回归问题中未来保险索赔的共形预测
机器学习
2025-09-30 v3 机器学习
应用统计
摘要
在当前的保险文献中，回归问题中的保险索赔预测通常通过统计模型进行。这种基于模型的方法可能存在若干缺点：（i）模型误设，（ii）选择效应，（iii）缺乏有限样本有效性。本文通过采用共形预测——一种用于有效预测的通用机器学习策略——同时解决这三个问题。所提出的方法既是无模型的，也是无调参的。它还保证了在预设覆盖概率水平下的有限样本有效性。通过基于模拟数据和真实数据的示例，展示了所提出方法的优异性能及其在保险中的应用，特别是在满足欧洲保险监管 Solvency II 的偿付能力资本要求方面。
引用
@article{arxiv.2503.03659,
title = {Conformal prediction of future insurance claims in the regression problem},
author = {Liang Hong},
journal= {arXiv preprint arXiv:2503.03659},
year = {2025}
}