$Progressive(PGR)$ ““谢谢，帕特。也感谢各位今天上午的参与。

我们的产品是什么？像Progressive这样的财产与意外险公司，并不实际制造有形的产品。我们的产品不是实体物品。

相反，我们的产品是将风险从被保险人转移到保险人，即通过支付保费，来换取对发生财务不利事件（如事故）这一小概率风险的保障。这种风险的转移体现在我们的保单合同中。这种风险转移取决于事故发生的时间（即“事故日期”），并被限定在我们为期六个月或十二个月的短期合同周期内。

汽车事故可不像玉米片（cornflakes）。与玉米片这类有形产品不同——其成本在定价和销售前基本已知——Progressive在产品定价和销售后很久，才能确切知道我们的实际成本是多少。

这正是我刚才描述的“风险从被保险人向保险人转移”的过程。只是现在，从保险公司的角度来看，这种风险已经由我们承担。正如我们将在几分钟后讨论的那样，我们在定价科学以及如何快速将正确费率推向市场的运营实践中，采取了许多措施来缓解这种风险。

**以预期成本定价**

首先，当我们谈论为成本定价时，我们指的是保费的各个组成部分：赔款（losses）、理赔费用（loss adjustment expenses, LAE）、一般费用（general expenses）以及利润（profit）。

根据意外险精算学会（Casualty Actuarial Society）在《定价原则声明》中的表述：“如果费率是对与单个风险转移相关的所有未来成本的预期价值的精算上合理的估计，那么该费率就是合理、不过高、不过低且不构成不公平歧视的。”

这里有几个要点需要强调：

1. **预期价值**：它指的是未来成本的“预期值”，而实际结果可能更高或更低。

2. **前瞻性**：它始终是面向未来的，因为它是一种对未来成本的预估。

3. **本次演讲的重点**：今天我们将主要关注“不过高”和“不过低”，而非“不构成不公平歧视”——后者主要属于我们产品开发部门的职责范围。

这类似于经济学中的宏观经济学与微观经济学的区别：宏观经济学关注整体经济和总量变量的变化，而微观经济学则关注单个企业与消费者的变化。今天我们将聚焦于宏观层面的定价，而非微观层面的个体相对风险评级和细分。

此外，我们的方法不仅符合精算原则，也高度契合各州的监管要求，因为几乎所有州的法律都要求费率必须“不过高、不过低、不构成不公平歧视”。同时，【这也完美契合Progressive的愿景——通过有竞争力的费率成为消费者的首选，但前提是实现盈利性增长，并坚守我们“以盈利为核心”的价值观。】

**定价的基本问题**

有两个问题构成了我们方法论的基石：

1. **如果我们不对当前费率做任何调整，在即将进行的费率修订中，针对我们即将承保的保单，预计会产生怎样的赔款加理赔费用（Loss + LAE）比率？**

2. **我们需要对当前费率做出怎样的调整，才能在即将进行的费率修订中，使我们即将承保的保单达到目标综合比率？**

我们将这两个问题称为“定价的基本问题”。在接下来的幻灯片中，我们将构建“基本定价方程”来回答这些问题。

精算师会开发出能够最小化偏差（bias）和方差（variance）的预测模型。Progressive的一大竞争优势在于【我们数据的质量、精细程度和快速可获取性】。我们的增长和规模进一步强化了这一优势。

但有一句老话：如果你认为自己没有盲点，那你恰恰就有一个盲点。面对如此高质量的数据，如果我们不够谨慎，可能会不断细分数据，直到把“蛋糕”切得只剩“碎屑”。

这正是我们定价部门发挥作用的地方。精算师是风险与费率匹配的专家，擅长在响应速度与稳定性之间取得平衡，并最大化预测的准确性和精确性。正如接下来的幻灯片将展示的那样，当我们试图为这一“事故年度”的承诺定价时，我们的数据本身可能会“误导”我们。没有任何单一数据是完美的。

我们的工作核心在于：【纠正偏差（accuracy，即准确性）和离散度（spread）与方差（variance，即精确性），并从噪音中识别出真正的信号。】

此处所说的“偏差”（bias）指的是统计学中的系统性偏差。根据维基百科的定义：“在统计学领域，偏差是指用于收集数据和估计样本统计量的方法，系统性地呈现出对现实的不准确、偏斜或扭曲的描绘。”

每月，Progressive都会公开发布财务信息，按业务线描述我们的承保业绩。为了符合公认会计准则（GAAP），这些信息主要是按日历年度或月份的视角呈现，包含了所有赔案和理赔费用的已发生活动，而不论事故发生的实际日期。

然而，对于**费率厘定**（rate making）而言，我们的目标是为“**事故年度**”（accident year）定价——即确保在事故发生时，我们拥有正确的费率。这一点我将在接下来的几张幻灯片中进一步解释。”