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。     

Tweedie分布在车险费率厘定中的应用

在车险费率厘定中经常假设索赔频率与索赔强度分别服从泊松分布与伽玛分布,即假设总索赔服从复合泊松-伽玛分布。为了估计各风险类的纯保费(即总索赔均值),通常做法是对索赔频率与索赔强度分别建立广义线性模型(GLM),进而得到各风险类的索赔频率与索赔强度的均值,然后把两均值简单相乘即可;另一种做法利用复合泊松-伽玛分布是Tweedie分布的特例这一性质,直接对总索赔建立广义线性模型,进而也可以得到各风险类的总索赔均值。本文阐述了两种建模方法在处理车险费率厘定问题时的区别,通过对来自国外、国内的两组数据进行实证分析,比较了两种建模方法的优劣,并得到了一些初步结论。     

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。     

我国交强险索赔频率影响因素分析 ——基于GAM和广东、河南、湖北、山东的经验数据

为分析我国交强险各因素对索赔频率的影响,以2016年广东、河南、湖北、山东四省的保单数据为样本,采用广义可加模型（GAM）对其保单中的驾驶员年龄、汽车车龄和汽车重量进行非参数分析,并对公路里程数等变量进行参数分析。结果表明：索赔频率有明显的地区差异,公路里程数对索赔频率有正向的影响,其中除汽车车型对索赔频率没有影响外,其余变量均有显著影响。     

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...     

基于泊松回归的某WAP网站游戏频道下载量预测分析

游戏应用作为3G时代手机应用的重头戏已经收到越来越多的关注,游戏频道为手机门户网的收入贡献也是越来越大的。本文结合某WAP网站游戏频道相关数据,依托已有的下载量和收入的数据资源运用泊松回归对此WAP网站游戏未来下载量进行了预测分析,并根据目前整个国内手机游戏市场的发展情况提出一些建议。本文采用的是商业数据,所以数据使用的是原始数据的比例数据,结果仅供参考。     

基于泊松回归的某WAP网站游戏频道下载量预测分析

游戏应用作为3G时代手机应用的重头戏已经收到越来越多的关注,游戏频道为手机门户网的收入贡献也是越来越大的.本文结合某WAP网站游戏频道相关数据,依托已有的下载量和收入的数据资源运用泊松回归对此WAP网站游戏未来下载量进行了预测分析,并根据目前整个国内手机游戏市场的发展情况提出一些建议.本文采用的是商业数据,所以数据使用的是原始数据的比例数据,结果仅供参考.     

我国广义货币供应量M2的回归模型与预测

货币供应量是货币政策工具重要的中介变量。该文通过分解我国货币供应量的诸多宏观影响因素,尝试建立一个较为完整的货币供应量多变量回归模型,揭示宏观经济变量对货币供应量的影响程度,并运用该模型对货币供应量的短期变化进行预测,以期为把握宏观经济形势、理解货币政策变化及预判金融市场走势提供参考依据。检验结果表明,该模型对货币供应量的预测比较符合实际情况。     

“Excel表”在销售预测中的应用

在市场经济“以需定销,以销定产”的条件下,销售预测显得非常重要.利用EXCEL常用函数,分别采用加权平均法、指数平滑法、回归直线法和多元线性回归法创建销售预测模型,对管理会计人员销售预测有一定的借鉴意义.     

线性组合模型在徐州市能源需求预测中的应用研究

随着经济的快速发展,能源消耗也在不断的上升。在分析徐州市能源消耗的历史数据基础上,建立了徐州市能源消耗的二元线性回归模型和灰色预测模型的组合模型,通过组合模型和线性回归模型、灰色预侧模型的预测应用比较分析,证明组合模型更为精确、有效。结论表明文中提出的组合预测模型可以有效地预测能源消耗从而可以为地方政府制定科学的产业发展政策提供决策依据。     

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。     

Bagging集成方法在保险欺诈识别中的应用研究

保险欺诈不仅危及保险公司的正常经营,增加投保人的负担,甚至有可能影响到国家的金融稳定。随着大数据时代的到来,保险反欺诈亟需引入革命性技术。Bagging集成方法以其可调节模型结构、易于部署、参数空间可控、支持并行运算等特点成为保险公司进行保险反欺诈一个好的选择。Bagging方法主要包括Bagging算法、Random Subspace算法、Random Patches算法,它们又能与不同基学习器结合构成新的分支算法及算法特例。本文基于这些算法对保险欺诈问题进行了实证检验,分析了各算法及与基学习器的适用性问题,以及基学习器个数对算法表现的影响。分析发现:针对保险欺诈识别问题,在Bagging、Random Subspace、Random Patches三者之中,Random Patches算法的表现最好,Bagging的运行时间最短;不同算法适用的基学习器不同,但总体来说最适合Bagging集成方法的是决策树;基于决策树的方法都一致选择是否委托律师代理作为最重要的特征;基学习器个数对不同Bagging算法表现的影响并不一致。     

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。     

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。     

岭回归方法在股市中的应用

利用岭回归方法,借助于Eviews和MATLAB应用软件,对我国上海股市自1996年5月23日到2004年11月5日的大盘综合指数(日数据,周数据和月数据)进行研究,消除多重共线性后,建立了收盘指数与开盘指数,最高指数及最低指数间的多元线性回归模型,并进行了预测.同理得到深圳大盘成分指数相应的多元线性回归模型.     

多元线性回归分析法在人才需求预测中的应用

以物联网行业为样本,以技术、经济、政策等因素为变量,搜集相关数据,构建多元线性回归模型,进而运用该回归模型预测物联网行业未来人才需求。结合国家产业政策和上述预测,我国物联网产业人才培养的有效途径应包括组建产学研联盟,实行校企合作人才培养模式;采取多种措施强化物联网行业从业人员的后续教育力度;采取多种措施积极引进国外优秀人才。     

岭回归方法在股市中的应用

利用岭回归方法,借助于Eviews和MATLAB应用软件,对我国上海股市自1996年5月23日到2004年11月5日的大盘综合指数(日数据,周数据和月数据)进行研究,消除多重共线性后,建立了收盘指数与开盘指数,最高指数及最低指数间的多元线性回归模型,并进行了预测。同理得到深圳大盘成分指数相应的多元线性回归模型。     

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。