示例分析:健康评分与
赔付率的相关性验证

研究背景

VITA 基于行业公开脱敏样本 + 内部 1 万条小规模验证集,对 25–55 岁健康险目标人群进行了 12 个月粒度的行为指标建模示例,并以行业公开赔付率结构做对照,目标是回答一个精算团队最常问的问题:健康行为分,到底能不能预测赔付?真实客户 POC 数据以正式合作合同签署后单独披露。

核心结论(示例)

• 内部验证集(1 万样本)目标 AUC 区间 0.70–0.75:综合模型(行为 + 静态告知)在示例样本上显著优于纯静态告知模型;正式 POC 完成后按签约方口径披露。
• 分层示例:健康分前 20% 用户的赔付率仅为后 20% 的 42%(基于内部验证集示例值),分层能力用于说明定价决策的可行性,不作真实结算依据。
• 行为改善示例效应:连续 6 个月评分改善 10 分以上的用户组,赔付支出较对照组下降 18%(示例值,以真实 POC 数据披露为准)。
• 反作弊置信度 99.3%:内部验证集异常样本被剔除后,评分与实际风险的相关性稳定,未见明显飘移。

样本与方法(示例)

• 样本规模:内部 1 万条验证集 + 行业公开脱敏样本作为对照;男女、城市分布按目标人群比例采样。
• 采集频次(设计口径):运动/睡眠日粒度,体检半年 1 次,依从性周粒度。
• 建模:LightGBM + 单调约束 + SHAP 归因,交叉验证 5 折。
• 校验方案(签约后启用):与保司内部承保、理赔台账做 hash-join,严格双盲。

完整目录

1. 研究背景与样本选取
2. 数据采集与合规(用户授权流程 + 反作弊)
3. 健康评分模型说明(特征、算法、单调约束)
4. 评分与赔付率关系分析(分层曲线、Lift 表)
5. 连续观察下的行为改善效应
6. 模型可解释性:SHAP 前 10 因子
7. 局限性与后续研究方向
8. 致精算团队的实操建议

合规声明

研究数据由用户明示授权后采集,已完成脱敏。研究结论仅用于精算参考,不构成任何医疗诊断建议,不承诺任何金融收益,VP 及权益不与法币直接兑换。

← 返回资源中心