基于客户风险的车险纯保费和自主定价系数研究

发布时间：2024-06-29 12:08

　　随着车险费率市场化改革的进行,我国逐步将车险的定价权交由保险公司行使,因此识别客户风险、厘定差异化的车险保费也成为保险公司的研究重点。然而,目前我国使用的车险费率因子较为单一,费率厘定模式缺乏客观性,而且用于费率厘定的模型也较为传统和落后。为此,本文将更多的车险费率因子引入模型中,并改进现有模型对纯保费和自主定价系数进行研究,为保险公司创新车险产品提供参考。首先,本文在参考美国车险费率厘定模式的基础上,结合我国现实情况选出相对重要的车险费率因子对纯保费进行研究,并通过将Tweedie回归模型与提升回归树进行结合实现对Tweedie回归模型的改进。实证结果显示,与Tweedie回归模型相比,Tweedie提升模型对纯保费的拟合效果较好,这表明提升回归树的引入有效提高了Tweedie回归模型的预测精度,为纯保费的厘定提供了理论支持。其次,本文使用LASSO-Logistic回归模型筛选出对客户出险概率具有显著影响的费率因子,并在使用欠采样和过采样结合的方法解决类别不平衡问题的基础上建立BP神经网络,用于对客户出险的概率进行预测,实现了多种方法的结合。实证结果表明,改进后的BP神经网络对出险...

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图1BP神经网络结构图

南京信息工程大学硕士专业学位论文82.BP神经网络为简单起见，本文仅考虑三层的BP神经网络，其基本结构见图1。图1BP神经网络结构图上图中，()12,,iiiJ=xxxix表示第i份保单上J个解释变量的观测值组成的向量，也称为BP神经网络的输入特征向量，()12,,,iiiM=g....

图5纯保费预测值和真实值的比较图

第二章基于Tweedie提升模型的纯保费研究33保费预测值的折线图，如下图所示。图5纯保费预测值和真实值的比较图通过比较可以发现，在Tweedie提升模型的拟合下，纯保费的预测值与实际观测值较为贴合，而Tweedie回归模型的预测值与纯保费的实际观测值的差异相对较大。相比之下，T....

图6调和参数和AUC值的关系图

第三章基于改进BP神经网络的出险概率研究37阳性率(TPR)和假阳性率(FPR)，其中，TPR表示真实类别和预测类别均为“出险”的保单数量占所有真实类别为“出险”保单的比例，FPR表示真实类别为“未出险”且预测类别为“出险”的保单数量占所有真实类别为“未出险”的保单的比例。可以看....

图8ROC曲线图

南京信息工程大学硕士专业学位论文46前后的ROC曲线，并计算了其AUC值，如下图所示。(a)(b)图8ROC曲线图图8(a)对应BP神经网络的ROC曲线，图8(b)对应改进BP神经网络的ROC曲线，从图中可以清晰地看出，改进BP神经网络的ROC曲线更靠近左上角，这说明该模型对出险....

本文编号：3997534