基于Gradient Boosting的台风损失预测及在指数保险定价上的应用研究

发布时间：2020-04-29 15:01

【摘要】：我国地理范围辽阔,每年所遭受的自然灾害相当频繁,频繁发生的巨灾对整个社会的财产损失和人身安全产生严重威胁。在众多自然灾害中,台风灾害是对我国影响最为严重的灾害之一。台风在我国沿海地区的灾害主要表现为由它带来的狂风、暴雨和风暴潮的共同作用,以及台风一暴雨灾害链所引起的地质灾害和生态灾害等。如何根据台风路径、风、雨等的气象监测及预报结果,做好台风灾害的灾情及风险评估工作,从而提高防台、减灾的部署和策略的针对性和效率,是一个值得研究的课题。因此,对台风损失进行准确有效地预测及分析具有重要的研究意义。本文首先介绍了Gradient Boosting算法的基本原理及其在台风损失预测上的优势和可行性;其次,从致灾因子危险性和承灾体易损性两个角度分析台风灾情成因,利用Gradient Boosting算法对台风损失进行预测,并分析预测效果,提出应建立台风灾害数据库以及积极利用大数据和现代科学技术;再次,在台风指数保险费率厘定上进行了探究,将Gradient Boosting算法运用到财政台风指数保险,设计了分为2个触发指数、6个层级的指数保险保单,将各触发条件输入到Gradient Boosting预测模型中,预测出各层级直接经济损失,使用3%的赔付率计算保险金额,并根据各层级台风发生频率作为索赔频率,计算保单纯保费,为财政巨灾指数保险的设计和研究提供了一定的参考,最后根据实证结果给出了应建立以保险为主的多方损失补偿机制的政策建议。本文综合运用经济学、机器学习、统计学、保险精算等学科的相关理论知识,采用了理论分析与实证研究、机器学习与保险精算学相结合的研究方法。基于机器学习中的Gradient Boosting算法,对广东省台风损失预测进行了实证分析,从理论和实证两个方面证明了该算法在台风损失预测上的可行性;通过建立的损失预测模型,对台风指数保险费率厘定方面的应用进行了分析探讨,实现了机器学习与保险精算的结合。本文将Gradient Boosting算法应用于台风损失预测及台风指数保险定价上,预测误差率维持在1%-15%之内,得到了该算法完全可以用于台风损失预测以及降低台风指数保险基差风险,对于台风灾情管理具有较好的应用价值的结论。
【图文】：

登陆时中心最低气压与登陆时近中心最大风速散点图

登陆时中心最低气压与期间最大风速散点图
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F840.6

【参考文献】

相关期刊论文 前10条

1 王田子;刘吉夫;;巨灾概念演化历史初步研究[J];保险研究;2015年08期

2 赵红;宋立温;;我国台风损失分布拟合与债券定价研究[J];中国集体经济;2014年36期

3 储小俊;曹杰;;基于Copula方法的天气指数保险产品设计——以南通棉花降水指数保险为例[J];生态经济;2014年10期

4 何树红;杨博;戴明爽;;基于动态递归神经网络的洪水灾害损失预测[J];经济师;2014年05期

5 张颖超;范金平;邓华;;基于组合预测的浙江省台风灾害损失预测[J];自然灾害学报;2013年06期

6 刘晓庆;唐丹玲;隋广军;陈仕鸿;;利用Elman神经网络模型评估广东热带气旋灾情[J];数学的实践与认识;2013年16期

7 张颖超;仲丽君;;基于支持向量回归机的台风灾害损失分析[J];信息技术;2012年07期

8 周振;沈田华;;农业巨灾保险的需求意愿及其影响因素[J];保险研究;2012年04期

9 叶小岭;刘程波;张颖超;范金平;;基于BP神经网络的浙江台风损失预测[J];信息技术;2011年10期

10 牛海燕;刘敏;陆敏;权瑞松;王静静;宗宁;;中国沿海地区台风灾害损失评估研究[J];灾害学;2011年03期

相关博士学位论文 前1条

1 徐磊;农业巨灾风险评估模型研究[D];中国农业科学院;2012年

，

本文编号：2644706