精算师年会 徐欣欣演讲文件.pptVIP

预测模型: 实现竞争优势 徐欣欣, FCAS, MAAA 沈阳, 中国 2008年9月26日 提纲 预测模型概述 数据是关键 实现竞争优势 预测模型面临的挑战 预测模型概述 什么是预测模型？ 预测模型是用于预测分析未来行为，而构造的统计模型的过程。 一个预测模型由大量预测变量构成，这些变量因子很可能会影响未来的行为或结果。 预测模型中的统计技术 聚类分析 主成分分析 回归（如：广义线性模型） 神经网络 决策树 …… 预测模型概述 预测模型的目标 用于更好地实现风险分类的方法 预测模型可以利用现代的软件包 更好地使用内部及外部数据库 建模工具 计算能力 如何区分预测模型与标准的精算分析 应用于个体风险层级 多变量分析 vs. 单变量分析 广泛使用外部数据 严格的测试过程 预测模型过程 预测模型过程 第一步 构造变量 研究可能的数据来源 提取/购买数据 检查数据的质量 构造预测变量和目标变量 预测变量的分类 行为方面：历史索赔、账单、信用…… 保单持有人：年龄、性别…… 保单方面：机动车年限、建筑类型…… 区域方面：人口统计、气候…… 预测模型过程 第二步 数据分析 单因子预测变量分析 探索性数据分析（EDA） 数据可视化 第三步 构建多元模型 检查变量间的相关性 剔除多余的、与目标变量无关的变量 设计模型 构建多种可行的模型（回归、决策树、神经网络等） 选择最终模型 数据是关键 预测模型成功应用依赖于数据 特定保单持有人数据的有效性(Availability) 有效数据的质量 与历史数据的一致性 必须将大量时间投入到数据中 收集并清洗内部数据 识别并获取外部数据 将外部数据与内部数据连接 根据建模目的调整内部及外部数据 图表表示基本建模数据库 数据质量的重要性 数据准备与连接 建模数据库 实现竞争优势 预测模型显示数据变量的预测能力 模型可以应用于多种渠道 现存保单的续保 新保单的可保性评估 对潜在客户的行销 提升图 (Lift charts)显示出竞争优势 根据模型得分划分保单持有人 根据特定目标可以进行不同划分 调配预测模型 预测模型面临的挑战 模型数据库集合 识别潜在的数据来源 合并外部数据与内部数据 清洗并调整数据 构建预测模型 使用特定的统计技术与经验基础 属于其它类型的精算分析(Unique to other types of actuarial analysis) 调配模型 需要与现有系统进行整合 监控并动态管理 预测模型在保险行业的应用 灾情预测（地震、水灾等） 保单持有人风险分级/聚类 客户生命周期价值模型 代理人/代理机构监测 识别骗保 目标行销 …… THANK YOU! Confidential – Do Not Distribute – Ernst Young LLP 2008 * Page * 预测模型 – 实现竞争优势 保险与精算咨询服务 * 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 0.5 1.0 2.0 地区 B 地区 A 直观发现: 地区A的司机的索赔频率高于地区B 建模示例 单变量 vs 多变量 单变量模型每次只考虑一个变量 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 索赔频率相对数 简单分析 多元分析 分布 A B 地区 分布 频率 低 59% 71% A 84% 5.6% 中 31% 24% B 16% 5.0% 高 10% 5% 总计 100% 100% 行使里程 频率 低 61% 4.4% A B 中 30% 6.7% 低 4.4% 4.2% 高 9% 9.6% 中 6.7% 6.6% 高 9.6% 9.4% 行驶 里程 地区 地区 行驶 里程 建模示例 单变量 vs 多变量 多变量分析的结论如何? 实际上，只有行驶里程这个变量是显著的 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 分布 频率 发现: 行使里程数高的保单持有人会发生较多的索赔 建模示例 单变量 vs 多变量 进一步的分析证实了这种关系 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 行驶里程 0.5 1.0 2.0 低 高 索赔频率相对数 数据分析 模型建立 假设收集 假设确认 保单持有人 评分 内部数据 外部数据 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 预测模 型概述 数据是 关键 实现竞 争优势 预测模型 面临 的挑战 预测模 型概述 数据是 关键 实现竞 争优势 预测模