神经网络模型与车险索赔频率预测

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.