回归树方法在车险索赔频率预测建模中的应用

• 作者: 张连增 谢厚谊
• 来源期刊: 保险研究
• 学科: 经济
• 关键词: 索赔频率 泊松回归树 Bagging法 广义线性模型
• 年，卷（期）: 2018,（1）
• 页码范围: 101-111
• 页数: 11页
• 分类号: F222.3
• 语种: 中文
• DOI: 10.13497/j.cnki.is.2018.01.009

摘要

近20年来广义线性模型在车险定价领域已成为被广泛使用的标准模型.但随着大数据时代的来临,数据记录变得越来越多,可用于车险定价的解释变量个数也变得越来越多,然而变量间的相关关系却通常很强.在这种情形下,亟待寻找新的定价方法,以实现更为精准的车险定价.本文应用机器学习领域中的回归树方法对车险索赔频率进行了预测建模,研究结果表明回归树方法在车险定价领域是广义线性模型很好的辅助与参考.