保险业预测建模

在过去的二十年里，预测建模悄然重塑了保险业。从 90 年代末用于车险定价的广义线性模型 (GLM)，已扩展到涵盖定价、准备金评估、欺诈检测、客户留存、理赔分级和组合导向的机器学习流水线。最后的赢家不是那些拥有最奇特算法的保险公司，而是那些拥有最干净的数据、最敏锐的业务构思以及能够负责任地部署模型的治理能力的机构。

本文从实务角度探讨保险业的预测建模：它在何处交付价值、哪类模型适合哪些问题，以及如何保持整套机制对监管机构、审计师及董事会的可解释性。

构思业务问题

预测建模项目最常见的失败与模型本身无关，而是因为问题构思不当。“提高定价能力”不是一个问题；“通过识别目前费率表中未包含的前 10% 风险驱动因素，降低细分市场 X 新业务的赔付率”才是。良好的构思强迫人们理清：

• 模型将支持的决策。
• 应用模型的人群。
• 目标变量（频率、严重度、纯保费、留存概率、欺诈标记）。
• 成功指标——提升度 (lift)、Gini 系数、校准误差或直接的业务 KPI。
• 约束条件——监管、伦理、计算和法律。

一个定义严密的问题通常只需一个简单的模型。定义松散的问题则会导致算法复杂化，掩盖了没有任何决策会因此改变的事实。

核心工具：广义线性模型 (GLM)

GLM 至今仍是保险定价的支柱，原因很充分。它们提供无偏的边际效应、透明的系数，并且天然拟合描述理赔频率（泊松分布）和严重度（伽马分布或对数正态分布）的指数族分布。监管机构理解它们，审计师可以重现它们，核保人员可以对其提出质疑。

一个成熟的 GLM 定价流程通常包括：

• 仔细的一元和二元分析以识别信号。
• 费率因子处理：分组、平滑和交互作用设计。
• 针对敞口和已知效应的抵消 (offset) 结构。
• 在跨期样本（而非仅随机折叠）上进行交叉验证。
• 与当前费率表的一致性检查。

GLM 的局限性——加性结构、对特征工程的敏感性、难以捕捉高阶交互作用——是众所周知的。但这些局限性也常被夸大：一个经过精心设计、包含可靠交互项的 GLM，在实际组合中与提升树模型的差距通常仅在几个百分点之内，而操作风险却低得多。

梯度提升及其角色

梯度提升机 (GBM，如 XGBoost, LightGBM, CatBoost) 已成为保险建模中的默认挑战者模型。它们能自动处理非线性和交互作用，容忍杂乱的数据，并且在频率和留存问题上通常比 GLM 带来显著的提升。

正确的问题很少是“选 GLM 还是 GBM？”，而是“我们如何同时使用两者？”。常见模式包括：

• GBM 作为挑战者。 在拟合 GLM 的同时拟合一个 GBM，使用 SHAP 值识别 GLM 缺失的结构，并将这些交互作用反馈到 GLM 中。
• GBM 用于非费率决策的生产环境。 在留存评分、交叉销售倾向、欺诈分级和理赔路由等领域，可解释性要求较低，可以直接部署 GBM。
• 混合费率表。 在某些司法管辖区，基于 GBM 派生的残差因子被叠加在 GLM 基础费率表之上，并受限于上限和单调性约束。

除了提升树，惩罚回归 (elastic net)、广义加性模型以及最近基于 Transformer 的表格模型也有其应用领域。但在主流定价中，尚无模型能取代 GLM/GBM 组合。

数据才是真正的项目

每一位经验丰富的建模师都有同样的观察：模型只占工作的 10%，另外 90% 是数据——数据获取、清洗、关联以及理解每个字段的真实含义。

保险业特有的数据挑战非同寻常：

• 长尾发展。 目标值（最终损失）可能在数年内都无法确定，迫使人们使用已发展或估计的最终值作为训练目标，这带来了巨大的噪声。
• 稀疏事件。 大额损失和巨灾在任何训练样本中都代表性不足。
• 组合漂移。 核保、定价和产品的变化使得历史数据具有非平稳性。
• 外部数据。 车联网、地理空间、信用和行为数据可以带来实效提升，但也带来了监管和伦理负担。

数据血缘——明确知道每个特征的来源、转换方式以及是否可以合法使用——现在已成为与模型本身同样重要的产出物。

具有实质意义的验证

保险建模中的统计验证必须回答的不仅仅是“模型在留出集上的预测效果好吗？”。一套站得住脚的验证涵盖：

• 区分度。 Gini 系数、AUC、按十分位划分的提升曲线。
• 校准度。 各细分市场的实际值 vs. 预期值，而非仅看整体。
• 稳定性。 跨时间段、地理区域和分销渠道的表现。
• 压力测试。 在分布偏移（通胀、业务结构变化、新业务激增）下的行为。
• 公平性。 针对受保护特征的差异性影响分析，无论这些特征是否被用作输入。
• 业务影响。 模拟组合效应：新模型下的赔付率、留存率、业务量和业务结构。

监管机构越来越期望看到这套完整的评估体系，而不仅仅是一个 AUC 数字。

可解释性与模型风险

可解释性不是可选项。根据《欧盟人工智能法案》(EU AI Act) 的分类，保险定价和核保决策属于高风险用途；在偿付能力 II (Solvency II) 框架下，内部模型受制于模型变更政策和自有风险与偿付能力评估 (ORSA)。即使在这些体制之外，不可解释的模型也是不可管理的。

实用的可解释性工具包括：

• SHAP 值，用于树类模型的全局 and 局部特征重要性评估。
• 部分依赖图 (PDP) 和累积局部效应 (ALE) 绘图，用于可视化边际效应。
• 代理模型 (Surrogate models)——拟合复杂模型预测结果的简单 GLM——作为沟通层。
• 单调性和交互作用约束，将领域专家经验直接编码到模型中。

模型风险管理通过文档记录、独立验证、变更控制和定期重新验证来包裹这些技术。一个没有所有者、验证者和退役计划的模型就是一项负债。

生产与监控

未经监控的模型是会悄然失效的模型。生产环境监控应涵盖：

• 输入漂移——生产环境中的特征分布是否与训练数据一致？
• 输出漂移——预测结果是否发生了异常偏移？
• 表现衰退——随着实际赔付情况显现，模型跟踪情况如何？
• 细分市场健康度——是否有子组合的漂移速度快于整体？

警报应与预先商定的阈值和文档化的响应计划挂钩：重新校准、重新训练、限制使用或退役。最糟糕的结果是在年底发现模型在过去六个月里对某个细分市场的定价一直存在偏差。

行业发展方向

三大转变正在塑造未来几年的保险预测建模：

• 从点估计到分布估计。 贝叶斯方法和基于分位数的方法正在兴起，特别是在准备金评估和资本建模中，因为它们更符合基于风险的决策。
• 从特征到表示。 文本（理赔笔记、理赔员叙述）、图像（财产、车辆损伤）和车联网轨迹的嵌入 (embeddings) 正在进入主流流程。
• 从模型到系统。 MLOps 纪律——版本控制、可重现性、自动化测试、监控——终于在保险业成为标准，赶上了其他行业的步伐。

结语

保险业的预测建模不是一场追求最复杂算法的竞赛。它是一门学问：构思正确的问题、建立在可信的数据之上、选择解决问题的最简单模型、对照现实进行验证并在生产中进行监控。那些将建模视为一种整合能力而非一系列零散项目的保险公司，最终会获得更好的定价、更干净的组合，以及能够通过下一次监管审查的模型。