

3.1 坏样本分类总览

下表从驱动主体、信息不对称方向和可修正性三个维度，对五类坏样本进行对比：

3.2 理赔欺诈 (Claims Fraud)

定义：投保人或第三方故意制造、夸大或伪造保险事故，以获取不当赔款的行为。这是赔付率中最具破坏性的坏样本，通常表现为单案赔付金额异常高或出险时间高度集中。

常见业务形态：

• 硬欺诈：虚构事故（如伪造交通事故现场、故意纵火）。
• 软欺诈：夸大损失（如小刮擦报成大修、虚增维修项目）。
• 身份欺诈：冒用他人保单出险，或使用虚假身份投保后立即出险。

识别特征（数据层面）：

• 出险时间与投保时间间隔极短（如投保后3天内出险）。
• 报案时间集中在深夜或节假日。
• 损失描述与现场照片、维修清单存在逻辑矛盾。
• 同一手机号、IP地址或银行账户关联多起赔案。

3.3 逆选择 (Adverse Selection)

定义：在保险合同订立前，高风险个体比低风险个体更倾向于购买保险，导致承保群体的风险水平高于定价假设。逆选择是事前信息不对称的典型结果，直接推高整体出险频率。

业务表现：

• 特定渠道或特定产品的赔付率显著高于精算假设。
• 投保人主动选择高保额、低保费方案，且拒绝附加风控条款。
• 续保率低，但新单出险率持续攀升。

3.4 道德风险 (Moral Hazard)

定义：保险合同订立后，被保险人因拥有保险保障而降低风险防范意识，或故意增加损失程度的行为。道德风险是事后信息不对称的体现，主要影响损失程度而非出险频率。

典型场景：

• 购买车损险后，驾驶行为更激进，事故损失程度上升。
• 医疗险中，被保险人要求过度医疗或延长住院天数。
• 财产险中，火灾发生后未采取合理施救措施，导致损失扩大。

与逆选择的区别：

3.5 操作失误 (Operational Errors)

定义：因保险公司内部员工、系统或流程缺陷导致的非正常赔付。这类坏样本不涉及投保人恶意，但会系统性侵蚀赔付率。

常见类型：

• 录入错误：车型代码、NCD系数、使用性质等字段录入错误，导致保费计算偏低。
• 核赔失误：定损金额高于实际维修成本，或重复赔付。
• 系统Bug：费率表调用错误、折扣规则未生效、免赔额计算逻辑异常。

3.6 系统性定价偏差 (Systematic Pricing Bias)

定义：因精算模型、费率因子或市场策略导致的整体赔付率结构失衡。这是最隐蔽的坏样本，因为它不是由单一事件引起，而是由模型假设与真实风险之间的系统性偏差造成。

表现形式：

• 费率因子失效：如年龄因子在某个区间内高估或低估风险。
• 区域定价失衡：某地区赔付率长期高于其他地区，但费率未及时调整。
• 渠道定价偏差：线上渠道与线下渠道的赔付率差异未被费率结构吸收。
• 免赔额结构问题：免赔额设置过低，导致小额赔案过多，推高赔付率。

3.7 坏样本分类与归因路径图

下图展示了从坏样本分类到归因路径的完整逻辑：

3.8 坏样本归因的“第一性原理”

在实际归因项目中，一个赔案可能同时包含多种坏样本特征。例如：逆选择投保后发生道德风险，或操作失误导致定价偏差被放大。因此，归因时需遵循以下原则：

1. 先分内外：区分是投保人行为驱动还是内部系统驱动。
2. 再定时序：判断信息不对称发生在事前（逆选择）还是事后（道德风险/欺诈）。
3. 最后量化：用赔付率拆解模型（频率×案均金额）定位具体影响因子。