基于机器学习算法的个体索赔准备金评估模型

摘要：

非寿险赔款准备金对保险公司的风险管理和财务决策具有重要影响.传统的准备金评估方法通常基于汇总的流量三角形数据进行建模,没有充分利用个体索赔案件的信息,且存在参数过度化、难以处理大额赔款和负增量赔款等问题.本文基于每份保单的个体索赔信息,使用随机森林和XGBoost等机器学习算法对案件的赔付状态、赔付金额分别建立了预测模型,改进了传统准备金评估模型的预测效果.实证研究结果表明,影响赔付状态的因素主要是结案状态、报案延迟等跟案件相关的信息,而影响赔付金额的因素则主要是历史赔付金额等反映出险事故严重程度的信息.本文最后还给出了RBNS准备金的预测分布,其结果更加接近准备金的真实值且方差更小,表明在非寿险RBNS准备金评估中,基于机器学习算法的个体索赔准备金评估模型优于传统的准备金评估模型.

关键词：个体索赔信息、准备金、机器学习、赔付状态、赔付金额

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;中央高校建设世界一流大学学科专项

在线出版日期：2019-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：88-101