2、赔付率基础概念
赔付率是保险精算与业务复盘中最核心的监控指标之一。在 Champion Challenger 框架下,赔付率不仅是衡量模型效果的关键 KPI,更是定位风险偏移、识别承保周期拐点的基础工具。本节从计算公式、口径差异与驱动因子三个层面建立赔付率的精算基础。
2.1 赔付率的计算公式
赔付率(Loss Ratio)衡量的是已赚保费中用于支付赔款的比例。精算实务中,赔付率通常分为简单赔付率与综合赔付率两种口径,其核心公式如下:
| 口径 | 计算公式 | 适用场景 |
|---|---|---|
| 简单赔付率 | 已发生赔款 ÷ 已赚保费 × 100% | 月度/季度快速监控、业务线初筛 |
| 综合赔付率 | (已发生赔款 + 理赔费用 + 未决赔款准备金变动) ÷ 已赚保费 × 100% | 年度精算评估、再保定价、准备金充足性测试 |
精算提示: Champion Challenger 复盘时,建议同时跟踪两种口径。简单赔付率用于高频监控模型上线后的短期波动;综合赔付率用于季度/年度评估模型的长期盈利贡献,避免因准备金时滞导致误判。
2.2 综合赔付率与简单赔付率的区别
两种口径的核心差异在于是否包含理赔费用与未决赔款准备金变动。简单赔付率仅反映已结案的赔款与已赚保费的关系,而综合赔付率将理赔全链条成本纳入考量,更能真实反映承保利润。
下表从五个维度对比两种口径:
| 对比维度 | 简单赔付率 | 综合赔付率 |
|---|---|---|
| 包含理赔费用 | 否 | 是(含直接与间接理赔费用) |
| 包含准备金变动 | 否 | 是(含已发生未报告 IBNR) |
| 数据时效性 | 高(月结即可出数) | 低(需等待准备金精算评估) |
| 波动性 | 高(受大额赔案影响明显) | 低(平滑了准备金调整) |
| Champion Challenger 适用阶段 | 模型上线后 1-3 个月快速验证 | 模型上线后 6-12 个月盈利归因 |
常见误区: 仅用简单赔付率做 Champion Challenger 长期复盘,可能因未考虑 IBNR 准备金而高估模型效果。建议在模型上线满 12 个月后,以综合赔付率为核心指标进行最终评估。
2.3 影响赔付率的关键因子:频度与 Severity
赔付率的变动可拆解为两个基础驱动因子:频度(Frequency)与Severity(案均赔款)。精算中通常将赔付率分解为:
赔付率 = 频度 × 案均赔款 ÷ 已赚保费 × 100%
其中:
频度(Frequency) = 已发生赔案数量 ÷ 已赚保单数量(或已赚风险单位数)
案均赔款(Severity) = 已发生赔款总额 ÷ 已发生赔案数量
频度与 Severity 对赔付率的影响机制不同,在 Champion Challenger 复盘时需要分别追踪:
- 频度上升:通常反映承保标准放宽、逆选择增加或外部环境恶化(如自然灾害频发)。Challenger 模型若导致频度异常升高,需立即检查模型是否筛选了高风险标的。
- Severity 上升:通常反映理赔成本通胀、大额赔案集中或保障责任扩展。若 Challenger 模型筛选的标的在 Severity 上显著高于 Champion,需评估模型是否偏向高保额或高风险责任。
- 频度与 Severity 同时上升:最危险的信号,表明模型可能同时引入了更多赔案且案均成本更高,赔付率将出现双倍放大效应。
复盘技巧: 在 Champion Challenger 对比分析中,建议绘制频度-Severity 四象限图。将 Champion 与 Challenger 的频度变化率与 Severity 变化率分别标在横纵轴上,快速定位模型是优化了频度、Severity,还是两者均恶化。
下图展示了赔付率拆解为频度与 Severity 的因子分解结构:
在 Champion Challenger 复盘中,建议按以下步骤追踪频度与 Severity 的变化:
- 计算变化率:分别计算 Challenger 相对于 Champion 的频度变化率与 Severity 变化率。
- 归因分析:判断赔付率变化中,多少来自频度贡献,多少来自 Severity 贡献。
- 交叉验证:结合业务背景(如费率调整、核保规则变更、外部环境变化)验证拆解结果是否合理。
- 行动建议:若频度异常,优先检查模型筛选逻辑;若 Severity 异常,优先检查模型定价与保额匹配度。
Champion Challenger 实战案例: 某车险项目上线 Challenger 模型后,简单赔付率下降 5%。经拆解发现:频度下降 8%(模型筛选了低风险标的),但 Severity 上升 3%(筛选后剩余标的案均赔款略高)。综合评估后确认模型整体有效,但需持续监控 Severity 趋势,避免因筛选过度导致大额赔案集中。