均值计数模型下汽车保险索赔频数的估计方法.pdfVIP

第 期 总第 期 财 经 论 丛 年 月 均值计数模型下汽车保险索赔频数的估计方法 赵晓兵 刘伟 浙江财经大学数学与统计学院 浙江 杭州 摘 要 汽车保险的索赔频数预测问题是非寿险精算理论和应用研究的一个重要内 容 但是 在含有高维附加信息的情形下 传统的估计方法就不再适用 本文在均值计数 模型基础上 利用凸惩罚函数进行变量选择 找到影响车险索赔频数的显著性因子 并通 过模拟和实例分析来评价该模型和所提出的方法的可行性 关键词 汽车保险 均值计数模型 凸惩罚 变量选择 估计方程 中图分类号 文献标识码 文章编号 一 引 言 汽车商业保险是对机动车辆由于自然灾害或意外事故所造成的人身伤亡或财产损失承担赔偿责 任的一种保险业务 随着汽车数量的猛增 车险市场呈现出快速发展的态势 汽车保险更是财产保 险的第一大险种 部分公司的汽车保险保费收入占其财产保险总保费收入的 以上 关于汽车 保险定价方法的研究一直以来都是非寿险精算理论及应用研究的重点内容 在目前的汽车保险定价实务中 对车险索赔频率和索赔强度的预测是两个主要研究问题 流行 的研究方法是利用广义线性模型方法 虽然广义线性模型有现成的统计软件可用 也可以对参 数估计的结果进行直观的解释 但是 该方法需要假定已知因变量和解释变量之间的某种联系函 数 而目前采用的函数形式却比较有限 随着现代统计方法的大量出现 以及数据收集方式的更 新 使得新类型的数据往往包含大范围的附加信息 即所谓的 高维协变量 在这种背景下 传统的广义线性模型往往不再适用 而且由于广义线性模型不能自动识别解释变量之间的交互作 用 导致建模过程比较耗时 除广义线性模型之外 神经网络模型也是研究汽车保险索赔问题的常 用研究方法之一 但神经网络模型的计算较为复杂 同时也很难对协变量的回归系数给出直观的解 释 孟生旺 针对现有汽车保险索赔频数估计方法中存在的局限 本文基于澳大利亚 公司 的一组综合险 索赔数据 将 以及 的模型推广到允许含有高维协变量存在的情形 在此基础 上提出一个新的评估方法 该模型有两个显著特点 一是允许高维协变量的存在 可以通过变量选 择得到模型的稀疏表达 找到影响索赔频数的显著性因子 提高模型整体的预测精度 二是对未知 收稿日期 基金项目 国家自然科学基金资助项 目 浙江省 自然科学基金资助项 目 浙江省哲学与社会科学规划资助项 目 作者简介 赵晓兵 男 四川平昌人 浙江财经大学数学与统计学院教授 刘伟 男 山东泰安人 浙江财经大学数学与统 计学院硕士生 赵晓兵等 均值计数模型下汽车保险索赔频数的估计方法 的基准函数不进行任何参数假定 并且在降维的过程中不需要知道基准函数的具体形式 以便对车 险索赔频数做出更稳健的估计 二 模 型 在索赔频数或者复发事件研究中 我们常常采用型强度函数的计数过程 假定因变量