1. 课程导论：赔付率尖峰检测的背景与重要性

1.1 为什么赔付率尖峰检测是保险风控的“第一道防线”

在财产保险、健康险和意外险的日常经营中，赔付率（Loss Ratio）是衡量承保利润与风险暴露的核心指标。当赔付率在短时间内出现异常陡升——即“尖峰”——往往意味着以下三类风险正在集中爆发：

• 欺诈团伙攻击：同一团伙利用系统漏洞批量提交虚假理赔，导致赔付率在数小时内飙升。
• 理赔流程失控：核赔标准临时放宽、系统自动赔付规则被绕过，造成大量不合理赔付。
• 外部环境突变：自然灾害、公共卫生事件或监管政策调整引发短期赔付集中释放。

传统的事后月度/季度赔付率报表无法捕捉这些“小时级”或“日级”尖峰，等到管理层看到数据时，损失往往已经扩大数倍。因此，实时或准实时的赔付率尖峰检测已成为保险公司风险监控体系中的必备能力。

1.2 赔付率尖峰的典型特征与分类

为了设计有效的检测算法，首先需要理解尖峰的形态。下表总结了三种最常见的赔付率尖峰类型及其业务含义：

其中，脉冲型对检测算法的灵敏度要求最高，也是本课程重点攻克的对象。

1.3 课程目标与适用人群

本课程旨在帮助学员建立一套从数据预处理 → 尖峰检测算法 → 动态阈值设定 → 告警响应的完整方法论。具体目标包括：

1. 掌握 3 种主流尖峰检测算法：移动平均偏差法、Holt-Winters 指数平滑法、孤立森林（Isolation Forest）异常检测。
2. 学会动态阈值设定：基于历史分位数、EWMA 波动率、贝叶斯更新三种方式，避免固定阈值导致的误报或漏报。
3. 能够构建可落地的告警流水线：从数据采集到告警推送，包含延迟容忍度、冷却期、升级策略等工程细节。
4. 通过真实案例回测：使用某财险公司 2023 年车险赔付率数据，验证检测效果并调优参数。

本课程适合以下人群：

• 保险精算师 / 定价分析师：需要实时监控赔付率异常，及时调整费率或准备金。
• 风控 / 反欺诈工程师：希望将尖峰检测作为欺诈团伙攻击的早期预警信号。
• 数据科学家 / 算法工程师：正在为保险行业设计异常检测系统，需要业务场景与工程实践参考。
• 保险科技产品经理：负责风控仪表盘或理赔监控系统的功能设计。

1.4 赔付率尖峰检测的总体架构

下图展示了本课程所构建的检测系统整体流程，从原始赔付数据输入到最终告警输出，共包含 5 个核心模块：

1.5 课程内容路线图

本课程共分为 6 个章节，按照“理论 → 方法 → 工程 → 实战”的递进结构组织：