廣義線性模型及其在車輛損失保險精算中的應(yīng)用.pdf

1、本文在第1部分首先回顧了機(jī)動車輛保險費率厘定的相關(guān)知識，分析當(dāng)前使用的定價方法和模型，介紹了廣義線性模型的發(fā)展，提出將廣義線性模型應(yīng)用于車輛損失保險風(fēng)險分級精算定價模型。 本文第2.1部分提出利用精算定價基本原理從發(fā)生次數(shù)和損失程度兩個方面來構(gòu)架整個車輛損失保險風(fēng)險分級精算定價模型。在第2.2部分介紹了風(fēng)險分級的基本知識，對目前常用的傳統(tǒng)方法進(jìn)行對比，最終選擇了廣義線性模型(GeneralizedLinearModel)。在第2

2、.3部分，利用GLM模型，分別建立車輛事故發(fā)生次數(shù)的多元GLM模型和車輛事故損失的多元GLM模型。在建立車輛事故發(fā)生次數(shù)的多元GLM模型時采用了Poisson回歸模型；車輛事故損失的多元GLM模型推廣了乘法模型，估計在多個風(fēng)險因素共同作用下車輛損失強(qiáng)度。最后在第2.4部分結(jié)合車輛事故發(fā)生次數(shù)和車輛事故損失的多元GLM模型，提出了完整的車輛損失保險風(fēng)險分級精算定價模型，并給出了在保險實務(wù)中應(yīng)用風(fēng)險分級精算定價的實施辦法。 本文第3

3、.1部分簡要分析了某市交通事故的基本情況，對具體的風(fēng)險因素做了初步的分析。在第3.2部分，結(jié)合實際車輛損失情況，將多元GLM模型應(yīng)用于交通事故損失影響因素風(fēng)險等級分析。通過篩選，得到24個對車輛損失有顯著影響的變量。在第3.3部分，利用GLM模型回歸的結(jié)果建立各個變量對于車輛損失的風(fēng)險等級系數(shù)。 為了分析各個因素之間的交互作用，本文在第4.1部分引入數(shù)據(jù)挖掘分析中的關(guān)聯(lián)規(guī)則，提出利用數(shù)據(jù)挖掘工具分析風(fēng)險因素之間的交互作用。在第4

4、.2部分首先回顧了關(guān)聯(lián)規(guī)則的基本概念和傳統(tǒng)的Apriori算法，然后利用關(guān)聯(lián)規(guī)則的數(shù)據(jù)庫是布爾型數(shù)據(jù)庫的特點，提出關(guān)聯(lián)規(guī)則向量化挖掘算法ARVDA。同時，建立一套完整的判斷關(guān)聯(lián)規(guī)則重要程度的指標(biāo)體系，找出合適的風(fēng)險交互作用模式。在第4.3部分，關(guān)聯(lián)規(guī)則的分析結(jié)果產(chǎn)生了18個帶有交互作用的風(fēng)險因素變量組，為改善GLM模型提供了候選變量。在第4.4部分，經(jīng)過統(tǒng)計顯著性檢驗，GLM模型最終選擇了27個風(fēng)險因素變量(組)。在第4.5部分，最終給