机器学习在农业保险费率厘定中的应用
综合经济学
2022-12-20 v3 经济学
摘要
本文评估了机器学习（ML）在建立新型保险方案费率厘定中的应用。为使评估可行，我们将期望赔付额设定为保费。随后，我们使用ML基于最小变量集预测赔付额。该分析以意大利引入所谓收入稳定工具（IST）的收入保险方案为案例研究，使用了2008–2018年FADN的农场级数据。我们使用三种具有变量选择功能的ML工具——LASSO、Elastic Net和Boosting——预测预期的IST赔付额，并与保险研究中通常采用的广义线性模型（基线）进行比较。此外，为实现赔付额函数零膨胀、非负值和非对称厚尾的特殊形态，采用了Tweedie分布。通过比较各模型的计量经济学与经济绩效评估了结果的稳健性。具体而言，ML在使用少量且稳定的回归变量选择的同时，获得了优于基线的拟合优度，并显著降低了信息收集成本。然而，Boosting使其获得了最佳经济绩效，最优地平衡了风险最高与最低的参保主体，并实现了良好的经济可持续性。这些发现表明机器学习如何成功应用于农业保险。本研究是首批在农业保险中使用ML和Tweedie分布的研究之一，展示了其克服多重问题的潜力。
引用
@article{arxiv.2212.03114,
title = {Applications of Machine Learning for the Ratemaking in Agricultural Insurances},
author = {Luigi Biagini},
journal= {arXiv preprint arXiv:2212.03114},
year = {2022}
}