面向横截面与纵向索赔次数数据的车联网综合精算神经网络

我们提出了基于Mario Wüthrich与Michael Merz所提出的综合精算神经网络（CANN）框架构建的车辆保险横截面与纵向索赔次数新型模型。CANN方法将经典精算模型（如广义线性模型）与神经网络相结合。这种模型融合产生了一个由经典回归模型与神经网络部分组成的双组件模型。CANN模型利用了两部分的优势，从经典模型获得坚实基础与可解释性，同时借助神经网络捕捉复杂关系与交互的灵活性与能力。在我们提出的模型中，经典回归部分使用著名的对数线性索赔次数回归模型，神经网络部分使用多层感知机（MLP）。MLP部分用于处理以表征每位被保险驾驶员驾驶行为的向量给出的车联网驾驶数据。除用于横截面数据的泊松与负二项分布外，我们提出了以多元负二项（MVNB）设定训练CANN模型的流程。借此，我们引入了考虑同一被保险人不同合同间相关性的纵向模型。我们的结果表明，相较于依赖人工设计车联网特征的对数线性模型，CANN模型表现出更优性能。