随着保险业竞争的加剧、利润空间的降低,保险公司对客户精细化管理的需求越来越大,为了实现客户的精细化分类管理,企业需要更精准的定价模型作为支撑。目前行业内常用的传统定价模型中缺乏风险区分能力的不精准定价导致客户所缴纳的保费与其实际的风险水平不符,使得企业或风险较低的客户为风险较高的客户负担了部分成本,造成低风险客户的流失以及高风险客户的引致。本文引入分位数回归模型,首先通过仿真实验比较两种模型下车险定价的过程及定价结果,验证了分位数回归对纯风险保费估计的准确性比广义线性模型要高,接着选取了中国大地保险公司三年间的部分车险保单数据作为样本,使用分位数回归模型进行了建模研究,探究了各风险因子在因变量不同分位下的作用机制,发现在车险定价过程中,所有变量的影响作用可以分为三类:影响作用为正的变量,如新车购置价、续保年限;影响作用为负的变量,如车主性别、无赔款优待系数、车主年龄、座位数;影响作用波动大、趋势不定的变量包括出险年度、地区、车系、车龄。通过本文对各分位数下车险价格影响机制的研究,有助于针对不同风险的客户制定区分性强的定价方案,同时在客户分类管理方面要注重客户筛选,建立一个优质客户循环体系以保持强大的竞争力。研究结果对于中国保险行业制定更具区分效力的客户分类管理策略和差异化精准定价具有一定的现实意义。