2. 规则引擎基础：规则引擎在精算系统中的应用、规则与模型的区别、规则命中率概念

2.1 规则引擎在精算系统中的应用

规则引擎（Rule Engine）是一种将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策的组件。在精算系统中，规则引擎承担着“可配置决策中枢”的角色，尤其适用于核保、理赔、费率计算、准备金评估等需要频繁调整逻辑的场景。

常见的规则引擎包括 Drools（Red Hat 维护，基于 Rete 算法）和 EasyRules（轻量级 Java 规则引擎）。它们在精算系统中的典型应用如下表所示：

2.2 规则与模型的区别

在精算系统中，“规则”和“模型”经常被混用，但二者在本质、构建方式、维护周期上存在显著差异。下表从多个维度进行对比：

在实际精算系统中，规则与模型通常协同工作：模型输出一个风险评分，规则引擎根据评分阈值触发不同的处理流程。例如，一个信用评分模型输出 0-100 分，规则引擎定义：若评分 < 30 则自动拒保，若评分在 30-60 之间则转入工审核，若评分 > 60 则自动通过。

2.3 规则命中率概念

规则命中率（Rule Hit Rate）是指在所有被评估的案例中，某条规则或规则集被触发（即条件为真）的比例。它是衡量规则有效性和覆盖度的重要指标。

计算公式：

规则命中率 = (规则被触发的案例数 / 总评估案例数) × 100%

例如，在 10,000 笔理赔案件中，规则“若理赔金额 > 10 万则标记为高额理赔”被触发了 850 次，则该规则的命中率为 8.5%。

规则命中率在精算回放验证中的三个关键用途：

1. 规则有效性评估：命中率过低的规则（如 < 0.1%）可能属于“死规则”，应考虑删除或合并；命中率过高的规则（如 > 90%）可能过于宽泛，需要细化条件。
2. 规则冲突检测：当多条规则具有相似的命中率且作用于同一字段时，可能存在逻辑重叠或冲突，需要精算师介入调整优先级。
3. 回放验证基准：在历史数据回放中，对比新旧规则集的命中率变化，可以量化规则调整对业务量的影响。

2.4 规则命中率在回放验证中的实操要点

在精算模型规则命中回放验证中，规则命中率数据通常以以下形式输出：

规则ID: RULE_NB_001
规则描述: 若投保年龄 > 65 且 健康告知 = "否"，则标记为"人工核保"
评估总件数: 50,000
命中件数: 3,250
命中率: 6.50%
平均处理耗时: 2.3 ms

精算师在分析命中率时，应重点关注以下三类异常：

• 零命中规则：连续三个评估周期内命中率为 0%，建议标记为“待废弃”并提交业务确认。
• 命中率突变：与上一周期相比，命中率波动超过 ±20% 时，需检查数据分布是否变化或规则条件是否被误修改。
• 高命中低价值规则：命中率 > 80% 但业务转化率（如通过率、标记率）无明显变化，说明规则区分度不足，需优化条件。