1. 精算模型漂移概述
1.1 什么是模型漂移
模型漂移（Model Drift）是指已部署的精算模型在持续运行过程中，其预测能力、输出分布或风险区分度相对于模型开发阶段发生系统性衰退的现象。在保险精算领域，模型漂移直接导致保费定价偏差、准备金计提不足或超额、核保决策失效等实质性风险。
核心定义：模型漂移 = 模型在真实生产环境中的表现 显著低于 模型在开发/验证阶段的基准表现。
精算模型漂移通常通过以下三个量化指标进行监控：
| 监控指标 | 定义 | 典型阈值 |
|---|---|---|
| PSI（群体稳定性指标） | 衡量模型预测分数分布随时间的变化程度 | PSI > 0.25 视为显著漂移 |
| CSI（特征稳定性指标） | 衡量单个输入特征分布的变化程度 | CSI > 0.1 需关注 |
| Gini / AUC 衰减 | 模型区分能力的下降幅度 | 相对衰减 > 5% 需预警 |
1.2 精算模型漂移的常见原因
精算模型漂移并非单一因素导致，而是多种内外部因素共同作用的结果。根据行业实践，可将漂移原因归纳为以下三大类：
1.2.1 数据分布变化
数据分布变化是精算模型漂移最普遍的原因，具体表现为：
- 概念漂移（Concept Drift）：特征与目标变量之间的映射关系发生改变。例如，过去驾驶里程与出险频率呈正相关，但自动驾驶辅助系统普及后，高里程驾驶的风险系数下降。
- 协变量漂移（Covariate Drift）：输入特征的边际分布发生变化，但条件分布不变。例如，投保人群年龄结构向老龄化偏移，但各年龄段的赔付率模式未变。
- 先验概率漂移（Prior Probability Drift）：目标变量本身的分布发生变化。例如，某地区车险出险率从 8% 上升至 12%。
精算提示：在寿险和健康险领域，死亡率改善（Mortality Improvement）是一种长期、缓慢的概念漂移；而在车险领域，UBI（Usage-Based Insurance）数据的引入往往引发协变量漂移。
1.2.2 业务规则变更
保险公司内部业务流程、核保规则、理赔政策的调整，会直接改变模型输入数据的生成机制：
| 业务变更类型 | 示例 | 对模型的影响 |
|---|---|---|
| 核保规则收紧 | 提高高血压投保人的最低保费系数 | 输入特征分布截断，模型高估风险 |
| 理赔流程优化 | 引入自动定损系统，小额案件处理加速 | 理赔时长特征分布左移，准备金模型失效 |
| 产品条款变更 | 免赔额从 500 元调整为 1000 元 | 赔付频率与赔付金额的联合分布改变 |
| 数据采集方式变化 | 从人工录入改为 API 自动获取 | 缺失值模式、数据精度发生变化 |
1.2.3 外部环境冲击
外部环境冲击通常具有突发性、全局性和不可预测性，是精算模型漂移中最难管理的类型：
- 监管政策变化：如偿二代（C-ROSS）二期工程对准备金评估利率曲线的调整，直接改变折现因子模型。
- 宏观经济波动：利率下行周期中，利差损风险增大，传统资产负债模型失效。
- 重大公共卫生事件：COVID-19 疫情期间，医疗险赔付率、寿险退保率均出现历史性偏离。
- 自然灾害与巨灾：洪水、地震等事件导致损失分布尾部显著增厚。
- 技术颠覆：新能源汽车的普及改变了传统车险的风险因子体系。
关键认知：三类漂移原因往往不是独立发生的。例如，监管政策变化（外部冲击）可能导致保险公司调整核保规则（业务变更），进而改变投保人群的数据分布（数据变化）。精算模型漂移监控体系必须能够区分因果链条，才能定位真正的根因。
1.3 漂移监控的行业意义
在偿二代（C-ROSS）和 IFRS 17 等监管框架下，精算模型漂移监控已从"最佳实践"上升为"合规要求"。监管机构明确要求保险公司建立模型验证与持续监控机制，确保精算假设与模型输出始终反映当前风险状况。建立系统化的漂移监控体系，是精算部门履行受托责任、维护公司偿付能力安全的第一道防线。