零膨胀负二项回归模型的推广与费率厘定

在费率厘定中,当索赔次数数据存在过离散(over-dispersion)特征时,通常会采用负二项回归模型,但当索赔数据中同时又出现零膨胀(zero-inflated)问题时,负二项回归模型不再适合对这样的数据进行分析.在传统的零膨胀负二项回归模型为基础,并将其推广到更为一般的形式,同时利用解决费率厘定中出现的既有过离散又有零膨胀的问题.通过对一组汽车 损失数据的拟合,推广后的零膨胀负二项回归模型有效地改善了拟合效果.     

基于广义线性模型的分类费率厘定方法

在我国传统的财产保险计量模型基础上,提出广义线性模型与风险费率厘定相结合的定价方法。广义线性模型有三项构成要素:随机成分,系统成分,联结函数。在非寿险业务中,通常需要根据个体风险的特征对其进行分类,并在分类的基础上厘定各个风险类别的费率。本文将这两方面结合起来,并在非寿险的费率厘定方面建立了相应模型。     

C&R Tree算法在车险费率厘定中的应用

提出基于C&R Tree算法的车险理赔风险模型。现有研究方法对变量多、数据类型复杂和数据量大的数据不能准确进行分析,导致对车险客户的理赔风险出现误判,从而不能准确制定车险费率,为了解决上述问题,提出C&R Tree算法。C&R Tree算法通过检测输入字段,通过度量各个划分产生的异质性的减少程度,找到最佳的一个划分,将C&R Tree算法应用到车险理赔数据中,实验证明:所得理赔风险模型不依赖于经验知识,其模型易于理解,且具有较高的准确率,能够满足评价的要求。     

费率厘定平行四边形方法的数学模型

为在保险费率调整实践中著名的平行四边形方法建立了严格的数学模型,提出了修正平行四边形方法和更一般的三角形方法,其皆可被看成是费率厘定的新工具。     

费率厘定平行四边形方法的数学模型(英文)

为在保险费率调整实践中著名的平行四边形方法建立了严格的数学模型,提出了修正平行四边形方法和更一般的三角形方法,其皆可被看成是费率厘定的新工具。