|
走近再保险精算 ——基于人身险产品端的视角
在整个保险精算行业里，再保险公司和再保险精算，都显得比较小众。因为作为“保险公司的保险公司”，再保公司在整个风险转移的链条中处于相对顶端的位置，市场上的公司个数和每家公司的人员规模都不会太大，但每家再保所撬动的市场承保能力，以及数据积累和业务经验优势，则往往是直保公司不可同日而语的。
其实单纯从技术层面而言，再保公司做精算，往往纯精算技术上的难度要更低，但对综合技能和思维广度的要求更高。就像直保公司的精算岗位可以按照产品和评估二维切分一样，再保公司的精算岗位，同样也可以分成产品端和评估端。评估端更偏后台，相对于直保公司的评估而言，业务体系和技术维度都要更精简。产品端则更偏前台，相对于直保公司的产品开发和定价，接触的层面要更广。
楼主一直在人身险再保公司做产品精算，因此也主要从产品端的角度来介绍这一岗位。再保险公司的产品精算团队，从业务职能上，大致可以分成两大方向，再保定价与产品开发，数据分析与经验分析。下面分别就这两个方向作简要的介绍。
再保定价是再保险公司产品精算团队的一大传统职能，从实务中的业务类型上归类，可以分成保障型业务定价、储蓄型业务定价和财务再业务定价。储蓄型业务主要是采取共保（Coinsurance）的方式分保，风险转移的计算基础是毛保费，“三差”都会分出，但主要目的是解决客户公司的投资风险；财务再业务则更加复杂，主要为客户公司提供资本成本，帮助其缓解偿付能力压力。保障型业务的定价，往往是再保险公司定价工作的传统主体，这类业务定价的核心，是确定各项保险责任的发生率或保障净成本的最优估计，并确定合适的风险边际。所谓“报价”，对外报的再保费率，其实就是发生率（例如重疾/意外发生率）或者净成本（例如医疗险报价），因此，直保定价中非常重要的两大方面，利差和费差，在保障型业务的再保定价中是不需要专门考虑的。而在发生率和净成本的判断上，再保公司考虑的维度和纵深要比直保公司全面很多。很多责任特别是健康险责任，由于风险的客观环境和人群的风险水平可能在未来出现系统性的变化，往往需要对客户群在未来不同业务年度的风险情况甚至行为心理做出合理的预判。从再保合同形式上，保障型业务绝大部分为比例再保险合同，其中以YRT（Yearly Renewable Term）净保费分保的方式居多，但在具体的业务需求下，也会有毛费共保的情况。个别业务采取非比例再保险，例如人身险巨灾分保业务，这类业务的定价还会涉及随机模拟。
产品开发职能，则是大陆的再保险精算近年来的衍生出的新职能，往往更偏前台，可能与定价合并属于同一个业务团队，或者独立成为专门的产品开发团队，也有一部分外资再保把这一职能分到市场团队。相较于再保定价，产品开发涉及的流程节点会更广，承担的角色也更多元。例如，研究职能，从全行业的层面对市场上的产品发展动态进行追踪，对未来发展趋势进行预判研究；咨询职能，为直保公司提供产品形态设计、销售策略、产品线升级等方面的咨询建议；风控职能，与核保团队协同，协助直保公司做好产品和客群的全流程风险控制；培训职能，为客户公司的各个职能团队和高端代理人团队开展培训等等。近年来，在传统的产品开发职能之外，各大再保公司也纷纷探索出了创新型的业务模式，例如与互联网平台等第三方公司合作研发新产品。
数据分析或经验分析，是再保定价与产品开发之外，另一大业务条线，这一条线在整个产品端的再保险精算工作中，相对更偏后台，工作内容也更贴近统计，往往会同时结合精算原理、业务逻辑与大数据分析工具。相较于直保公司而言，再保险公司最核心的优势之一就是数据优势。以账单数据为基础，并结合其他渠道的数据，通过定期的清洗、分析和建模，形成经验成本结果、定价基础假设和风险控制工具，从而应用于业务决策，是数据分析或经验分析团队最核心的工作。这一过程应用到的方法论既包括传统精算的AE分析和赔付率测算，也包括分类器、回归模型等机器学习算法。在数据分析工具上，以SAS、SQL Server和Oracle最为常见，也有公司会用到Python、R等其他语言或软件。虽然在方法与工具层面，数据分析职能看似与其他再保险精算职能较为剥离，但在实际的业务层面，无论是再保险定价还是产品开发，其核心逻辑与数据团队的分析成果和风控模型，都是密切联动的。
以上就是楼主基于在再保险公司不到两年的工作经验，从产品端出发，写下的一点关于再保险精算工作的认识。比较巧合的是，在写这篇的同时，看到王老师已经发了一篇对再保险工作非常翔实全面的介绍了。那么本篇就从不同的视角，做一点补充吧。自己的理解可能不是完全到位，如果有什么问题，欢迎大家一起探讨交流，也欢迎更多的朋友们加入再保险行业。
| 
