当前,机动车辆保险已成为中国财产保险业务中最大的险种。而机动车辆保险中很重要的一环就是保险费率厘定与保费计算。尤其是在当今大数据时代,在定价方法从精算方法向大数据建模方法转变的国际趋势下,如何充分利用大数据信息,制定出较传统精算风险定价方式更为精准的保费定价,如何细分客户来开发更具个性化的专属产品,是机动车辆保险业务中很关键的问题。索赔额是车险保费定价需要考虑的关键指标之一。由于索赔额数据大多表现为多零以及拖尾现象,也考虑到分位数回归相比传统的线性回归对数据分布的假定更宽松,具有更好的稳健性,能够提供更多的信息,所以有些学者在对机动车辆理赔数据进行分析时引入了零调整分位数回归模型。信度模型是一种经验估费模型。随着精算学不断的发展,经典的信度理论不断地被加以推广,其中之一就是分位信度模型。本文将零调整模型和信度模型用于车辆保险的保费厘定问题。讨论了分位保费原理下基于对数线性分位数回归的两种保费定价—分位保费和分位信度保费;也讨论了纯保费原理下基于机器学习回归方法的保费厘定。期望本文讨论的方法能给机动车辆保险业务提供一定的参考。另外我们也应用分位数回归对我国的社会保险支出数据进行了简单的拟合和预测。文中的数据处理基于开源软件-R语言。