回归树方法在车险索赔频率预测建模中的应用

近20年来广义线性模型在车险定价领域已成为被广泛使用的标准模型。但随着大数据时代的来临,数据记录变得越来越多,可用于车险定价的解释变量个数也变得越来越多,然而变量间的相关关系却通常很强。在这种情形下,亟待寻找新的定价方法,以实现更为精准的车险定价。本文应用机器学习领域中的回归树方法对车险索赔频率进行了预测建模,研究结果表明回归树方法在车险定价领域是广义线性模型很好的辅助与参考。     

基于广义线性模型的车险分类费率厘定研究

在车险分类费率厘定中,广义线性模型已经成为最为常用的方法。广义线性模型着眼于对费率的精确厘定,从而使保险公司的保费收入与其承担的风险相匹配,保障了公司的稳健经营。同时,也为保险公司选择优质业务提供依据,是一项重要的风险管理措施。对广义线性模型在车险分类费率厘定中的应用进行了实证研究,在分析了费率厘定流程的基础上构建了索赔次数和索赔强度的广义线性模型,并对实证结果进行分析。针对模型系数不显著的情况,尝试性地采用了合并风险等级的方法。在实证分析中发现,按照以下原则合并风险等级可以在一定程度上解决风险等级不显著的问题：其一,尽量保证合并后每个风险类别的风险暴露数不至于相差太多;其二,保证每个风险类别的风险暴露数满足信度要求;其三,尽量寻找临近的风险等级合并。     

广义估计方程在商业车险定价中的应用

2015年4月中国保监会在全国六个地区进行商业车险费率改革试点,标志着商业车险市场化改革正式启动。费率市场化改革后,车险定价是否合理将成为财产保险公司竞争的主要手段。在车险定价中常用的模型是广义线性模型,该模型建立的一个重要假设是索赔数据的相互独立性。但在实践中,随着投保年份的增加,同一投保人不同年份的索赔数据具有相关性,此时广义线性模型不再适用。本文采用广义估计方程来处理索赔数据之间的相关性,实证研究表明,在数据具有相关性的情况下,广义线性模型低估了回归系数的标准差,使得不显著的变量变得显著,增加了风险分类的种类,对具有相同风险的被保险人收取不同的保费,导致保险逆选择问题,而广义估计方程将二阶方差成分引入限制性似然估计方程中处理索赔数据之间的相关性,从而有效解决上述问题。同时,该方法也丰富了非寿险定价工具,为精算师厘定费率提供新思路。     

基于操作时间和广义线性混合模型的准备金评估技术研究

基于操作时间来重新设计流量三角形,通过对Hoerl曲线进行推广来刻画异质的损失进展模式,分别建立双广义线性混合模型和Tweedie分布簇广义线性混合模型来评估准备金。该模型可以综合信息平台汇总数据,同时利用个体经验数据和行业数据来评估任何保险公司在任何时点的准备金,解决传统准备金评估技术的弊端,为动态风险监管提供决策依据。在实证分析中,根据重疾险的数据特征,设计适合的准备金评估模型,最后进行对比分析,总结模型方法的优点、缺点和主要结论。     

广义线性模型在非寿险费率厘定中的运用

广义线性模型(GLM)是一种基于风险分类的定价方法,也是目前公认的,非寿险产品费率厘定通用的指导性方法。GLM构造了一个考虑到各种已识别风险因素的费率厘定模型,并有效的体现了损失因素与损失赔付的各种特性。     

广义线性模型在非寿险费率厘定中的运用

广义线性模型(GLM)是一种基于风险分类的定价方法,也是目前公认的,非寿险产品费率厘定通用的指导性方法.GLM构造了一个考虑到各种已识别风险因素的费率厘定模型,并有效的体现了损失因素与损失赔付的各种特性.     

基于双重广义线性模型的车险费率厘定及其与广义线性模型的比较

在车险费率厘定中,广义线性模型的应用最为广泛,然而其假设散度参数为常值,这限制了模型在车险定价中的进一步推广。双重广义线性模型能够对反应变量的均值与散度参数同时建立广义线性模型,提高了模型运用的灵活性与适应性。本文将双重广义线性模型应用到车险费率厘定中,直接对纯保费建立模型,以一组实际的汽车保险损失数据为样本进行实证研究,并与常用分布假设下的广义线性模型进行了对比分析。结果表明,双重广义线性模型得到的费率结构更为合理,符合实际。     

信度理论在车险定价实务中的应用

2015年以来,新一轮商业车险条款费率改革正式启动。基于行业大数据,我国制定了首个行业车型费率分级方案。本文通过将信度理论引入行业车型费率分级,有效改善了行业车型费率分级结果的合理性和可解释性,并实现了行业车型费率分级的动态调整。通过地区风险区分、车队业务定价两个案例,研究了信度理论在公司精算定价、承保实践中的应用,证明了信度调整能够提高结果的准确度和可应用性,为公司信度理论的应用提供借鉴。最后,就信度理论在方法论上的意义进行了思考,信度理论的优势在于更丰富的信息、核心在于更匹配的信度、价值在于更有效的应用,并提出了下一步的研究、应用方向,期望信度理论在车险实务中发挥更大作用。     

驾驶员动视力在车险定价中的应用研究

车险定价中的“从人因素”非常重要,有必要对其主要风险因素进行细分。试图将驾驶员的动视力测试指标引入车险定价的费率因子体系中,采用制定《中国职业汽车驾驶员适宜性检测标准》时对驾驶员动视力的检测数据,利用统计方法探讨驾驶员动视力在车险定价中的应用。研究发现,驾驶员动视力对交通事故的发生次数存在显著影响,因此应该在机动车保险...     

GAMLSS在非寿险费率分析中的应用

从广义线性模型（GLM）的局限性出发,分析了几种常见的扩展模型,并重点深入分析了基于位置、尺度、形状的广义可加模型（GAMLSS）。最后对一组保险数据建立了损失频率和损失强度的GAMLSS模型,并与GLM做了对比分析。从不同角度研究了GAMLSS在非寿险费率分析中的应用,本文的研究将丰富非寿险费率分析方法。     

相依风险条件下的汽车保险定价模型

车险保费由纯保费和附加保费两部分构成,其中纯保费往往占到保费的60%左右,主要用于覆盖保险公司的期望赔付金额,因此,纯保费预测是汽车保险定价的关键和基础。泊松-伽马模型和Tweedie模型是纯保费预测的两种主流模型。它们之间既有联系,又有区别。泊松-伽马模型中隐含了索赔频率与案均赔款之间相互独立的假设。当索赔频率与案均赔款之间存在负相依关系时,泊松-伽马模型可能高估保费,而存在正相依关系时可能低估保费。本文通过数据模拟的方法,分析了相依性对两种模型的影响,发现无论相依性如何变化,两种模型的对费率因子的估计值几乎相等。最后,通过一组实际数据的实证研究表明,两种模型的预测能力不相上下,其中Tweedie模型的预测误差略小,而泊松-伽马模型的稳健性略高。     

面板数据下的线性混合模型及其在车险费率厘定中的应用

精算师在进行车险净保费信度厘定时可采用关于面板数据的线性混合模型,本文采用每次交通事故平均损失额和事故发生频率作为车险净保费的计算指标。利用2008~2012年31个省、市、自治区5年的数据,建立面板数据下的线性混合模型,选取人均地区生产总值、每平方公里人口数、民用汽车拥有量作为解释变量,得到每次交通事故平均损失额和事故发生频率的估计模型,进而得到纯保费估计。这一研究可为车险费率市场化提供一定的理论支持和参考。     

基于GLM的未决赔款准备金评估的随机性链梯法

为度量未决赔款准备金评估结果的波动性,需要研究随机性评估方法。基于GLM的随机性方法,得到准备金估计及预测均方误差。特别地,在过度分散泊松模型中,分别应用参数Bootstrap方法和非参数Bootstrap方法,得到两种方法下未决赔款准备金的预测分布,进而由该分布得到各个分位数以及其它分布度量,并通过精算实务中的数值实例应用R软件加以实证分析。实证结果表明,两种Bootstrap方法得到的参数误差、过程标准差、预测均方误差都与解析表示估计的结果很接近。     

基于分层广义线性模型的未决赔款准备金评估方法

本文将分层广义线性模型应用于未决赔款准备金的评估中,充分考虑了保险公司同一事故年赔款数据反复观测的纵向特征和不同事故年未观测到的特征所导致的异质性。从实证结果可以看出,分层广义线性模型可以根据先验信息和经验赔款调整先验权重,并得到与贝叶斯广义线性模型精确度和估计值都非常接近的未决赔款准备金评估值,且在突发事件情景下可以得到更稳定的评估值。     

ZAIG模型在车险定价中的应用研究

近年来,国内财险公司利用广义线性模型（GLMs）对非寿险业务,尤其是车险业务进行建模和精算分析,使得精算技术人员对保险数据的处理更加细致、科学和公平。基于位置、尺度和形状的广义可加模型（GAMLSS）是GLMs、GAMs、DGLMs和GLMMs等的最新拓展,在介绍该模型的定义、算法和模型实现的基础上,以其框架下的零调整逆高斯模型（ZAIG）为一个特例,讨论了其在财险公司财险定价中的应用研究。最后,以瑞士汽车第三者责任保险的一组损失数据为例进行了实证分析,说明了零调整逆高斯模型在车险费率厘定中是一种较合理的方法,为精算技术人员提供参考和借鉴。     

ZAIG模型在车险定价中的应用研究北大核心CSSCI

近年来,国内财险公司利用广义线性模型(GLMs)对非寿险业务,尤其是车险业务进行建模和精算分析,使得精算技术人员对保险数据的处理更加细致、科学和公平。基于位置、尺度和形状的广义可加模型(GAMLSS)是GLMs、GAMs、DGLMs和GLMMs等的最新拓展,在介绍该模型的定义、算法和模型实现的基础上,以其框架下的零调整逆高斯模型(ZAIG)为一个特例,讨论了其在财险公司财险定价中的应用研究。最后,以瑞士汽车第三者责任保险的一组损失数据为例进行了实证分析,说明了零调整逆高斯模型在车险费率厘定中是一种较合理的方法,为精算技术人员提供参考和借鉴。     

提升算法对传统车险索赔频率建模模型的改进——基于我国五省交强险保单数据

广义线性模型作为非寿险定价的经典模型,在非寿险定价中得到了广泛的应用。近年来,以提升算法为代表的机器学习算法在保险领域取得了很好的效果,为保险产品定价提供了一种新的选择。本文将提升算法思想分别融入到回归树模型和广义线性模型(GLM)中去,用得到的新模型对我国车险索赔频率进行预测建模分析,并与传统的回归树模型和GLM进行比较。结果表明,加入提升算法后传统车险索赔频率建模模型的效果得到了很大的改善,并且在不存在过拟合的前提下,随着模型深度和迭代次数的增加,模型的效果也在不断优化。     

损失分布模型在操作风险中的应用分析

随着巴塞尔协议的公布，操作风险（Operational Risk）的量化模型已经成为银行业目前研究的主要课题。本文按照巴塞尔协议规定，利用损失分布方法（Loss Distribution Approach，LDA）来度量操作风险，这种方法的优点在于分别度量损失事件发生频度以及损失幅度，然后利用组合分布方法来研究一段时间内的累积损失分布：本文主要讨论在商业银行内部如何执行LDA以及引入操作风险在险值（Valueat Risk，VaR）的概念，并且介绍了能够反映损失分布的分布函数、同时按照巴塞尔协议公布的方法和策略，从损失事件类型、业务部门以及损失分布额度的估计方法探讨利用高级度量方法的可能性和现实性以及操作中的现实问题。     

行驶里程数对车险净保费的影响研究 ——基于公路里程对交通事故损失的影响视角

目前国内几乎所有财险公司的数据库中还没有行驶里程数的统计数据。文章首次研究了行驶里程数对车险净保费的影响,即利用我国2000年～2009年31个省、市、自治区10年的面板数据单位根检验、协整检验等计量经济学方法来研究交通事故损失额与公路里程数之间长期稳定的均衡关系,得出事故损失额与公路里程数之间存在显著正相关关系。本研究的应用价值在于,该相关关系可以作为车险净保费与行驶里程数之间关系的有效参考,并提出了考虑车险净保费与行驶里程数之间关系的三种可行方案。这些研究为将行驶里程数这一影响因素纳入我国车险GLM定价提供了重要的理论支持和实践参考,也对解决我国交通、能源和环境问题具有一定的借鉴作用。