大数据背景下的车险索赔概率研究——基于随机森林模型

发布时间：2023-12-08 20:23

　　自改革开放以来,我国经济迅速增长,良好的经济环境带动各行各业的蓬勃发展,与此同时我国汽车保有量也随之大幅度提高。2001年12月,我国正式加入W TO世界贸易组织,汽车保险作为我国最重要的险种之一,首先实行对外资保险公司开放。由此可见,汽车保险对于我国财产保险甚至整个保险界,占有重要的战略地位。自2015年6月起,我国银保监会启动新一轮商车费改,截止到2018年3月8日,银行保险监管部门先后实施了 3次商车费改,其发布文件中规定,财产保险公司计算商业汽车保险保费时在费率厘定方面可以自主进行确定费率因子。但与此同时,因为定价范围的扩人市场竞争更加激烈,许多公司为抢占市场打价格战,全国几乎所有中小型财产保险公司年利润额为负的状态,这对我国保险业的发展极为不利。根据现实情况,对容户建立一套有效的车险索赔概率预测模型,无论是整个保险行业还是各大财产保险公司都是一件当务之急的大事。随着数据时代的来临,大数据已经为各行各业的发展带来了转变的契机。因此,如何利用大数据技术制定更为精准的汽车索赔概率模型已成为各家保险公司发展的关键。本文结合时代背景,运川定性分析法、比较分析法、文献研究法对于大数据背景...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究内容与研究方法
        1.2.1 研究内容
        1.2.2 研究方法
        1.2.3 技术路线图
    1.3 创新与不足
第2章 文献综述
    2.1 国外文献综述
        2.1.1 关于汽车索赔概率
        2.1.2 关于随机森林模型
    2.2 国内文献综述
        2.2.1 关于汽车索赔概率
        2.2.2 关于随机森林模型
    2.3 文献评述
第3章 汽车保险发展与分析
    3.1 中国汽车保险市场化改革
        3.1.1 我国汽车保险发展的宏观背景
        3.1.2 我国汽车保险费率市场化变革历程
    3.2 全球视角下汽车保险市场化改革与启示
        3.2.1 英国
        3.2.2 美国
        3.2.3 德国
        3.2.4 日本
        3.2.5 对中国汽车保险市场的启示
    3.3 大数据技术在保险业的应用
        3.3.1 我国汽车保险对大数据技术的应用
        3.3.2 国外车险业对大数据技术的应用
第4章 研究模型以及变量筛选方法
    4.1 传统的Logistic模型
    4.2 随机森林模型
        4.2.1 CART模型
        4.2.2 随机森林
    4.3 变量筛选
第5章 实证研究
    5.1 数据来源与预处理
    5.2 样本数据的统计分析
    5.3 模型计算结果及比较分析
        5.3.1 数据预检验
        5.3.2 模型评估
        5.3.3 logistic与随机森林预测模型结果
        5.3.4 变量的重要性筛选
第6章 结论与建议
    6.1 研究结论
    6.2 相关建议
参考文献
致谢
学位论文评阅及答辩情况表



本文编号：3871087