隨著車險費率市場化改革的進行,我國逐步將車險的定價權交由保險公司行使,因此識別客戶風險、厘定差異化的車險保費也成為保險公司的研究重點。然而,目前我國使用的車險費率因子較為單一,費率厘定模式缺乏客觀性,而且用于費率厘定的模型也較為傳統和落后。為此,本文將更多的車險費率因子引入模型中,并改進現有模型對純保費和自主定價系數進行研究,為保險公司創新車險產品提供參考。首先,本文在參考美國車險費率厘定模式的基礎上,結合我國現實情況選出相對重要的車險費率因子對純保費進行研究,并通過將Tweedie回歸模型與提升回歸樹進行結合實現對Tweedie回歸模型的改進。實證結果顯示,與Tweedie回歸模型相比,Tweedie提升模型對純保費的擬合效果較好,這表明提升回歸樹的引入有效提高了Tweedie回歸模型的預測精度,為純保費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概率具有顯著影響的費率因子,并在使用欠采樣和過采樣結合的方法解決類別不平衡問題的基礎上建立BP神經網絡,用于對客戶出險的概率進行預測,實現了多種方法的結合。實證結果表明,改進后的BP神經網絡對出險...

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

圖1BP神經網絡結構圖

南京信息工程大學碩士專業學位論文82.BP神經網絡為簡單起見，本文僅考慮三層的BP神經網絡，其基本結構見圖1。圖1BP神經網絡結構圖上圖中，()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神經網絡的輸入特征向量，()12,,,iiiM=g....

圖5純保費預測值和真實值的比較圖

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

圖6調和參數和AUC值的關系圖

第三章基于改進BP神經網絡的出險概率研究37陽性率(TPR)和假陽性率(FPR)，其中，TPR表示真實類別和預測類別均為“出險”的保單數量占所有真實類別為“出險”保單的比例，FPR表示真實類別為“未出險”且預測類別為“出險”的保單數量占所有真實類別為“未出險”的保單的比例。可以看....

圖8ROC曲線圖

南京信息工程大學碩士專業學位論文46前后的ROC曲線，并計算了其AUC值，如下圖所示。(a)(b)圖8ROC曲線圖圖8(a)對應BP神經網絡的ROC曲線，圖8(b)對應改進BP神經網絡的ROC曲線，從圖中可以清晰地看出，改進BP神經網絡的ROC曲線更靠近左上角，這說明該模型對出險....

本文編號：3997534