神经网络模型与车险索赔频率预测
外文标题：Neural Networks and Prediction of Claim Frequency of Auto Insurance
文献类型：期刊
作者：孟生旺[1]
机构：中国人民大学应用统计科学研究中心
年：2012
期刊名称：统计研究
卷：29
期：3
页码范围：22-26
增刊：增刊
收录情况：中文核心期刊要目总览
所属部门：统计学院
语言：中文
ISSN：1002-4565
链接地址：http://d.g.wanfangdata.com.cn/Periodical_tongjyj201203004.aspx
DOI：10.3969/j.issn.1002-4565.2012.03.004
关键词：冲经网络;广义线性模型;回归树;索赔频率
摘要：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、负二项回归和泊松一逆高斯回归等.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.
作者其他论文
GAMLSS模型及其在车损险费率厘定中的应用.孟生旺;王选鹤.数理统计与管理.2014,33(4),583-591.
基于偏正态随机效应模型的信度保费.孟生旺;肖展航.统计研究.2015,32(1),73-78.
基于贝叶斯偏态线性混合模型的费率厘定.王明高;孟生旺.统计与信息论坛.2015,18-23.
基于藤 Copula 的 GAMLSS 模型与非寿险准备金评估.刘新红;孟生旺.经济数学.2014,68-74.
基于MCMC模拟和伪似然估计法的交叉分类信度模型费率厘定.康萌萌;孟生旺.统计与信息论坛.2014,29(2),34-39.
