寿险退保风险建模：理论与实验洞见
风险管理
2021-08-30 v2
摘要
退保是寿险面临的主要风险之一，对其真实概率的合理建模直接影响到《偿付能力 II》指令所要求的的风险资本。我们通过开展大量实验，为包括 XGBoost、随机森林、GLM 和神经网络在内的多种建模方法提供了高度实用的结果，从而对现有文献有所补充。此外，我们发现了基于混淆矩阵的流行模型评估方法的缺陷。我们的结果表明，准确的标签预测与真实概率的合理建模可能是相互矛盾的目标。我们以重采样为例加以说明：尽管重采样能够在退保等罕见事件场景中改善标签预测，因此被普遍采用，但我们通过理论和数值证明，在重采样数据上训练的模型会预测出显著有偏的事件概率。在退保的概率视角下，我们进一步提出了针对预测平均退保率的时变置信带作为一种补充评估手段，并展示了其益处。该评估采取了非常实用的持续经营视角，尊重了组合构成以及潜在风险驱动因素可能随时间变化这一事实。
引用
@article{arxiv.2101.11590,
title = {Modeling surrender risk in life insurance: theoretical and experimental insight},
author = {Mark Kiermayer},
journal= {arXiv preprint arXiv:2101.11590},
year = {2021}
}