场景案例 ·

保险精算数据分析用AI一句话完成 — 风险建模与广义线性模型

保险精算与风险管理必看：从索赔频率泊松回归、索赔严重度Gamma GLM到费率厘定，ChatSRS AI一句话跑完精算核心分析，生成APA 7th格式精算统计报告。

保险精算师、风险管理专业学生的数据分析痛点：索赔频率用泊松还是负二项不知道怎么选、严重度建模用Gamma分布还是逆高斯拿不定主意、GLM模型的偏差统计和拟合诊断散落在十几张输出表里读不懂……这篇文章把精算核心GLM建模链条一次串通，每步给出ChatSRS可直接使用的一句话指令，以及可抄进精算报告与学术论文的APA 7th格式句式。

精算GLM建模为什么让人望而生畏

如果你在从事保险精算、风险管理、非寿险定价方向的工作或论文研究，以下场景很可能已经遇到：

  • 手上有保单明细数据（曝险年、索赔次数、索赔金额、承保特征），不知道该从哪个分布入手建GLM
  • 泊松GLM跑出来了，但过度分散检验怎么做？何时应该换负二项？
  • Gamma GLM的对数连接和恒等连接有什么区别，系数怎么解读才规范？
  • 模型诊断要看哪些指标——偏差、AIC、皮尔逊卡方残差、影响力诊断，输出一大堆却不知道重点在哪里
  • 导师或精算师督导说"先把费率相对性表做出来"，但GLM系数怎么转换成费率因子完全没思路

这些困难不是精算技能不足，而是非寿险GLM建模的链条横跨统计理论、精算惯例和报告规范——从分布选择、连接函数、偏差分析到费率因子提取，每步都有前提要检验，每步都有精算界认可的报告格式。

chatsrs.com 把这整条链条变成对话。下面按精算GLM建模的标准流程，从头到尾演示。

精算GLM的两步建模框架

非寿险纯保费（Pure Premium）的精算定价基于如下分解：

纯保费 = 索赔频率 × 平均索赔严重度
       = E[N/W]  ×  E[X | N > 0]

其中 W 为曝险量（如保单年数或车辆年数），N 为索赔次数，X 为单次索赔金额。

两步GLM框架：

步骤因变量分布连接函数权重
第一步：频率模型索赔次数 N泊松 / 负二项对数（log）曝险量 W（offset）
第二步：严重度模型索赔金额 XGamma / 逆高斯对数（log）索赔次数（可选）

典型数据结构：

保单ID    曝险年   索赔次数   总索赔金额   车龄   驾龄   地区   车辆类型   用途
P001      1.00     0          0            3      8      华东   轿车       私家
P002      0.75     1          12400        7      2      华北   SUV       私家
P003      1.00     2          31600        1      1      华南   轿车       商用
...

全流程分析演示（车险定价场景）

以"商业车险纯保费GLM定价"为例：样本10,000张保单，5个承保特征，分析期间1年。

第一步：描述统计与损失分布探查

打开 chatsrs.com，上传数据后输入：

"请对索赔次数和索赔金额分别做描述统计，输出均值、标准差、偏度、峰度、零值比例；对索赔次数绘制频率分布直方图，对有索赔的记录绘制索赔金额的对数变换直方图；检验索赔次数的过度分散（均值与方差对比），判断是否适合泊松分布。"

ChatSRS自动输出：

索赔次数描述统计
  均值（Mean）= 0.142，方差（Var）= 0.187
  过度分散比 Var/Mean = 1.317（> 1，存在轻度过度分散）
  零次索赔比例 = 87.6%，一次 = 10.8%，二次及以上 = 1.6%

索赔金额描述统计（有索赔记录，n = 1,421）
  均值 = 15,840 元，中位数 = 9,200 元
  SD = 22,316，偏度 = 3.47，峰度 = 18.9
  对数变换后偏度 = 0.31 — 对数正态特征明显，支持Gamma族GLM假设。

初步结论：索赔次数Var/Mean = 1.317，轻度过度分散，泊松GLM可作为基准；
           若偏差检验仍不理想，建议升级为负二项（NB2）GLM。

为什么先做这步：分布探查决定了模型选型。泊松假设均值=方差，一旦存在过度分散，泊松GLM低估标准误，导致费率因子置信区间偏窄，定价风险被低估。

第二步：泊松GLM — 索赔频率建模

"以索赔次数为因变量，曝险年为offset（对数变换后加入线性预测子），车龄、驾龄、地区、车辆类型、用途为自变量，拟合泊松GLM（对数连接）。输出：(1) 模型摘要（系数、标准误、z值、p值、95% CI）；(2) 零偏差、残差偏差和AIC；(3) 皮尔逊卡方残差与自由度之比（拟合优度）；(4) 费率相对性表（以基准类别为1.000的乘数因子）。"

ChatSRS输出：

泊松GLM — 索赔频率模型

模型拟合统计
  零偏差（Null deviance）：3,847.2，df = 9,999
  残差偏差（Residual deviance）：3,124.6，df = 9,988
  AIC = 5,872.3
  皮尔逊卡方 / df = 1.341（轻度过度分散，建议稳健标准误）

系数表（对数尺度）
  变量            Estimate    SE       z       p        95% CI
  (Intercept)    -2.847      0.092   -30.95   <.001   [-3.027, -2.667]
  车龄（3-5年）   0.213       0.048     4.44   <.001   [ 0.119,  0.307]
  车龄（6-10年）  0.381       0.052     7.33   <.001   [ 0.279,  0.483]
  车龄（>10年）   0.487       0.061     7.98   <.001   [ 0.367,  0.607]
  驾龄（<3年）    0.524       0.055     9.53   <.001   [ 0.416,  0.632]
  地区（华北）    0.178       0.043     4.14   <.001   [ 0.094,  0.262]
  地区（华南）   -0.094       0.051    -1.84    .066   [-0.194,  0.006]
  商用途径        0.631       0.071     8.89   <.001   [ 0.492,  0.770]

费率相对性表（频率因子，基准 = 新车/驾龄>=3年/华东/私家）
  车龄 3-5年：1.237；6-10年：1.464；>10年：1.628
  驾龄 <3年：1.689
  地区 华北：1.195；华南：0.910（p = .066，未达显著）
  商用：1.879

第三步：过度分散检验与负二项GLM对比

"对上述泊松GLM做过度分散检验（Dean检验或Score检验），若显著则拟合负二项GLM（NB2），对比两模型的AIC、残差偏差和费率相对性差异；输出NB2的额外参数theta（过度分散参数）及其置信区间。"

ChatSRS输出：

过度分散检验（Dean Score Test）
  z = 3.47，p = .001 — 存在统计显著的过度分散，建议使用NB2 GLM。

NB2 GLM vs 泊松 GLM 对比
  指标                泊松 GLM    NB2 GLM     变化
  AIC                5,872.3     5,691.8     -180.5（NB2更优）
  残差偏差/df        1.341       1.072       更接近1（拟合更好）
  theta（过散参数）    —          8.74 (95% CI [6.21, 12.31])

费率因子对比（商用途径，泊松 vs NB2）
  泊松：1.879（95% CI [1.636, 2.160]）
  NB2： 1.872（95% CI [1.591, 2.203]）
  结论：点估计接近，但NB2置信区间更宽，反映了过度分散带来的额外不确定性。

精算含义：泊松与NB2的费率因子点估计相近，但定价时NB2的置信区间更诚实，不会低估高风险群体的区间宽度，有利于风险资本的保守估计。

第四步：Gamma GLM — 索赔严重度建模

筛选有索赔记录（N >= 1）的子集，对平均索赔金额建模：

"筛选索赔次数>=1的记录，以平均索赔金额（总索赔金额/索赔次数）为因变量，车龄、驾龄、地区、车辆类型、用途为自变量，拟合Gamma GLM（对数连接）。输出：(1) 系数表含95% CI；(2) 残差偏差和AIC；(3) 严重度费率相对性表；(4) 残差诊断图（Q-Q图、残差vs拟合值、尺度-位置图）。"

ChatSRS输出：

Gamma GLM — 索赔严重度模型（n = 1,421）

模型拟合统计
  残差偏差 / df = 0.987（拟合良好，接近1）
  AIC = 24,371.6
  形状参数（dispersion） = 0.412

系数表（对数尺度，因变量：ln(平均索赔金额)）
  变量            Estimate    SE       t       p        95% CI
  (Intercept)     9.134      0.108    84.6    <.001   [8.922, 9.346]
  车龄（>10年）    0.287      0.074     3.88   <.001   [0.142, 0.432]
  驾龄（<3年）     0.194      0.081     2.40    .016   [0.035, 0.353]
  商用途径         0.341      0.096     3.55   <.001   [0.153, 0.529]
  地区（华北）     0.112      0.068     1.65    .099   [-0.021, 0.245]

严重度费率相对性表
  车龄 >10年：1.332；驾龄 <3年：1.214；商用：1.406
  华北：1.118（p = .099，边际显著）

为什么用Gamma而非线性回归：索赔金额右偏、恒为正值，违反线性回归的正态误差假设。Gamma GLM的对数连接保证预测值始终为正，且方差随均值二次增长（与实际损失数据特征吻合），是精算界GLM建模的标准选择（McCullagh & Nelder, 1989）。

第五步：纯保费GLM — 整合频率与严重度

"将频率模型（NB2 GLM）和严重度模型（Gamma GLM）的费率相对性相乘，生成综合纯保费费率表；以基准类别（新车/驾龄>=3年/华东私家）为基准费率1.000，输出各因子组合的纯保费相对性；同时对比Tweedie GLM（power=1.5）直接建模纯保费的AIC，判断两步法与Tweedie单步法的差异。"

ChatSRS输出：

综合纯保费费率相对性（频率因子 × 严重度因子）

  风险特征                  频率因子   严重度因子   综合相对性
  基准（新车/>=3年/华东私家）  1.000      1.000        1.000
  车龄>10年 + 驾龄<3年 + 商用  1.628×1.689×1.872  1.332×1.214×1.406  = 11.70
  车龄3-5年 + 驾龄>=3年 + 私家 1.237      1.000        1.237
  新车 + 驾龄<3年 + 私家       1.689      1.214        2.050

Tweedie GLM（p=1.5）直接建模纯保费
  AIC = 29,847.3（vs 两步法AIC之和 = 30,063.4）
  两步法结构更透明，便于精算解释；Tweedie AIC略优，适合黑盒定价场景。

论文方法/结果写法（APA 7th，精算GLM报告句式）

这是最直接帮到你的部分——把上面每步分析翻译成论文可用的APA格式句子。

方法章节：统计分析策略

本研究采用两步广义线性模型（GLM）框架对非寿险定价进行风险建模，遵循精算学界的标准分解方法（de Jong & Heller, 2008）。在索赔频率建模中，以索赔次数为因变量、曝险年为偏移量（offset），先拟合泊松GLM（对数连接），并通过Dean得分检验评估过度分散；若检验显著，则改用负二项GLM（NB2）。在索赔严重度建模中，对有索赔记录子集，以平均索赔金额为因变量，采用Gamma GLM（对数连接）。所有承保特征的系数均以费率相对性（rating relativities）形式报告，以基准类别为1.000的乘数因子表示。统计分析使用ChatSRS完成（R引擎，显著性水平 alpha = .05）。

结果章节：频率模型

泊松GLM的过度分散检验结果显示，Dean得分检验统计量 z = 3.47，p = .001，存在统计显著的过度分散，因此采用负二项GLM（NB2）进行索赔频率建模。NB2模型的过度分散参数 theta = 8.74（95% CI [6.21, 12.31]），残差偏差/自由度 = 1.072，AIC = 5,691.8，模型拟合良好。车龄、驾龄及承保用途对索赔频率的影响均达统计显著水平（ps < .001），其中商用途径的频率相对性为1.872（95% CI [1.591, 2.203]），表明商用车辆的索赔频率约为同等私家车的1.87倍。

结果章节：严重度模型

Gamma GLM索赔严重度模型的残差偏差/自由度 = 0.987，AIC = 24,371.6，模型拟合指标符合精算实践要求（McCullagh & Nelder, 1989）。商用途径的严重度相对性为1.406（95% CI [1.165, 1.697]，p < .001），车龄超过10年的严重度相对性为1.332（95% CI [1.153, 1.540]，p < .001）。整合频率与严重度后，最高风险组合（车龄>10年、驾龄<3年、商用）的综合纯保费相对性为11.70（频率部分1.628×1.689×1.872≈5.147，严重度部分1.332×1.214×1.406≈2.273），即其期望损失约为基准风险的11.70倍。

上面三段可直接进论文Results章节，只需替换为你自己数据的数值。ChatSRS的"APA报告"功能可自动生成对应段落，无需手动转写。

常见FAQ

Q1: 索赔频率建模应该用泊松还是负二项，怎么判断？

这取决于过度分散程度：

  • 泊松GLM：假设均值=方差，适合分散程度接近1（Var/Mean ≈ 1）的场景。作为基准模型先拟合，再诊断
  • 负二项GLM（NB2）：方差 = 均值 + 均值^2/theta，适合存在过度分散（Var/Mean > 1）的场景
  • 零膨胀模型（ZIP/ZINB）：若零次索赔比例远超泊松预期（>90%），考虑零膨胀结构

实际操作：在ChatSRS里先跑泊松GLM，输出中自动包含Dean过度分散检验，p < .05则建议升级NB2。

Q2: Gamma GLM的对数连接系数怎么解读？

Gamma GLM采用对数连接时，系数 beta 的含义是：

  • exp(beta) 是因变量（索赔金额）的乘数因子
  • 例如：商用途径系数 = 0.341，则 exp(0.341) = 1.406，表示商用车平均索赔金额约为同等私家车的1.406倍
  • 这与泊松GLM的频率因子解读方式完全一致，便于两步法的费率相对性直接相乘

在ChatSRS中，指令里加"输出费率相对性表"，会自动完成exp变换并以乘数形式展示。

Q3: 什么时候用Tweedie GLM替代两步法？

场景推荐方法
需要解释每个因子对频率/严重度的独立贡献两步法（泊松+Gamma）
黑盒纯保费预测，追求单一模型AIC最优Tweedie GLM（p∈(1,2)）
数据量极少，两步模型子集样本不足Tweedie GLM
监管要求提交可解释费率因子分解两步法（监管友好）

两步法是精算行业（特别是中国银保监会报备要求）的主流实践；Tweedie常用于机器学习辅助定价场景。

Q4: 如何从GLM系数提取"费率因子"用于实际定价？

精算费率因子 = exp(GLM系数)，具体步骤：

  1. 确定基准类别（通常选最大曝险量的类别，如新车/私家/华东）
  2. 基准类别的截距项 exp(Intercept) 对应基准风险的频率或严重度
  3. 其他类别的费率因子 = exp(该类别系数)，直接乘以基准费率
  4. 频率费率因子 × 严重度费率因子 = 纯保费费率因子
  5. 纯保费费率因子 × 基准纯保费 = 该风险组的纯保费

ChatSRS在"费率相对性表"输出中自动完成所有exp变换，直接给出可录入定价系统的乘数表。

Q5: 模型诊断要看哪些指标，各自说明什么？

诊断指标理想范围说明
残差偏差/df0.8 — 1.2接近1表示分布假设合理
AIC越小越好用于模型选择（不同分布间不可直接比较）
皮尔逊卡方/df接近1类似残差偏差/df，Poisson中更常用
Cook距离> 1 为高影响力观测警戒线（Cook 1977）；也可用 4/n 作为样本量自适应阈值超出需检查是否数据异常
残差Q-Q图点沿对角线判断残差是否符合假设分布
尺度-位置图水平带状判断方差齐性（等散性）

在ChatSRS中，指令里加"输出残差诊断图"，自动生成上述全套图表，并附文字判断。

精算GLM建模小结

非寿险定价GLM建模，方法链条清晰但每步有精算惯例要遵守：

分析目的方法ChatSRS一句话关键词
了解数据分布特征描述统计 + 过度分散检验"索赔次数均值方差比，过度分散检验"
索赔频率建模泊松/NB2 GLM（对数连接+offset）"泊松GLM，曝险年为offset，输出费率相对性"
严重度建模Gamma GLM（对数连接）"Gamma GLM，对数连接，输出exp系数和费率因子"
模型选择AIC + 残差偏差/df对比"对比泊松与NB2的AIC和残差偏差"
纯保费整合频率因子 × 严重度因子"输出两步法综合费率相对性表"
模型诊断残差图 + Cook距离"输出残差诊断图，标注高影响力观测"
单步纯保费Tweedie GLM（p∈1,2）"Tweedie GLM，power参数1.5，与两步法AIC对比"

每一步的输出ChatSRS都能直接生成APA 7th报告句式，在论文里改改数值就能用。

如果你是第一次系统做精算或风险管理方向的论文数据分析，推荐先看总指南：毕业论文数据分析救星 — 全流程AI完成指南

相关阅读

本文首发于ChatSRS官方博客。如有问题或反馈，欢迎在ChatSRS站内 [用户中心 -> 帮助与反馈] 联系我们。