机器学习在损失准备金评估中的应用

作者：Jonas Mohamed Osman Abdelghafour

针对产险精算协会 (CAS) 2026 年关于改进准备金方法论和技术的征文计划，以及 CAS 在 2026 年发布的扩展版 Schedule P 损失准备金数据集的评论。详情请见 CAS 官网。

CAS 启动了一项 2026 年征文计划，主题为改进准备金的方法论和技术，并指出不断发展的技术使得增强建模变得更加实用。同时，它还更新了基于 Schedule P 的损失准备金数据集，增加了美国产险公司主要个人和商业险种的另外十个事故年度数据。

这两件事结合在一起的意义远超其各自独立存在的意义。没有数据的方法论征集只会产生理论；没有征集的数据只会产生零散的实验。两者并举是学科真正向前迈进的方式。

但有必要问一个征文计划暗示但未明说的问题：为什么准备金评估在采用机器学习方面比定价落后了大约十五年？ 答案并不是保守主义，正确理解这一点能告诉你哪些新方法会奏效，哪些不会。

---

准备金评估与众不同的四个结构性原因

1. 观察单位不是关注单位。

在定价中，你有成千上万的保单，每份保单都有一个结果。这在本质上就是一个监督学习问题。

在准备金评估中，传统的单位是事故年度——你可能只有大约二十个年度。进展三角形并不是一个大数据集。它只是对一个过程的二十个高度相关的观察结果，以矩阵形式呈现。将专为大样本量 (large-n) 设计的方法应用于 n≈20 的对象，这并不是保守的谨慎，而是算术问题。

转向个别理赔准备金评估 (individual claim reserving) 从根本上改变了这一点，这也是该领域最重要的结构性进展。一旦单位变成了理赔案，你又拥有了成千上万的观察值。

2. 目标是不可观测的。

定价模型预测最终会发生且可校验的损失。准备金模型预测的是最终值 (ultimate)——这一数值在多年内都无法被观测到，对于长尾险种，可能长达十年甚至更久。

这从根本上打破了机器学习的开发闭环。当验证集直到 2034 年才会出现时，你无法针对它进行快速迭代。针对历史三角形进行回溯检验会有所帮助，但每次回溯检验都是被污染的：历史准备金影响了理赔处理、结算行为以及产生你所测试数据的个案准备金充足性。

3. 准备金输出是财务报表项目。

错误的定价模型会导致次优的费率，并最终得到修正后的经验。错误的准备金模型则会导致资产负债表误报、报表重表，并可能招致监管的负面裁定。委任精算师需要对此签署意见。

因此，对方法论不透明度的容忍度确实更低，而且这是理所应当的。链梯法的统治地位并非源于惯性——而是因为链梯法可以在十分钟内向审计师解释清楚，并且在一下午的时间内通过重新计算完成审计。

4. 过程的变化会使数据失效。

准备金评估方法假设过去可以预测未来的进展模式。理赔处理、个案准备金计提哲学、结算策略、法律环境或产品组合的每一次变化都会打破这一假设。经验丰富的准备金精算师花费大量时间来检测并调整这些变化带来的断裂。

在一个基于历史进展训练的机器学习模型看来，它学到的是历史的运营环境，包括所有的理赔处理实务。它会自信地外推一种结算模式，而实际上理赔策略的变化已经终结了这种模式。检测这一点正需要模型无法提供的判断力——更糟糕的是，模型的自信掩盖了这种判断的必要性。

哪些方法真正有效

考虑到这些约束，那些赢得了一席之地的方法都具有一个共同属性：它们增加了细粒度或结构，但没有抛弃精算框架。

个别理赔准备金评估。使用理赔特征——受伤类型、诉讼状态、管辖区、索赔人年龄、治疗路径——在理赔层面建模进展。这直接解决了小样本量问题，并允许在不产生汇总损失的情况下对异质组合进行建模。这是该领域最实质性的进步，它与基于 LLM 的叙述性文档理赔特征提取（CAS 也在资助相关工作）自然契合。

混合模型与分层模型。在分部之间进行部分汇总——从相关分部中借鉴信息，同时允许保留真正的差异。对于分部太小无法单独建模、又太不同无法合并这一长期的准备金评估难题，这是统计学上严谨的解决方案。CAS 最近关于精算师实务混合模型的专著反映了对这一工具应纳入标准工具箱的适时认可。

带可信区间的随机准备金评估。这并非新鲜事，但一直未被充分利用。董事会和监管机构越来越多地要求提供准备金区间而非点估计，而可辩护的区间需要显式的不确定性模型，而非判断性的边际。

用于诊断而非估算的机器学习。这是我会放在大多数公司首位的应用：使用机器学习来检测理赔流程的变化，识别异常的进展模式，并标记传统方法假设失效的分部。模型不产生准备金——它告诉精算师该看哪里。这顺应了上述四个约束条件而非背道而驰，也是我在实践中一致看到最佳回报的地方。

扩展后的 Schedule P 数据使什么成为可能

在 CAS Schedule P 数据集中增加十个事故年度之所以重要，有以下特定原因。

长尾险种拥有更长的进展窗口。在商业责任险上测试准备金评估方法，需要观察接近最终值的进展情况。增加十个事故年度使几个险种从“证据不足无法评估”转变为“可评估”。

跨周期测试。准备金评估方法在市场趋紧与放宽、低通胀与高通胀环境下的表现是不同的。跨越更多周期的数据集允许测试方法在不同体制下的鲁棒性，而不仅仅是在单一体制内——这正是让准备金模型在实践中失效的典型模式。

真实的基准测试。通用的公开数据集让竞争方法能在相同的数据上进行比较，这是学科领域真正取得进步的机制。如果没有它，每篇论文都会在别人无法访问的专有数据上报告强有力的结果。

需要指出的一点警告：Schedule P 是行业汇总数据。它非常适合测试方法行为和比较途径。但它不能用于开发个别理赔准备金评估方法，后者需要理赔层面的数据。最重要的前沿领域正是这个数据集无法直接支持的。

给准备金评估团队的五点建议

从诊断开始，而非估算。在准备金评估中，机器学习最快产生可辩护价值的地方是流程变化检测。先构建这个，证明其有效性，然后再考虑扩展。

先将个别理赔准备金评估视为一个数据项目。约束因素不在于方法，而在于理赔层面数据的质量、一致性和历史。大多数公司在建模问题真正提上日程之前，需要进行为期十八个月的数据工作。

无限期地并行运行传统方法。不是作为过渡安排，而是作为永久性控制。细粒度模型与链梯法之间的实质性分歧本身就是信息，一旦你停用基准方法，你就丢失了这些信息。

显式且持久地记录假设断裂。理赔处理、个案准备金计提哲学或结算策略的每一次变化，都应记录日期及其预期影响，并由准备金评估团队维护这一登记簿。这是使任何方法奏效的机构知识，且会随资深员工的离职而流失。

将区间而非点值作为主要输出。单一数字会诱导虚假的精确感，且无法为讨论董事会真正关心的不确定性提供基础。这更多是沟通上的改变而非方法论上的改变，且早已该做了。

核心逻辑

贯穿这一切的主线是：准备金评估领域对新方法的抵触从来不是因为保守。它是对该问题四个真实结构性特征的正确响应。

现在获得成功的方法是那些直接解决这些特征的方法——用细粒度解决小样本量，用分层结构解决细分问题，用诊断解决假设断裂——而不是那些从定价领域搬来技术并寄希望于约束条件不存在的方法。

这对任何新的准备金评估方法都是一个有用的测试：它究竟解决了这四个问题中的哪一个？

---

核心要点

• 准备金评估在采用机器学习方面落后于定价有四个结构性原因：有效样本量小、目标不可观测、具有财务报表后果以及过程变化使历史数据失效。
• 个别理赔准备金评估是最实质性的进步，因为它直接解决了小样本量问题，并与基于 LLM 的理赔特征提取自然契合。
• 混合模型与分层模型为分部太小无法单独建模、又太不同无法合并的问题提供了严谨的解决方案。
• 机器学习在准备金评估中回报最高的早期应用是诊断——检测过程变化和假设失效——而非估算。
• 扩展后的 CAS Schedule P 数据集支持更长的进展窗口、跨周期鲁棒性测试和真实基准测试，但无法支持个别理赔准备金评估的开发。

---

常见问题解答

为什么机器学习在准备金评估中不如在定价中成熟？ 因为准备金评估传统的观察单位导致有效样本量非常小，目标数值多年不可观测，输出结果是由精算师签署意见的财务报表项目，且理赔处理的变化会使模型学习的历史模式失效。这些是结构性约束，而非专业保守主义。

什么是个别理赔准备金评估？ 在个别理赔层面建模损失进展，使用伤情类型、诉讼状态和管辖区等理赔特征，而非汇总成事故年度三角形。它实质性地增加了有效样本量，并允许在不产生汇总损失的情况下对异质组合进行建模。

公司应该用机器学习方法取代链梯法吗？ 通常不是取代，而是并行运行。传统方法依然是宝贵的永久性控制手段，且细粒度模型与链梯法之间的差异具有诊断价值。大多数公司通过使用机器学习来检测假设失效，比直接使用它产生估计值能获得更多的早期价值。

---

Jonas Mohamed Osman Abdelghafour 是 Quantica Risk Model 的创始人，该公司为保险公司构建准备金、资本和定价模型，并提供独立的模型验证。本文是对公开的 CAS 研究计划的评论。