中国人民大学应用统计科学研究中心;中国人民大学统计学院;
汽车保险广受社会关注,且在财产保险公司具有举足轻重的地位,因此汽车保险的索赔频率预测模型一直是非寿险精算理论和应用研究的重点之一。目前最为流行的索赔频率预测模型是广义线性模型,其中包括泊松回归、负二项回归和泊松—逆高斯回归等。本文基于一组实际的车险损失数据,对索赔频率的各种广义线性模型与神经网络模型和回归树模型进行了比较,得出了一些新的结论,即神经网络模型的拟合效果优于广义线性模型,在广义线性模型中,泊松回归的拟合效果优于负二项回归和泊松—逆高斯回归。线性回归模型的拟合效果最差,回归树模型的拟合效果略好于线性回归模型。
| 1,907 | 73 | 10 |
| 下载次数 | 被引频次 | 阅读次数 |
[1]Werner G.,Modlin C.Basic ratemaking[M].Casualty ActuarialSociety,2010.
[2]孟生旺.广义线性模型在汽车保险定价中的应用[J].数理统计与管理,2007(01):24-29.
[3]Faraway J.Extending the linear model with R[M].Chapman&Hall/CRC,2006.
[4]Ismail N.,Jemain A.A.Handling overdispersion with negativebinomial and generalized poisson regression models[J].CasualtyActuarial Society Forum,2007,Winter:103-158.
[5]Cheong P.W.,Jemain A.A.,Ismail N.Practice and pricing innon-life insurance:The malaysian experience[J].Journal ofQuality Measurement and Analysis,2008,4(1):11-24.
[6]de Jong P.,Heller G.Generalized linear models for insurance data[M].Cambridge University Press,2008.
[7]Warner B.,Misra M.Understanding neural networks as statisticaltools[J].The American Statistitian,1996,50(4):284-292.
[8]R Development Core Team.R:A language and environment forstatistical computing.R Foundation for Statistical Computing,Vienna,Austria.ISBN 3-900051-07-0,URL http://www.R-project.org/.2011.
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2012.03.004
中图分类号:F840;F224
引用信息:
[1]孟生旺.神经网络模型与车险索赔频率预测[J].统计研究,2012,29(03):22-26.DOI:10.19343/j.cnki.11-1302/c.2012.03.004.
基金信息:
中国人民大学科学研究基金项目(中央高校基本科研业务费专项资金资助)“非寿险定价的精算统计模型及其应用研究”(10XNI001)的阶段性成果