混合类型数据聚类在人寿保险中的应用
应用统计
2021-01-27 v1
摘要
身故给付通常是影响人寿保险公司财务报表的最大现金流出项,其中一些公司仍缺乏系统流程来追踪和监控身故理赔经验。在本文中,我们探索数据聚类以检验和理解实际身故理赔与预期的差异,这是开发对风险管理至关重要的监控系统的早期阶段。我们扩展-prototypes聚类算法,仅利用被保险人的特征与保单信息而不考虑已知死亡率,从人寿保险数据集中推断。该聚类具有高效处理分类、数值和空间属性的特点。利用间隙统计量,算法得到的最优簇随后用于比较人寿保险组合的实际与预期身故理赔经验。我们的经验数据包含2014年期间约114万份保单的观测,总保额超过6500亿美元。对于该组合,算法产生三个自然簇,每个簇的实际与预期身故理赔之比均较低但变异性不同。分析结果为管理层提供了识别主导显著死亡率偏差的保单持有人属性的流程,从而增强采取必要行动的决策。
引用
@article{arxiv.2101.10896,
title = {Applications of Clustering with Mixed Type Data in Life Insurance},
author = {Shuang Yin and Guojun Gan and Emiliano A. Valdez and Jeyaraj Vadiveloo},
journal= {arXiv preprint arXiv:2101.10896},
year = {2021}
}
备注
25 pages, 6 figures, 5 tables