在2023年4季度，律商联讯危险信息（LexisNexis Risk Solutions，以下简称“律商危险”）根据职业界独有整车库、乘用车库及零整比数据库建模剖析，运用车险综改后千万级稳妥数据练习模型，制作职业首张乘用车——车型危险等级元素周期表（以下简称“危险表”）。该危险表从品牌、车系、车组、车型4个层级对从车静态物理危险精准量化，满意保司从承保危险辨认到精算定价建模的多层次需求。

  车型危险等级概念自20世纪60年代在瑞典提出并在欧洲的英国、德国等国家得到推行后，已成为全世界稳妥职业车险费率厘定的中心定价因子。例如，在韩国，2007年在职业费率中将车型分为262类，费率因子分组为21个水平（拜见《Automobile Insurance in Korea Fact Book 2022》）。在我国，2020年车险综改将家用车的品牌车系分为约480类，费率因子分组为60个水平。

  律商危险的高档数据科学家单翔表明：“正如门捷列夫根据元素原子核电荷数制作元素周期表，咱们根据车辆物理参数特征和易损配件修理价格指数，制作出职业车型危险等级元素周期表，让保司从车静态危险辨认的颗粒度精密至车型层级，对常见的约1万个车型厘定为997个费率因子水平，远高于职业的480类品牌车系的60个费率因子水平。这一效果将处理职业车险费率大表‘车系危险看禁绝、车型危险看不清、新车危险看不见’的痛点，也将为稳妥公司赋能，尤其是中小稳妥公司，使其具有比美头部保司的车型危险细分的才能”。他进一步指出，职业根据品牌车系保有量进行编码，进行测算危险等级的干流形式存在如下坏处：

  一是苦于样本量受限，中小保司车型危险细分难。一般，职业费率表和干流定价办法，是根据“车系、品牌＋车种、进出口＋车种、进出口、其他”的已赚车年保有量逐层次挑选进行分类编码，然后在GLMs模型中测算相对危险水平。关于本来危险附近的车型、车系，因为承保数量缺少，容易形成危险分类过错，危险错配，在中小保司精算定价时对立尤为凸显。

  二是违背对车型危险了解的第一性原理。例如，关于不一样的品牌或车系的危险差异，不是从车辆尺度（Exterior Dimensions）、动力功能（Engines）、修理经济性（Repair Cost Degree）、车身分量与平稳性（Base Curb Weights ＆ Stability）、安全等级（Safety Index）等考虑，而是简略依照品牌车系称号分类，确认危险等级。

  三是不能够满意事务扩展的需求。例如，中小保司关于含损事务、高价车本来就慎重承保，该类事务承保理赔数据储藏缺少，导致危险辨认难、评价难，含损事务规划拓宽难；再如，即使关于大型保司，在面对新车型的危险计量上缺少手法，特别是新车推出速度快的新能源车板块。

  表3：AB Test事例：即使运用小样本建模，律商危险也能充沛协助客户至少额定提高5．3个百分点的危险区别才能。＊＊

  律商危险致力于处理车型危险辨认在业界的遍及难题。经过深入剖析车辆的物理参数和修理本钱的经济性等中心危险要素，律商危险开发了一套全面的车型危险评价系统——一张表格纳尽全职业大约1万种常见车型的危险等级。这一危险评价表达到了全面的危险掩盖和量化，突破了传统办法的限制，为职业界车型危险等级的确认引入了立异的途径。这不只打开了评价办法的新篇章，并且显着提高了车险职业的危险量化才能。（文／律商危险 单翔、王军喜）