費率釐定與定價

信度在類別費率中的應用

/ kred-ih-BIL-ity /

假設某個小費率類別——比方說一款稀有跑車——去年只有二十張保單,且不幸發生了兩起大事故。它的原始損失經驗看起來糟透了,但二十輛車實在太少、不足為信:結果同樣很可能本是零事故。信度(credibility)就是正式回答「相對於一個更寬、更穩的基準,我應該多大程度相信這個類別自身稀薄的經驗?」的方法。

其機制是一個加權平均。信度加權費率 = Z 乘以該類別自身的指示費率,加上(1 − Z)乘以信度補——通常是一個更大、更穩定的群體,如整體平均或相關類別。Z 在 0(忽略噪聲數據)到 1(完全相信它)之間,並隨數據量增加而上升。在常用的平方根規則下,Z = 根號(n ÷ 全信度標準);若全信度需要1082次索賠、而該類別只有270次,則 Z = 根號(270 ÷ 1082)≈ 0.5,於是該類別費率是其自身經驗的一半加基準的一半。隨著類別增長,Z 升向 1,其自身經驗占主導。

信度是讓一個精細的類別計劃不會因隨機噪聲而逐年來回劇烈擺動的關鍵。沒有它,微小類別的價格會狂亂地顛簸,其中的客戶會面對任意的起落。有了它,費率只在證據所允許的速度下,向某個類別自身的信號靠攏。誠實的提醒:信度補極為重要——選一個糟糕的基準(一個其實並不像該類別的基準)會使答案有偏,而在有偏數據上用一個高 Z,比用一個低 Z 更糟。

全信度 = 1082次索賠;該類別有270次。平方根規則:Z = 根號(270/1082) ≈ 0.50。若該類別自身指示費率為800、基準為600,則信度加權費率為0.50×800 + 0.50×600 = 700。

類別費率 = Z × 自身經驗 + (1 − Z) × 信度補。

在有偏數據上用高 Z 比用低 Z 更糟。信度只是向信度補混合——若信度補對該類別是個糟糕基準,加權也無法修正偏差。

又稱
credibility weighting in pricingclass credibility类别信度類別信度