基于机器学习算法的车险索赔概率与累积赔款预测

摘要：

保险费率厘定的核心工作是对保险损失的预测.在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择.本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较.结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型.机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法.

关键词：机器学习、索赔概率、累积赔款、支持向量机、神经网络、集成学习、汽车保险

分类号：F222.3(经济计算、经济数学方法)

资助基金：教育部人文社会科学研究项目;国家社会科学基金;中国人民大学中央高校建设世界一流大学学科;特色发展引导专项

在线出版日期：2018-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：42-53