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

摘要：

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.

关键词：提升算法、回归树模型、广义线性模型、交强险、索赔频率

分类号：F840.65(保险)

资助基金：国家自然科学基金71401041;中国特色社会主义经济建设协同创新中心资助

在线出版日期：2019-09-04（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：67-78