車險(xiǎn)經(jīng)驗(yàn)估費(fèi)中的客戶風(fēng)險(xiǎn)分級(jí)模型與算法設(shè)計(jì)——基于數(shù)據(jù)挖掘的分析.pdf

1、國務(wù)院2003年1月1日起在全國全面實(shí)施車險(xiǎn)改革。從2003年1月1日起，保監(jiān)會(huì)不再制定統(tǒng)一的車險(xiǎn)條款費(fèi)率。由各保險(xiǎn)公司總公司自主制定，修改和調(diào)整車險(xiǎn)條款費(fèi)率，報(bào)中國保監(jiān)會(huì)審批后，向社會(huì)公布實(shí)施；保險(xiǎn)公司法人機(jī)構(gòu)可以授權(quán)各地分支機(jī)構(gòu)對(duì)機(jī)動(dòng)車輛保險(xiǎn)費(fèi)率進(jìn)行“微調(diào)”，報(bào)所在地保監(jiān)辦審批后向社會(huì)公布實(shí)施。機(jī)動(dòng)車輛保險(xiǎn)費(fèi)率的改革標(biāo)志著我國將保險(xiǎn)條款費(fèi)率制定權(quán)交給經(jīng)營主體的開始。 機(jī)動(dòng)車險(xiǎn)在財(cái)產(chǎn)保險(xiǎn)業(yè)務(wù)中有著十分重要的地位，但現(xiàn)行車險(xiǎn)條款

2、、費(fèi)率管理制度己不能適應(yīng)當(dāng)前市場經(jīng)濟(jì)發(fā)展的要求，機(jī)動(dòng)車保險(xiǎn)費(fèi)率不能反映真實(shí)的風(fēng)險(xiǎn)狀況和市場供求狀況，不利于保險(xiǎn)公司經(jīng)營的穩(wěn)定，不利于整個(gè)車險(xiǎn)市場的健康發(fā)展，不利于充分發(fā)揮市場機(jī)制的導(dǎo)向作用。在嚴(yán)格監(jiān)管下的費(fèi)率執(zhí)行過程中，保費(fèi)水平在扣除業(yè)務(wù)費(fèi)用、所得稅、營業(yè)稅以及分保費(fèi)之后，只有業(yè)務(wù)規(guī)模大的保險(xiǎn)公司才可以做到收支平衡。有數(shù)據(jù)顯示，目前國經(jīng)營情況較好的保險(xiǎn)公司的車險(xiǎn)賠付率在57％左右。所以在進(jìn)行費(fèi)率改革時(shí)，市場競爭、科學(xué)定位、公平定價(jià)、合理

3、分類是保險(xiǎn)業(yè)發(fā)展的唯一出路。 在車險(xiǎn)費(fèi)率的厘定中，經(jīng)驗(yàn)估費(fèi)系統(tǒng)占有重要位置。其思路是：首先使用某些先驗(yàn)分級(jí)變量對(duì)被保險(xiǎn)人進(jìn)行分組，形成若干個(gè)相對(duì)同質(zhì)的風(fēng)險(xiǎn)集合，并厘定各組的先驗(yàn)保費(fèi)；然后在此基礎(chǔ)上根據(jù)被保險(xiǎn)人的經(jīng)驗(yàn)索賠記錄對(duì)其每年的續(xù)保保費(fèi)進(jìn)行調(diào)整，形成后驗(yàn)保費(fèi)。經(jīng)驗(yàn)費(fèi)率厘定模型建立在損失數(shù)據(jù)采集和風(fēng)險(xiǎn)分級(jí)基礎(chǔ)之上，這就決定了保險(xiǎn)人經(jīng)營過程中，如何有效地選擇風(fēng)險(xiǎn)分級(jí)變量和建立高效的風(fēng)險(xiǎn)分級(jí)模型，將直接影響模型的準(zhǔn)確性。

4、本文在第1章介紹了經(jīng)驗(yàn)費(fèi)率法，重點(diǎn)談到了NCD制度，并從經(jīng)濟(jì)學(xué)的角度分析了經(jīng)驗(yàn)費(fèi)率的存在區(qū)域，這是本文的創(chuàng)新點(diǎn)之一。此后分析了NCD制度在實(shí)際運(yùn)作中出現(xiàn)的問題及原因，提出科學(xué)高效的風(fēng)險(xiǎn)分級(jí)是NCD成功的前提，也是保險(xiǎn)公司產(chǎn)品創(chuàng)新實(shí)現(xiàn)個(gè)性化服務(wù)的前提。第2章主要是分析傳統(tǒng)的客戶風(fēng)險(xiǎn)分級(jí)模型及其缺陷，其中談到了風(fēng)險(xiǎn)分級(jí)變量的選擇問題和風(fēng)險(xiǎn)分級(jí)模型兩方面。在進(jìn)行風(fēng)險(xiǎn)分級(jí)工作之前，我們必須首先考慮風(fēng)險(xiǎn)分類變量的選擇，這是車險(xiǎn)費(fèi)率厘定的一個(gè)重要環(huán)

5、節(jié)。在這里，我們將風(fēng)險(xiǎn)分類定義為：針對(duì)相同保險(xiǎn)責(zé)任的被保險(xiǎn)人，基于每一個(gè)體的風(fēng)險(xiǎn)特征進(jìn)行分類并確定不同費(fèi)率。保險(xiǎn)人并不是可以采用它所愿意采用的任何變量為保險(xiǎn)標(biāo)的進(jìn)行分類。分級(jí)變量的選擇必須考慮到各方面的具體要求，如精算的、經(jīng)營的、社會(huì)的和法律的。同時(shí)分級(jí)變量過多，使每個(gè)級(jí)別的保單數(shù)量相對(duì)減少，這將影響到大數(shù)法則的應(yīng)用。文中簡要分析了單步驟法和非參數(shù)法模型用于風(fēng)險(xiǎn)分級(jí)變量選擇的缺陷。傳統(tǒng)的風(fēng)險(xiǎn)分級(jí)模型有一維和多維分析、最小偏差法和廣義線性

6、模型。本文在第2章中一一分析了這些風(fēng)險(xiǎn)分級(jí)模型，并指出了它們的缺陷。 第3章針對(duì)第2章中提出的風(fēng)險(xiǎn)分級(jí)變量選擇和風(fēng)險(xiǎn)分級(jí)模型的缺陷，引入了基于數(shù)據(jù)挖掘的風(fēng)險(xiǎn)分級(jí)變量選擇和風(fēng)險(xiǎn)分級(jí)，這部分內(nèi)容是本文的重點(diǎn)。在國外，金融保險(xiǎn)業(yè)是數(shù)據(jù)挖掘應(yīng)用的重要領(lǐng)域之一。已有文獻(xiàn)對(duì)于數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)領(lǐng)域的應(yīng)用做了探討，但專門針對(duì)車險(xiǎn)業(yè)務(wù)的資料并不多，而系統(tǒng)的研究更是少之又少。本文的創(chuàng)新點(diǎn)在于專門針對(duì)數(shù)據(jù)挖掘技術(shù)在車險(xiǎn)業(yè)務(wù)中尤其是風(fēng)險(xiǎn)分級(jí)

7、變量選擇和風(fēng)險(xiǎn)分級(jí)方面的應(yīng)用進(jìn)行了系統(tǒng)的研究，利用模擬數(shù)據(jù)進(jìn)行了算法設(shè)計(jì)和分析。保險(xiǎn)數(shù)據(jù)具有動(dòng)態(tài)性、數(shù)據(jù)類型多、數(shù)據(jù)量大等特點(diǎn)，而數(shù)據(jù)挖掘技術(shù)對(duì)分類數(shù)據(jù)的適應(yīng)性很強(qiáng)，具備海量數(shù)據(jù)處理能力，對(duì)于保險(xiǎn)數(shù)據(jù)分析有著很好的效果。數(shù)據(jù)預(yù)處理在整個(gè)數(shù)據(jù)挖掘過程其實(shí)占據(jù)了大部分的工作量，數(shù)據(jù)預(yù)處理基于這樣一個(gè)事實(shí)：現(xiàn)實(shí)世界的數(shù)據(jù)是骯臟的。即現(xiàn)實(shí)世界中的數(shù)據(jù)庫極易受噪音數(shù)據(jù)、遺漏數(shù)據(jù)和不一致性數(shù)據(jù)的侵?jǐn)_，存在不完整的、含噪音的和不一致的數(shù)據(jù)是大型的、現(xiàn)

8、實(shí)世界數(shù)據(jù)庫或數(shù)據(jù)倉庫的共同特點(diǎn)。臟數(shù)據(jù)造成挖掘過程陷入困惑，導(dǎo)致不可靠的輸出。通過進(jìn)行預(yù)處理，可以提高分類和預(yù)測過程的準(zhǔn)確性、有效性和可規(guī)模性。常用的預(yù)處理技術(shù)有：數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約、數(shù)據(jù)變換、數(shù)據(jù)離散化。構(gòu)建數(shù)據(jù)倉庫也是重要的預(yù)處理步驟之一，由于它的重要性，所以單獨(dú)放在3.1節(jié)進(jìn)行討論。用于數(shù)據(jù)分析的數(shù)據(jù)可能包含數(shù)以百計(jì)的屬性，其中大部分屬性與挖掘任務(wù)不相關(guān)、弱相關(guān)或者是冗余的。遺漏相關(guān)屬性或留下不相關(guān)屬性是有害的，會(huì)導(dǎo)致

9、發(fā)現(xiàn)的模式質(zhì)量很差。此外，不相關(guān)或冗余的屬性增加了數(shù)據(jù)量，可能會(huì)減慢挖掘進(jìn)程。由于傳統(tǒng)的風(fēng)險(xiǎn)分級(jí)變量選擇模型存在較大缺陷和主觀性因素，所以在3.3節(jié)利用模擬數(shù)據(jù)分析了基于數(shù)據(jù)挖掘的風(fēng)險(xiǎn)分級(jí)變量選擇模型--屬性相關(guān)性分析。它能找出最小屬性集合，使得數(shù)據(jù)類的概率分布盡可能接近使用所有屬性的原分布。而且，保險(xiǎn)公司還能夠針對(duì)不同地區(qū)，不同客戶的風(fēng)險(xiǎn)特點(diǎn)，在經(jīng)驗(yàn)數(shù)據(jù)的基礎(chǔ)之上選擇最有效的風(fēng)險(xiǎn)分級(jí)變量，制定個(gè)性化保險(xiǎn)產(chǎn)品，具有很大的靈活性、準(zhǔn)確性，

10、減少了主觀性。在3.4節(jié)中，分析了基于數(shù)據(jù)挖掘的風(fēng)險(xiǎn)分級(jí)算法--判定歸納樹分類。由于受到客戶數(shù)據(jù)的限制，文中以少量虛擬數(shù)據(jù)進(jìn)行研究，來發(fā)現(xiàn)隱含在客戶行為中的規(guī)則，將抽象的數(shù)據(jù)轉(zhuǎn)換成用戶可以利用的信息，收到了較好的效果。第4章探討了數(shù)據(jù)挖掘技術(shù)在金融、保險(xiǎn)領(lǐng)域的應(yīng)用現(xiàn)狀和發(fā)展前景。目前，中國保險(xiǎn)業(yè)數(shù)據(jù)管理應(yīng)用的普遍現(xiàn)狀是：匯集了大量客戶信息和業(yè)務(wù)數(shù)據(jù)，但因?yàn)槿狈ν诰驍?shù)據(jù)背后隱藏的知識(shí)的手段和工具，往往導(dǎo)致“數(shù)據(jù)爆炸但有效信息貧乏”，“信息

11、繁雜但業(yè)務(wù)知識(shí)孤立”--這種局面若無改觀，保險(xiǎn)公司就會(huì)長期處于“低智商”的業(yè)務(wù)運(yùn)行狀態(tài)。目前只能提供統(tǒng)一及時(shí)的業(yè)務(wù)報(bào)表，提供集成的客戶信息等，但在很多情況下，這些海量數(shù)據(jù)在原有的作業(yè)系統(tǒng)中無法提煉與升華為有用的信息，從而無法為業(yè)務(wù)分析人員與管理決策者提供決策支持。一方面，聯(lián)機(jī)作業(yè)系統(tǒng)因?yàn)樾枰Ａ糇銐虻脑敿?xì)數(shù)據(jù)以備查詢而變得笨重不堪，系統(tǒng)資源的投資跟不上業(yè)務(wù)擴(kuò)展的需求。另一方面，管理者和決策者只能根據(jù)固定的、定時(shí)的報(bào)表系統(tǒng)獲得有限的經(jīng)營與

12、業(yè)務(wù)信息，無法適應(yīng)激烈的市場競爭。而數(shù)據(jù)挖掘技術(shù)匯集了統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)庫等學(xué)科的內(nèi)容，是一門新興的交叉學(xué)科。這門學(xué)科旨在幫助人們從海量數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息，利用數(shù)據(jù)挖掘技術(shù)不但可以從保險(xiǎn)的海量數(shù)據(jù)中發(fā)現(xiàn)隱藏在其后的規(guī)律，而且可以很好地降低保險(xiǎn)行業(yè)的風(fēng)險(xiǎn)，因此，數(shù)據(jù)挖掘技術(shù)構(gòu)筑了中國保險(xiǎn)業(yè)的競爭優(yōu)勢。 數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)領(lǐng)域有著廣泛的應(yīng)用，由于研究時(shí)間的限制，本文只針對(duì)經(jīng)驗(yàn)費(fèi)率法中的風(fēng)險(xiǎn)分級(jí)探討了判定樹歸納方法。關(guān)于其它數(shù)