车险索赔概率影响因素的Logistic模型分析

车险市场改革是近几年国内保险业较为关注的热门话题,车辆、驾驶人以及行车环境等因素构成汽车保险定价所依赖的风险系统,因此对汽车保险进行定价和费率改革的基础在于风险分析。本文对Logistic回归模型进行了详细介绍,以国外某保险数据为样本,对车辆发生索赔的影响因素进行分析。在利用SAS软件进行实证分析过程中,发现汽车价值、地区、车型和驾驶员的年龄都会影响索赔发生的概率,并对索赔概率进行了预测。本研究对我国现在备受关注的车险费率市场化提供了理论参考,具有很强的实践性和拓展性,可应用于保险公司对客户进行风险评估,减少车辆保险中的"逆向选择"和"道德风险"。     

基于蚁群算法优化随机森林模型的汽车保险欺诈识别研究

汽车保险欺诈在全球范围内逐步蔓延,车险欺诈识别越来越受到社会关注。本文针对实际汽车保险索赔数据中样本数量大且不平衡的特点,提出了平衡随机森林和蚁群结合的组合分类器。首先,对高维、不平衡的车险索赔数据集进行特征选择与分类,将随机森林的特征重要性评价得分和数据的统计检验得分作为启发式信息,利用蚁群算法进行智能搜索,把随机森林的分类精度反馈给蚁群进行信息素的实时更新,挖掘出判别车险欺诈的特征组合。然后将基于蚁群优化算法的平衡随机森林模型应用到汽车保险欺诈识别中。研究结果表明：基于蚁群优化随机森林算法的汽车保险欺诈识别模型能够更好地对车险索赔数据进行分类预测,挖掘车险欺诈规律,具有更好的精确度和稳健性。     

大数据与UBI车险

大数据的发展为车险定价提供了更多的可能性,UBI车险是在大数据基础上依据驾驶员驾驶行为和车辆使用数据进行定价的车辆保险,为我国车险的发展提供了更多可能性。但我国UBI车险还存在数据采集设备安装运行困难、数据整合难度大、数据库孤立、数据泄露等方面的问题,本文根据具体问题提出了政府支持引导、引进高级人才、建立一体化信息平台、加强各方监管等建议。     

驾驶行为对车辆风险评级的实证分析

本文主要探究了一些反映驾驶行为的车联网因子在车辆风险评级中所起到的作用,分析了在我国推行国际流行的“基于使用的保险”的必要性与可行性。回归分析结果显示,新加入的动态因子,包括急加速、速度、油耗等,确实具有相当显著的解释力,能够弥补性别、年龄等传统静态因子的不足,而且还可能实现保费的减少。在此基础上,尝试提出了“基础费率+浮动费率”模式,作为未来的保费定价建议。     

自动驾驶汽车保险的国际经验

<正>随着人工智能等技术的发展,汽车产业正在发生变革,电动化、联网化、自动化和共享化正在成为未来趋势。汽车产业的电动化和联网化对于保险业的影响相对较小,中国保险行业协会已发布了新能源汽车保险专属条款,部分保险公司也积极推进基于车联网的定价机制。相反,自动化(自动驾驶汽车)尚未引起保险业的关注。我国自动驾驶汽车保险的演进自动驾驶汽车不再是“概念”,正在走进我们的生活。     

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。     

车联网引发保险业变革

车联网近年来频繁出现在影响汽车未来发展的关键词中,借助车联网进行产品创新无疑成为了保险公司的突破口之一。目前,车联网保险的主要定价依据来自UBI与OBD。UBI(Usage Based Insurance),即保费定价主要取决于车主的实际驾驶时间、里程数、地点与具体驾驶方式。OBD(On-Board Diagnostic)则是一种车载诊断系统,通过传送汽车行驶数据,供保险公司评估车主驾驶风格。     

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。     

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。     

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。     

中国通货膨胀预期及其影响因素分析——基于混频无套利Nelson-Siegel利率期限结构扩展模型

综合国债市场的利率期限结构信息以及不同频率的宏观信息,本文构建混频无套利Nelson-Siegel利率期限结构扩展模型,在对不同期限债券进行一致性定价理论约束下,提取了中国通货膨胀预期的期限结构并对其进行影响因素分析。研究结果表明,本文模型提取的通胀预期期限丰富、结果稳健,具有较好的参考价值。通胀预期水平和变动响应主要受货币增长率、通胀率及全球食品价格变动等国内外相关宏观变量的影响,与国债收益率因子之间的关系不显著;国债收益率因子对中长期通胀预期的方差波动具有较强解释力,表明国债定价反映了未来通胀的不确定性。本文研究有助于充分利用我国宏观与金融市场信息条件,有效发现和锚定通胀预期,一方面,研究结果可为政策制定者和市场投资者提供科学的决策参考,另一方面,研究方法对丰富宏观金融领域的分析框架具有参考价值。     

中国通货膨胀预期及其影响因素分析——基于混频无套利Nelson-Siegel利率期限结构扩展模型

综合国债市场的利率期限结构信息以及不同频率的宏观信息,本文构建混频无套利Nelson-Siegel利率期限结构扩展模型,在对不同期限债券进行一致性定价理论约束下,提取了中国通货膨胀预期的期限结构并对其进行影响因素分析。研究结果表明,本文模型提取的通胀预期期限丰富、结果稳健,具有较好的参考价值。通胀预期水平和变动响应主要受货币增长率、通胀率及全球食品价格变动等国内外相关宏观变量的影响,与国债收益率因子之间的关系不显著;国债收益率因子对中长期通胀预期的方差波动具有较强解释力,表明国债定价反映了未来通胀的不确定性。本文研究有助于充分利用我国宏观与金融市场信息条件,有效发现和锚定通胀预期,一方面,研究结果可为政策制定者和市场投资者提供科学的决策参考,另一方面,研究方法对丰富宏观金融领域的分析框架具有参考价值。     

基于厚尾损失分布的汽车保险定价模型及其应用

我国目前正在推进商业车险费率的市场化改革,这要求保险公司使用更加准确的风险度量方法和损失预测模型。在汽车保险中,损失的厚尾性对费率厘定和风险管理都具有重要影响。本文引入密度函数的极限方法刻画损失分布的厚尾特征,构建二型广义贝塔分布下的GAMLSS定价模型,以改进传统广义线性模型中的指数族分布假设和只能对均值参数建模的局限。通过对国内商业车险损失数据的实证分析表明,使用厚尾分布假设和GAMLSS定价模型,可以提高汽车保险损失的预测精度,从而厘定更加合理的保险费率。     

车联网的安全与隐私保护

车联网正在成为智慧交通的重要组成部分,同时车联网中的安全与隐私也日益受到各方面的关注.车联网的安全性目标包括机密性(非授权用户不能得到有效信息),认证性(信息的发送者、接收者是合法主体),完整性(数据不能被篡改),需要使用好的密码算法保障信息不被非法获取、不被篡改、不被假冒,以及抵抗其他攻击,等等.从本质上来说,车联网环境的要求与其他信息系统的要求是一样的,对于高速行驶的车辆还会额外要求运行的算法是高效的、轻量级的,否则车辆开出去很远了,认证算法还没有执行完毕,系统还没有提供通信服务,是会出问题的,这就不仅是信息安全(Information Security),而是驾驶安全(Driving Safety)了.     

基于模糊决策空间的B-S期权评价模型研究

在不确定情况下,如何对期权价值进行准确定价一直是研究的热点.在项目评价中,由于人类思维及行为具有模糊以及难以量化的特点,传统的期权定价方法使决策不可避免地再次被刚性化.为此本文应用模糊理论及贝氏定理来度量该模糊性及模糊样本信息效果,据以作为估计期权定价模型中相关变量期望值的依据,并藉以建立模糊期权定价模型,以确定不确定性情况下的B-S期权定价问题.     

趋势分析：车联网将成为智能交通拓展的方向

车联网是指装载在车辆上的电子标签通过无线射频等识别技术,实现在信息网络平台上对所有车辆的属性信息和静、动态信息进行提取和有效利用,并根据不同的功能需求对所有车辆的运行状态进行有效的监管和提供综合服务。汽车数字化标准信源技术是基于RFID开发的涉车信息资源的应用技术,该项目是由国家公安部组织研发,经国家科技部认证后列为2007年“国家科技史幽十划”重点专项中进行的应用示范工程（项目编号为2008BAF31800）。汽车数字化标准信源技术的开发将推进“车联网”和RFID产业化进程。     

实物期权在企业并购中的应用研究

目标企业定价在并购行为中具有至关重要的意义,本文将实物期权方法运用于目标企业的定价,并运用Black-Scholes期权定价模型和二叉树定价模型分析了单一期权和多期权条件下并购企业的期权价值。通过例子证明实物期权的运用有利于并购企业更好地评估投资行为本身,并做出正确的决策。     

汽车保险精算定价模型研究综述

汽车保险定价模型在非寿险精算领域内占有重要地位,本文对车险定价模型一百多年来的研究进展作了综述性的回顾。首先,本文介绍了车险定价模型的先验估费方法;其次着重介绍了时齐的后验估费方法,以及时变的先验后验相结合的精算模型;最后提出了车险定价模型的未来发展方向。     

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。     

盈利因子与投资因子具有定价能力吗?——来自中国股市的实证

Fama-French五因子模型首次系统性地将反映公司基本面的两大核心要素——盈利和投资提炼为定价因子,并在美国市场得到验证。那么在中国股市中盈利因素和投资因素是否可以更好地反映股票价格?基于此,本文研究选取1999年至2017年沪深A股月度收益数据进行实证分析。研究表明,我国股市存在显著的盈利效应,与美国股市不同,在我国股市中投资无益于解释股票收益,刻画企业成长的价值因子则至关重要。该研究进一步充实了资本资产定价领域的相关文献,为中国股票定价提供实证证据。