| 双参数Tweedie机器学习模型及其精算应用 |
| |
| 引用本文： | 高雅倩,孟生旺.双参数Tweedie机器学习模型及其精算应用[J].统计研究,2024(4):126-140. |
| |
| 作者姓名： | 高雅倩 孟生旺 |
| |
| 作者单位： | 1. 中国人民大学统计学院;2. 中国人民大学应用统计科学研究中心 |
| |
| 基金项目： | 国家社会科学基金重点项目“巨灾债券定价与风险管理的统计建模研究”（22ATJ005）；;教育部人文社会科学重点研究基地重大项目“数字时代风险管理与精算模型研究”（22JJD910003）； |
| |
| 摘 要： | Tweedie回归是保险损失预测和风险定价的主要工具之一。为充分利用大数据、物联网、机器学习等技术促进保险业的数字化转型，实现更加精准的风险识别和风险定价，本文将传统的Tweedie广义线性模型推广到双参数形式，并结合机器学习算法，提出双参数Tweedie梯度提升树模型和双参数Tweedie组合神经网络模型。基于我国一家保险公司的车联网大数据，提取了新的驾驶行为风险因子。通过实证研究检验了双参数Tweedie梯度提升树和双参数Tweedie组合神经网络在风险识别以及风险定价中的有效性，为促进我国保险业数字化转型提供了一种新的模型和方法。
|
| 关 键 词： | Tweedie回归 双参数梯度提升树 双参数组合神经网络 驾驶行为因子 |
|
