北京大学-美国财产险精算协会（PKU-CAS）精算月系列活动之一：

非寿险保险精算的基本定价实务

11月4日上午，2025年“北京大学-美国财产险精算协会（PKU-CAS）精算月”的第一次讲座暨经济学院第225次保险专硕讲座如期举行。作为本年度精算月系列讲座的开端，中国人保风险研究院总经理李晓翾先生以“非寿险定价与巨灾模型”为主题，全面讲解了非寿险精算定价技术的发展、巨灾模型定价与机器学习算法定价。本次讲座由北大风保系副主任陈凯主持。

（图1 李晓翾讲解中）

李晓翾以保险的起源为引入，阐明了保险企业收入在前，支出在后的特殊性，进而引入了保险定价的必要性。他指出不能把保险定价当作纯粹的数学问题。通过模拟一家保险公司日常的经营情形，说明定价要从商业的角度分析业务风险、亏损概率、破产概率。他还从保险定价的经济学原理出发，简要地证明了公司愿意为地震等低频高损的风险付出更多的保费。

随后，李晓翾讲述保险定价的风险细分。最初保险是基于是整体费率定价，随后不断向根据每个风险标的进行定价的方向（individual rating）演进。由于政策和技术限制，保险公司实际上想实现越来越精细的分组。不同地区车险出险的案例证明了分组的必要性。然后，他对分级费率厘定的技术细节进行了细致讲解，包括普通线性模型OLM（加法模型、乘法模型）和广义线性模型GLM的模型细节，还通过具体的案例来激励大家思索精算之后可能出现的逆选择问题。

接下来，他介绍了与预期性保单原理不同的追溯性保险，以及巨灾模型定价。巨灾模拟分为灾害模块、工程模块、金融模块。以地震保险为例，从断裂带活动推演地震发生频率，到模拟楼房倒塌，再到测算风险之间的相关性，最终对巨灾风险进行较为精准的定价。

最后，他谈到前沿的机器学习算法定价。从商业角度看，机器学习目前还不够好用，原因是业界现行都采用线性模型，虽然有自主定价部分，但费率表没法体现纯自主定价的结果。而机器学习更多是用于解决非线性的情况。他讲解了机器学习算法的原理，比较了各种前沿算法的优劣。

本次讲座由浅入深，由历史到未来，综合了技术原理和实务案例，加深了同学们对非寿险定价与巨灾模型的了解，促使大家对非寿险精算师的职业发展路径有了更清晰的认识，为未来发展奠定了良好的基础。

（风险管理与保险学系 祝姚妃 供稿/摄影；姚奕 审核）