基于机器学习算法的车险索赔概率与累积赔款预测

• 作者: 孟生旺 李天博 高光远
• 来源期刊: 保险研究
• 学科: 经济
• 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
• 年，卷（期）: 2017,（10）
• 页码范围: 42-53
• 页数: 12页
• 分类号: F222.3
• 语种: 中文
• DOI: 10.13497/j.cnki.is.2017.10.004

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.