隐语可信数据空间MOOC第44讲笔记：隐语在新能源车险联合定价中的实践

[叶开233]

笔记内容来自隐语Mooc，欢迎一起来学习。Mooc课程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/vhii941jitkl122?tab=outline

📘 8.6 隐语在新能源车险联合定价中的实践

主讲人：陈超 | 蚂蚁保车险联合定价技术负责人

---

一、新能源车险的困境

1. 行业背景

• 新能源车销量持续增长，渗透率快速上升（2024年预计达50%+）。
• 但综合成本率居高不下，新能源车险普遍亏损（综合成本率＞100%）。

2. 核心问题

• 高赔付率：事故率高、维修成本高、车主年轻化、加速性能强。
• 定价困境：
  • 低估风险 → 定价偏低 → 高赔付
  • 高估风险 → 定价偏高 → 竞争力低

3. 车主与保司的“矛盾旋涡”

• 车主：投保难、保费贵
• 保司：赔付高、不敢保

破局关键：精准定价，实现风险预测与公平定价。

---

二、蚂蚁保车险如何用“隐语”打破困境

1. 蚂蚁保车险平台简介

• 蚂蚁旗下的保险代理平台。
• 联合10+家保险公司（人保、平安、太平洋等）。
• 提供全国（除港澳台）车险服务。

2. “隐语”技术应用

• 隐私计算：实现数据“可用不可见”，打破数据孤岛。
• 联合建模：保司与蚂蚁模型融合，提升预测精度。
• 组件化精算平台：积木式搭建、流程模板化、自动化调优。

---

三、联合定价案例实践——“绿洲”平台

1. 全流程自动化

包括：

• 隐私求交
• 数据预处理
• 特征搜索与分析
• 精算建模
• 模型评估
• 费率核对
• 上线仿真与效果评估

2. 传统 vs “绿洲”平台

• 传统：依赖Excel/SAS，周期约1个月。
• “绿洲”：自动化建模，大幅提升效率。

---

四、风险管控与效果验证

1. 风险挑战

• 定价因子多、组合复杂、验证困难。
• 业务策略调整周期长、试错成本高。

2. 风控体系

• 精算报告 + 极差评估
• 仿真验收机制 + 实时纠偏
• 小时级覆盖10000+案例测试

3. 应用效果（某保司案例）

• 端到端转化率提升 80%+
• UV价值提升 70%+

---

五、未来展望

1. 全链路自动化运筹

   • 目标设定 → 方案拆解 → 生成执行（营销、核保、报价、投保）

2. 产业数据互联

   • 结合AI、图计算、安全数据分析（SCQL）、联邦学习等
   • 融合主机厂、维修厂、4S店数据，深化风险预测能力

3. 隐私计算容器化

   • 推动安全、高效的数据协作生态

---

✍️ 学习总结

• 新能源车险的核心痛点是 定价不精准 导致赔付率高、保司亏损。
• “隐语”通过隐私计算 + 联合建模实现数据安全协作，提升定价精度。
• “绿洲”平台实现全流程自动化建模，大幅提升效率与转化率。
• 未来趋势是数据互联 + AI赋能 + 自动化运筹，构建更智能的车险定价体系。