筆記內容來自隱語Mooc，歡迎一起來學習。Mooc課程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8r...

📘 8.6 隱語在新能源車險聯合定價中的實踐

主講人：陳超 | 螞蟻保車險聯合定價技術負責人

一、新能源車險的困境

1. 行業背景

• 新能源車銷量持續增長，滲透率快速上升（2024年預計達50%+）。
• 但綜合成本率居高不下，新能源車險普遍虧損（綜合成本率＞100%）。

2. 核心問題

• 高賠付率：事故率高、維修成本高、車主年輕化、加速性能強。

• 定價困境：

  • 低估風險 → 定價偏低 → 高賠付
  • 高估風險 → 定價偏高 → 競爭力低

3. 車主與保司的“矛盾旋渦”

• 車主：投保難、保費貴
• 保司：賠付高、不敢保

破局關鍵：精準定價，實現風險預測與公平定價。

二、螞蟻保車險如何用“隱語”打破困境

1. 螞蟻保車險平台簡介

• 螞蟻旗下的保險代理平台。
• 聯合10+家保險公司（人保、平安、太平洋等）。
• 提供全國（除港澳台）車險服務。

2. “隱語”技術應用

• 隱私計算：實現數據“可用不可見”，打破數據孤島。
• 聯合建模：保司與螞蟻模型融合，提升預測精度。
• 組件化精算平台：積木式搭建、流程模板化、自動化調優。

三、聯合定價案例實踐——“綠洲”平台

1. 全流程自動化

包括：

• 隱私求交
• 數據預處理
• 特徵搜索與分析
• 精算建模
• 模型評估
• 費率核對
• 上線仿真與效果評估

2. 傳統 vs “綠洲”平台

• 傳統：依賴Excel/SAS，週期約1個月。
• “綠洲”：自動化建模，大幅提升效率。

四、風險管控與效果驗證

1. 風險挑戰

• 定價因子多、組合複雜、驗證困難。
• 業務策略調整週期長、試錯成本高。

2. 風控體系

• 精算報告 + 極差評估
• 仿真驗收機制 + 實時糾偏
• 小時級覆蓋10000+案例測試

3. 應用效果（某保司案例）

• 端到端轉化率提升 80%+
• UV價值提升 70%+

五、未來展望

1. 全鏈路自動化運籌

   • 目標設定 → 方案拆解 → 生成執行（營銷、核保、報價、投保）

2. 產業數據互聯

   • 結合AI、圖計算、安全數據分析（SCQL）、聯邦學習等
   • 融合主機廠、維修廠、4S店數據，深化風險預測能力

3. 隱私計算容器化

   • 推動安全、高效的數據協作生態

✍️ 學習總結

• 新能源車險的核心痛點是 定價不精準 導致賠付率高、保司虧損。
• “隱語”通過隱私計算 + 聯合建模實現數據安全協作，提升定價精度。
• “綠洲”平台實現全流程自動化建模，大幅提升效率與轉化率。
• 未來趨勢是數據互聯 + AI賦能 + 自動化運籌，構建更智能的車險定價體系。