| 基于机器学习的车险索赔频率预测 |
| |
| 引用本文： | 曾宇哲,吴嫒博,郑宏远,罗来娟. 基于机器学习的车险索赔频率预测[J]. 统计与信息论坛, 2019, 0(5): 69-78 |
| |
| 作者姓名： | 曾宇哲 吴嫒博 郑宏远 罗来娟 |
| |
| 作者单位： | 1.中国人民大学统计学院 |
| |
| 基金项目： | 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);中国人民大学2018年度中央高校建设世界一流大学(学科)和特色发展引导专项资金 |
| |
| 摘 要： | 近年来,广义线性模型已被广泛用于车险定价,而一些研究结果显示机器学习在某些方面优于广义线性模型,但这些结果都只是基于某个单一数据集。为了更全面地比较广义线性模型与机器学习方法在车险索赔频率预测问题上的效果,对7个车险数据集进行了比较测试,包括深度学习、随机森林、支持向量机、XGboost等机器学习方法;基于相同的训练集,建立不同的广义线性模型预测索赔频率,根据最小信息准则(AIC)选取最优的广义线性模型;通过交叉验证调参获得机器学习最佳参数和模型。研究结果显示:在所有的数据集上XGboost的预测效果一致地优于广义线性模型;对于某些自变量较多、变量间相关性强的数据集,神经网络、深度学习和随机森林的预测效果比广义线性模型更好。
|
| 关 键 词： | 汽车保险 索赔频率 机器学习 梯度提升 深度学习 神经网络 |
Claim Frequency Modeling and Prediction via Machine Learning |
| |
| ZENG Yu-zhe,WU Ai-bo,ZHENG Hong-yuan,LUO Lai-juan. Claim Frequency Modeling and Prediction via Machine Learning[J]. Statistics & Information Tribune, 2019, 0(5): 69-78 |
| |
| Authors: | ZENG Yu-zhe WU Ai-bo ZHENG Hong-yuan LUO Lai-juan |
| |
| Affiliation: | (School of Statistics,Renmin University of China,Beijing 100872,China) |
| |
| Abstract: | ZENG Yu-zhe;WU Ai-bo;ZHENG Hong-yuan;LUO Lai-juan(School of Statistics,Renmin University of China,Beijing 100872,China) |
| |
| Keywords: | auto insurance claim frequency machine learning gradient promotion neural network deep neural network |
| 本文献已被 维普 等数据库收录！ |
|
