泊松提升模型在中国车险索赔频率预测建模中的应用

摘要：

为研究泊松提升模型在中国车险定价中的应用,将Boosting算法加入到SBS(Standardized binary split)回归树中,基于中国某公司2016年28个省份交强险保单数据,以样本内外损失函数的最小化为标准,对相关模型进行比较以选择相对较优的模型,应用得到的模型对各个变量进行单变量预测.研究结果表明:泊松提升模型优于SBS回归树模型,不存在过拟合的前提下,泊松提升模型的预测效果会随着树的深度或者迭代次数的增大而变得更优,确定了深度为3,迭代次数为15的泊松提升模型(即PBM3)为最优模型.

关键词：Boosting算法、泊松提升模型、回归树模型、交强险、索赔频率

所属期刊栏目：34

分类号：F840.65(保险)

资助基金：国家自然科学基金青年项目《基于相依结构的多元索赔准备金评估随机性方法研究》71401041;南开大学基本科研业务费《机器学习在金融预测建模中的应用研究》63185010;教育部人文社会科学重点研究基地重大项目《基于大数据的精算统计模型与风险管理问题研究》16JJD910001

在线出版日期：2019-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：27-34