非壽險(xiǎn)賠款準(zhǔn)備金對保險(xiǎn)公司的風(fēng)險(xiǎn)管理和財(cái)務(wù)決策具有重要影響。傳統(tǒng)的準(zhǔn)備金評估方法通�；趨R總的流量三角形數(shù)據(jù)進(jìn)行建模,沒有充分利用個體索賠案件的信息,且存在參數(shù)過度化、難以處理大額賠款和負(fù)增量賠款等問題。本文基于每份保單的個體索賠信息,使用隨機(jī)森林和XGBoost等機(jī)器學(xué)習(xí)算法對案件的賠付狀態(tài)、賠付金額分別建立了預(yù)測模型,改進(jìn)了傳統(tǒng)準(zhǔn)備金評估模型的預(yù)測效果。實(shí)證研究結(jié)果表明,影響賠付狀態(tài)的因素主要是結(jié)案狀態(tài)、報(bào)案延遲等跟案件相關(guān)的信息,而影響賠付金額的因素則主要是歷史賠付金額等反映出險(xiǎn)事故嚴(yán)重程度的信息。本文最后還給出了RBNS準(zhǔn)備金的預(yù)測分布,其結(jié)果更加接近準(zhǔn)備金的真實(shí)值且方差更小,表明在非壽險(xiǎn)RBNS準(zhǔn)備金評估中,基于機(jī)器學(xué)習(xí)算法的個體索賠準(zhǔn)備金評估模型優(yōu)于傳統(tǒng)的準(zhǔn)備金評估模型。

【文章頁數(shù)】：14 頁

【文章目錄】：
一、引 言
二、個體索賠準(zhǔn)備金評估模型
三、特征變量的選擇
四、機(jī)器學(xué)習(xí)算法
五、實(shí)證研究
    (一)數(shù)據(jù)來源
    (二)RBNS準(zhǔn)備金預(yù)測模型
        1.賠付狀態(tài)模型和結(jié)案狀態(tài)模型
        2.賠付金額模型
        3.RBNS準(zhǔn)備金的預(yù)測分布
    (三)IBNR準(zhǔn)備金預(yù)測模型
六、小 結(jié)



本文編號：3788294