基于GAMLSS模型的车险保费定价分析

发布时间：2021-10-12 01:55

　　车险行业迅速发展,车险需求也在一直增加,这使得机动车辆保费持续占据财险保费的第一位置。维持机动车辆保险收益稳定以及健康状态,是国家和财险公司的核心内容,然而现有的机动车辆保费厘定方法单调,不能为客户提供个性化产品。商业车险费率改革如日中天,这就要求保险公司对车险费率厘定能够更加科学化和精细化,满足客户人性化需求。因此我们应对产品与服务进行创新,创新保费厘定和计算方法,让保费与风险之间愈发搭配,找出更好的保费厘定方法。本文通过个性化探究车险保费,预测客户的理赔金额,以此为依据进行保费定价。首先建立纯保费一阶段模型和纯保费二阶段模型,对比两种模型的优缺点,根据纯保费二阶段模型中的索赔次数和案均赔款,分别建立广义泊松回归和广义伽马回归两种广义线性预测模型。之后在广义线性模型（GLM）的基础上,再综合考虑扩展GLM模型,建立基于位置、尺度和形状的广义可加模型（GAMLSS）。最终得到对索赔次数建立负二项Ⅱ型分布GAMLSS模型,对案均赔款建立逆高斯分布GAMLSS模型的拟合效果更好。本文的研究重点为通过纯保费预测分析,对比不同模型拟合效果,旨在找出拟合最优模型。通过不断调整模型,使模型更具有适... 

【文章来源】：曲阜师范大学山东省

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

Gamma分布概率密度图

第2章模型及分布简介12(2)InverseGaussian分布InverseGaussian分布和Gamma分布一样，是右偏的，在零处有一个下界，这使它成为对索赔强度建模的另一个很好的选择。与Gamma分布相比，它有一个更锐利的峰值和更宽的尾巴，因此非常适合于严重程度曲线的偏斜程度更极端的情况。下图2-2InverseGaussian分布概率密度图给出InverseGaussian分布与Gamma分布不同参数情况下的概率密度函数对比图。从图中可以看出InverseGaussian分布的形状比Gamma分布有更尖锐的峰值和更大的偏斜，因此InverseGaussian分布更适合本文案例选取的数据。InverseGaussian分布概率密度函数为：232()(;;)exp,0,0,0.22xfxxxx图2-2InverseGaussian分布概率密度图

第3章车险行业现状分析14费主体，大学生购车的比例也逐步增长[26]。其次就是不同的省份地区之间的风险暴露程度有很大的差别，其投保率也有很大区别[19]，对于经济发达的地区保险购买比例较高，空间上呈现南方高于北方，东边高于西边的现象，浙江、厦门、重庆等城市投保率较高，这些地区人们的风险意识较强，因此较为有保障。而对于欠发达地区如西藏、青海等西部内陆地区，保险购买比例低，车险支出不足，人们风险意识浅薄，因此保障欠缺，需提高人们保险意识。对于商业车险而言不同地区的折扣也不同，在空间上呈现东部沿海地区折扣大，西部内陆地区折扣小的特点，因此人们应增强风险意识，改善驾驶行为，减少交通事故，保险理赔服务资源也应向东北、南方等地区倾斜，鼓励小风险地区发展。总体来看我国现如今车险市场已经趋于平稳化，人们渐渐认识到了车险的重要性，因此近两年无论是保费规模还是投保率都有了很显著的提高。自2015年以来，车险行业持续变革，2016年已初见成效，并呈良好发展趋势。财险行业也已经由曾经的中国人民保险公司垄断经营转变为中国人民保险、中国平安保险以及太平洋保险三家公司三足鼎立的局面。但近期人保和平安保险业绩飞快增长，双寡头局面已要形成，这种呈现几家独大的趋势实际并不利于我国保险市场的长期可持续发展[11]。图3-1保费收入对比图截至2018年末，根据图3-1可以看出2008年-2018年财产保险公司保费收入一直呈现稳步增长的状态，与之对应的机动车辆保险保费也呈现稳步增长的状态，但其车险在财险中的占比自2008年-2010年快速增长外，2010年-2016年已经开始呈缓慢下降的趋势，而自2016年开始这三年更是呈现迅速下滑的状态，这是由于如今人们生活水平的上


本文编号：3431663