传统上，人寿保险的核保流程常因涉及主观判断而被视为一门“艺术”。也正因如此，有些人会担心人寿保险的很多核保结果会不会是缺乏科学证据和有效信息的随意决定。不过，随着大数据的出现，保险公司现在可以利用海量数据作为判断依据，同时数据分析方法也在不断发展与成熟。这些变化，都推动着人寿保险的核保流程向数据驱动的模式转型，决策的科学度更高。

在评估风险时，寿险核保通常需要考虑三个重要方面：如何设计健康投保问卷、如何评估免体检限额以及如何开发核保手册。

健康投保问卷的设计

目前很多市场都在开发简化告知 (SIO) 的保险产品。而核保问题的简化会导致承保人群风险一定程度的上升。如何才能更加精准地评估问卷简化对定价的影响，这是核保人员经常要面临的挑战。而解决这一问题的关键是要对标准投保单中的每个健康问题的价值进行量化。健康问题价值的量化根据客户的行为可以分为两个部分。[1]

1. 如实告知健康状况的带病体投保人[2]：主要在核保阶段进行评估。我们建议根据疾病的患病率（疾病患病率，Disease Prevalence）、健康问题如实告知比率（告知率，Disclosure Ratio）和疾病的额外死亡率/发病率对应的平均附加费（核保加费，Underwriting Rating）来计算健康问题在核保阶段的价值（告知价值，Disclosure Value）。

2.未如实告知健康状况的带病体投保人：主要在理赔阶段进行评估。对于这类投保人，我们建议根据疾病的患病率（疾病患病率，Disease Prevalence）、健康问题隐瞒度估值（不如实告知率，Non-Disclosure Ratio）、疾病死亡率/发病率对应的平均附加费（核保加费，Underwriting Rating）以及在理赔阶段对未如实告知案件的检出率（理赔识别率，Claim Detection Ratio）来计算健康问题在理赔阶段的价值（不告知价值，Non-Disclosure Value）。

一个健康问题的总价值等于这两部分（即告知价值和不告知价值）的总和。核保员可以通过分析可用数据并对每个疾病做出假设来估算所有健康问题的总价值。鉴于SIO涵盖的问题数量较少，核保员可以通过特定的逆选择附加费（Anti-selection Loading）来反映被简化的健康问题带来的额外风险。为了更准确地评估风险，还可以针对SIO问题设计一个自动计算工具，辅助核保员的工作，让他们能够更精准高效地计算简化问题的加费。

评估免体检限额

体检是核保员控制风险的重要工具。免体检可以简化核保流程但也会导致所承保客户风险的改变，这种情况下，通常需要对免体检限额进行量化。这包括确定合理的免体检限额，以及评估高免体检限额的保费增加幅度。

1.确定合理的免体检限额（盈亏平衡点保额，Breakeven Point Sum Assured）

大多数保险公司利用信息搜集和参考同业的做法来确定自己的体检表（medical table）。少数保险公司使用成本效益分析法，即利用公式“体检的费用=盈亏平衡点保额x每单位保额成本节约的现值（Present Value）”。这是确定体检平衡点保额比较传统的数据分析方法。在成本效益分析法中，体检成本中最重要的“脱退成本 (lapse cost)”会随着计算得出的盈亏平衡点的改变发生动态变化，这使其非常难以准确估算。我们经常遇到的情况是，计算得出的盈亏平衡点保额明显低于市场的平均水平，这导致估算结果难以被使用。为了解决这个问题，我们可以考虑另一种方法，即利润最大化法（Profit Maximisation）——通过比较体检保单和免体检保单（如果豁免体检）的总体利润来计算出目标业务的增长率。这种方式以容易估算的参数代替难以衡量的保单脱落成本，从而简化了免体检限额的计算过程，让最终确定的免体检限额更合理，也更容易解释免体检限额设定的背后逻辑。

2.评估高免体检限额的保费加价幅度

有些情况下，出于商业原因，免体检限额必须高于合理的盈亏平衡点。这意味着保险公司可能以标准保费承保部分次标投保人。我们建议采取下列步骤来评估高免体检限额的保费加价幅度，从而减少定价过低带来的风险。

第一步，计算“初步附加费”（Primary Loading）。初步加费=（1-告知率）x次标率（Substandard Ratio）x核保评点。第二步，在初步加费基础上纳入按年龄和保额的保单分布、产品风险净额（NAAR）等其他调整因素，计算得出最终附加费（Final Loading）。

开发核保手册

医学文献和保险经验数据是保险公司开发核保手册时依赖的两个主要资料来源。然而现实中，由于数据不足和系统记录问题（例如缺乏有效的疾病代码或数据电子化不理想等），对很多再保险/保险公司而言，医学文献通常是开发核保手册主要的资料来源。但医学研究的目标群体可能不同于保险的目标人群，依赖医学文献制定的核保手册就可能会出现结果偏差。随着保险公司积累了更多的数据和持续优化自有数据系统，保险经验数据有望在开发核保手册的过程中发挥越来越重要的作用。

另一方面，保险公司还可以考虑更多地利用来非传统的健康数据。随着智能手机和可穿戴设备的普及，非传统健康数据更容易获得并可能发展成为全新的风险评估因子，甚至可以开发出专门针对非传统健康因素的核保手册。保险公司在征得客户同意调取和使用其健康数据后，就可以单独使用这些因素或将之与传统因素结合使用，从而更快更好地评估风险，最终优化客户的体验。

在数字时代飞速发展的今天，核保员也需要不断加强自身分析数据和量化非传统核保风险的能力，从而提高核保评估和个案评判的准确度。最终，核保能力的提升将推动新产品开发，更精准地匹配客户需求，实现保险公司和客户的价值共赢。未来，我们将见证核保专业逐步完成从“艺术”到“科学”的范式转变。

术语表

盈亏平衡点保额（Breakeven Point Sum Assured）：体检的成本等于其带来的节约收益时对应的保额。

理赔识别率（Claim Detection Ratio）：识别出的未告知理赔数量与评估的理赔总量之比

告知率（Disclosure Ratio）：告知既有健康异常状况或问题的投保人数与全部投保人数之比

疾病患病率（Disease Prevalence）：在特定时点或一段时期内，患有特定疾病的个体人数与总人数之比

不告知率（Non-Disclosure Ratio）：未告知既有健康异常状况或问题的投保人数与全部投保人数之比

体检保单的利润（Profit of Medical Policies）：体检保单产生的经济收益

免体检保单的利润（Profit of Non-medical Policies）：非体检保单产生的经济收益

每单位保额节约的现值（Saved Present Value per Unit Sum Assured）：体检导致长期死亡率/发病率降低而节省的成本折现为每单位保额的现值。

次标率（Substandard Ratio）：体检发现的非健康人数占接受体检总人数之比。

保额（Sum Assured）：保险公司同意在投保人死亡或其他保险事件时支付给保单受益人的金额

核保评点（Underwriting Rating）：保险公司在承保个体时，因其风险更高而收取的额外保费