该研究针对美国个人汽车保险行业，构建了含季节性、拥堵回归和线性趋势变点的动态线性模型，对1999—2019年全美及各州的车险频率、案均赔付额与纯保费进行系统建模，以识别损失成本的隐性结构变化。
核心精算发现： 频率整体呈下降趋势，碰撞险与综合险中“先降后升”的谷底形态占比分别达50%和35%；案均赔付额则全面上扬，责任险、碰撞险、综合险、人身伤害险的上升型占比均超80%。两者叠加下，纯保费总体走高，但在样本初期多州出现阶段性下降。
变点的关键作用： 229个组合中仅2个未选择变点模型，说明行业损失过程并非平稳线性，而是受法规、经济周期、技术更替等外生冲击频繁扰动。然而变点并非集中于2008年金融危机——最优变点在该时段的比例仅略高于随机水平，表明近20年行业结构性断裂具有多源性和时点分散性。
拥堵变量的预测价值： 城市拥堵在多数险种中为最优解释变量（占比32%~51%），优于总拥堵和农村拥堵，反映驾驶暴露度与事故风险的高度耦合。无拥堵模型的占比不足15%，验证了出行强度对赔付成本的持续驱动力。
模型的技术优势： 采用贝叶斯向前滤波向后抽样估计，以能量分数择优，克服了传统趋势外推对突变缺乏预警的缺陷。该框架可直接应用于费率厘定中的趋势校平、准备金评估及再保险定价，尤其当面临疫情、无人驾驶等新冲击时，具备自适应重校准的能力。
总体而言，车险损失并非单一趋势，而是多阶段、多因子的动态叠加。变点建模为精算师提供了识别风险拐点的统计工具，推动定价从“经验平均”走向“结构感知”。
发布者：保险日报，转转请注明出处：https://www.insurdaily.com/archives/6757.html
微信扫一扫 
