基于机器学习的非寿险准备金智能化评估方法研究

发布时间：2021-01-11 19:00

　　在实务中定期的准备金评估是一个工作量很大的事情,需要专门的评估人员完成,若能利用机器学习算法实现准备金的智能化和自动化评估对于保险公司来说具有一定的现实意义。本文围绕算法与往期评估数据结合实现智能化评估这一研究思路,主要介绍了研究这一问题所用到的精算知识、算法方面的知识、数据及自动化实现。在精算方面,主要介绍了流量三角形和确定性评估方法,包括链梯法、准备金进展法、案均法、B-F法等,并从数据、假设和适用条件三个方面对他们进行比较,同时简单介绍了流量三角形这一有力的评估工具,上述评估方法都必须借助这一工具完成。在算法方面,概述了人工智能的发展、人工智能与机器学习的关系及建模过程和相关概念,详细介绍了实现自动化评估的机器学习算法,包括概率神经网络、决策树算法、支持向量机和广义回归神经网络。其中概率神经网络、决策树和支持向量机用于模式识别,广义回归神经网络用来数值预测。从分类和预测两个角度对同一问题进行研究的目的,一方面是为了更好的发现研究本身可能存在的问题,另一方面是为了对比算法与问题的匹配性。最后,利用MATLAB软件编写程序,将收集到的数据代入算法得出结果,结果表明,概率神经网络、决策... 

【文章来源】：天津商业大学天津市

【文章页数】：45 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 研究内容与研究思路
第二章 非寿险准备金评估方法
    2.1 相关概念
        2.1.1 非寿险责任准备金
        2.1.2 保单年度和会计年度
        2.1.3 索赔过程
        2.1.4 已报告未决和理赔费用在实务中的操作
        2.1.5 流量三角形
    2.2 非寿险责任准备金评估方法
        2.2.1 链梯法
        2.2.2 案均法
        2.2.3 准备金进展法
        2.2.4 B-F法
        2.2.5 评估方法比较
第三章 人工智能与机器学习理论概述
    3.1 人工智能发展
    3.2 神经网络与神经元简介
    3.3 建模步骤及相关概念
第四章 智能化评估实现
    4.1 算法理论
        4.1.1 概率神经网络
        4.1.2 广义回归神经网络
        4.1.3 决策树
        4.1.4 支持向量机
    4.2 数据
    4.3 自动化评估实现
第五章 结论与展望
    5.1 结论与政策建议
    5.2 本研究的创新点
    5.3 不足与展望
参考文献
科研及获奖情况
附录
致谢


【参考文献】：
期刊论文
[1]基于GRNN的订单需求量预测研究[J]. 蒋秋霖,张聪,李颖昉,王昕.  软件导刊. 2018(01)
[2]非寿险准备金评估的确定性模型比较研究[J]. 闫春,李亚琪,陈祥辉.  技术与创新管理. 2017(03)
[3]未决赔款准备金评估中链梯法的失灵及预估赔付率的应用[J]. 王慧萍.  保险理论与实践. 2016(10)
[4]链梯法中进展因子估计的数学规划法[J]. 卢志义,刘乐平,张慧.  数学的实践与认识. 2015(05)
[5]人工智能技术在电网稳定评估中的应用综述[J]. 王同文,管霖,张尧.  电网技术. 2009(12)
[6]非寿险准备金评估的广义线性模型[J]. 孟生旺.  统计与信息论坛. 2009(06)
[7]风险相依的保险投资组合研究[J]. 陈静.  经济数学. 2008(03)
[8]群智能算法的研究进展[J]. 胡中功,李静.  自动化技术与应用. 2008(02)
[9]非寿险责任准备金的确认与计量[J]. 李彦秋.  经济研究导刊. 2007(07)
[10]概率神经网络信用评价模型及预警研究[J]. 庞素琳.  系统工程理论与实践. 2005(05)

博士论文
[1]基于个体数据的准备金评估[D]. 俞雪梨.华东师范大学 2010

硕士论文
[1]改进的BP神经网络算法在洪灾损失评估中的应用研究[D]. 胡飞辉.江西理工大学 2012
[2]机动车辆保险赔付概率评估研究[D]. 贾雪凤.山东大学 2010
[3]基于保险合同的责任准备金的确认与计量[D]. 何昊.首都经济贸易大学 2006
[4]基于概率神经网络的模式识别[D]. 蔡曲林.国防科学技术大学 2005



本文编号：2971308