發(fā)布時間：2024-06-29 12:08

　　隨著車險(xiǎn)費(fèi)率市場化改革的進(jìn)行,我國逐步將車險(xiǎn)的定價權(quán)交由保險(xiǎn)公司行使,因此識別客戶風(fēng)險(xiǎn)、厘定差異化的車險(xiǎn)保費(fèi)也成為保險(xiǎn)公司的研究重點(diǎn)。然而,目前我國使用的車險(xiǎn)費(fèi)率因子較為單一,費(fèi)率厘定模式缺乏客觀性,而且用于費(fèi)率厘定的模型也較為傳統(tǒng)和落后。為此,本文將更多的車險(xiǎn)費(fèi)率因子引入模型中,并改進(jìn)現(xiàn)有模型對純保費(fèi)和自主定價系數(shù)進(jìn)行研究,為保險(xiǎn)公司創(chuàng)新車險(xiǎn)產(chǎn)品提供參考。首先,本文在參考美國車險(xiǎn)費(fèi)率厘定模式的基礎(chǔ)上,結(jié)合我國現(xiàn)實(shí)情況選出相對重要的車險(xiǎn)費(fèi)率因子對純保費(fèi)進(jìn)行研究,并通過將Tweedie回歸模型與提升回歸樹進(jìn)行結(jié)合實(shí)現(xiàn)對Tweedie回歸模型的改進(jìn)。實(shí)證結(jié)果顯示,與Tweedie回歸模型相比,Tweedie提升模型對純保費(fèi)的擬合效果較好,這表明提升回歸樹的引入有效提高了Tweedie回歸模型的預(yù)測精度,為純保費(fèi)的厘定提供了理論支持。其次,本文使用LASSO-Logistic回歸模型篩選出對客戶出險(xiǎn)概率具有顯著影響的費(fèi)率因子,并在使用欠采樣和過采樣結(jié)合的方法解決類別不平衡問題的基礎(chǔ)上建立BP神經(jīng)網(wǎng)絡(luò),用于對客戶出險(xiǎn)的概率進(jìn)行預(yù)測,實(shí)現(xiàn)了多種方法的結(jié)合。實(shí)證結(jié)果表明,改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)對出險(xiǎn)...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

南京信息工程大學(xué)碩士專業(yè)學(xué)位論文82.BP神經(jīng)網(wǎng)絡(luò)為簡單起見，本文僅考慮三層的BP神經(jīng)網(wǎng)絡(luò)，其基本結(jié)構(gòu)見圖1。圖1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖上圖中，()12,,iiiJ=xxxix表示第i份保單上J個解釋變量的觀測值組成的向量，也稱為BP神經(jīng)網(wǎng)絡(luò)的輸入特征向量，()12,,,iiiM=g....

圖5純保費(fèi)預(yù)測值和真實(shí)值的比較圖

第二章基于Tweedie提升模型的純保費(fèi)研究33保費(fèi)預(yù)測值的折線圖，如下圖所示。圖5純保費(fèi)預(yù)測值和真實(shí)值的比較圖通過比較可以發(fā)現(xiàn)，在Tweedie提升模型的擬合下，純保費(fèi)的預(yù)測值與實(shí)際觀測值較為貼合，而Tweedie回歸模型的預(yù)測值與純保費(fèi)的實(shí)際觀測值的差異相對較大。相比之下，T....

圖6調(diào)和參數(shù)和AUC值的關(guān)系圖

第三章基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的出險(xiǎn)概率研究37陽性率(TPR)和假陽性率(FPR)，其中，TPR表示真實(shí)類別和預(yù)測類別均為“出險(xiǎn)”的保單數(shù)量占所有真實(shí)類別為“出險(xiǎn)”保單的比例，F(xiàn)PR表示真實(shí)類別為“未出險(xiǎn)”且預(yù)測類別為“出險(xiǎn)”的保單數(shù)量占所有真實(shí)類別為“未出險(xiǎn)”的保單的比例�？梢钥�....

圖8ROC曲線圖

南京信息工程大學(xué)碩士專業(yè)學(xué)位論文46前后的ROC曲線，并計(jì)算了其AUC值，如下圖所示。(a)(b)圖8ROC曲線圖圖8(a)對應(yīng)BP神經(jīng)網(wǎng)絡(luò)的ROC曲線，圖8(b)對應(yīng)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的ROC曲線，從圖中可以清晰地看出，改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的ROC曲線更靠近左上角，這說明該模型對出險(xiǎn)....

本文編號：3997534