基于梯度树提升 Tweedie 复合泊松模型的保险费预测
统计方法学
2016-04-22 v3
摘要
Tweedie GLM 是预测保险费的广泛使用方法。然而，在 Tweedie GLM 中，对数均值的结构被限制为线性形式，这对许多应用而言可能过于僵化。作为更好的替代方案，我们提出了一种梯度树提升算法，并将其应用于纯保费的 Tweedie 复合泊松模型。我们使用轮廓似然方法来估计指数参数和散布参数。我们的方法能够拟合灵活的非线性 Tweedie 模型，并捕捉预测变量之间的复杂交互作用。模拟研究证实了我们方法优异的预测性能。作为应用，我们将该方法应用于汽车保险索赔数据，并表明新方法优于现有方法，因为它能生成更准确的保费预测，从而有助于解决逆向选择问题。我们已将该方法实现于一个用户友好的 R 包中，该包还包含一个出色的可视化工具，用于解释拟合的模型。
引用
@article{arxiv.1508.06378,
title = {Insurance Premium Prediction via Gradient Tree-Boosted Tweedie Compound Poisson Models},
author = {Yi Yang and Wei Qian and Hui Zou},
journal= {arXiv preprint arXiv:1508.06378},
year = {2016}
}