分类嵌入在车险索赔次数预测中的应用&张连增（18页）

保险先锋队

在车险定价中，经常将地区和车型等分类变量作为费率因子，而这些费率因子的分类水平数通常较多，给传统的精算统计方法带来了巨大挑战，特别是广义线性模型( Generalized Linear Models，GLMs) 。对于GLM 来说，高基数分类变量容易带来计算资源的负担、参数估计和预测的不确定性以及分类变量不同水平之间关系的丢失( Shi ＆ Shi， 2023) 。2022 年1 月，原中国银保监会发布《关于银行业保险业数字化转型的指导意见》，指出要提高数据应用能力，全面深化数据在业务经营、风险管理、内部控制中的应用，提高数据加总能力，激活数据要素潜能。因此，构建车险定价模型需要深入挖掘数据信息，综合运用分类嵌入等方法增强对分类变量的处理能力，同时，借助可解释性方法提供对模型预测结果的理解，以便将分类数据更好地应用于车险定价。

下载全文

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领