2026年7月30日下午，由教育部人文社科重点研究基地中央财经大学中国精算研究院主办的“精算论坛”第290期讲座在学院南路校区学术会堂606顺利举行。本次讲座特邀多伦多大学统计科学系教授Andrei Badescu担任主讲嘉宾，以“A Portfolio-Anchored Frequency–Severity Behavioral Risk Index for Trip and Driver Assessment Using Telematics Signals”（基于组合锚定的频率－严重性行为风险指数：用于车联网信号的行程与驾驶员评估）为题，带来一场精算科学与车联网数据交叉前沿的学术讲座。讲座由保险学院、中国精算研究院教师刘子宁邀请并主持，吸引了来自校内及多所高校的师生通过线上与线下方式积极参与。

讲座中，Badescu教授提出了一种全新的频率－严重性联合行程级行为风险指数。该指数将驾驶模式的频率与严重性相结合，其中严重性成分反映的是驾驶模式相对于组合层面基准的极端程度。与传统的基于索赔规模的严重性度量不同，该研究的严重性通过逆概率惩罚来量化，惩罚随观测到的尾部极端事件的稀有性增加而增大。

针对高频车联网数据，Badescu教授介绍了如何利用最大重叠离散小波变换（Maximal Overlap Discrete Wavelet Transform, MODWT）构建多尺度表示，该方法能够在多个时间尺度上保留局部驾驶模式。为了将严重性刻画为尾部稀有性，团队采用高斯-均匀混合模型对组合分布进行建模，并引入分层尾部结构——高斯成分描述典型驾驶行为，尾部则划分为有序的严重性层级，反映日益极端的驾驶模式。研究开发了基于似然的估计程序，使得该混合模型的推断切实可行。

Badescu教授进一步介绍了基于估计的严重性层级构建行程级多层尾部计数（Multi-Layer Tail Counts, MLTC）的方法，并在泊松-伽马框架下进行建模，得到一个封闭形式的后验风险指数，该指数同时反映频率和严重性。这一共轭结构天然支持序贯更新，可实现驾驶员层面风险画像的动态演化。利用UAH-DriveSet受控数据集，研究证明了该指数能够有效区分正常、激进和疲劳等不同驾驶状态，并识别出相对高风险的行程。模型在正常与风险行程的二分类方面表现良好，敏感性分析显示其性能稳定。

讲座过程中，Badescu教授结合车联网数据、保险定价与驾驶员风险评估等具体场景，生动阐释了理论模型的实际应用与政策涵义，引发在座师生的广泛思考与热烈讨论。在问答环节，与会师生就模型假设、数据要求、与传统车险定价模型的比较以及在实际落地中的可行性等问题与Badescu教授展开深入交流。讲座在热烈掌声中圆满结束。

“精算论坛”作为中国精算研究院推动精算学科建设、营造高水平学术氛围的重要平台，持续邀请海内外知名学者分享前沿成果与研究经验。未来，研究院将继续深化国际学术交流，助力科研创新与人才培养，为推动中国保险与精算领域的高质量发展注入新动能。

(撰稿：刘子宁;审稿：王庆焕;编辑：薛丽娜;审核：马冰)