导读:本文包含了索赔准备金论文开题报告文献综述及选题提纲参考文献，主要关键词:个体索赔信息,准备金,机器学习,赔付状态
索赔准备金论文文献综述
孟生旺,王海淘[1]（2019）在《基于机器学习算法的个体索赔准备金评估模型》一文中研究指出非寿险赔款准备金对保险公司的风险管理和财务决策具有重要影响。传统的准备金评估方法通常基于汇总的流量叁角形数据进行建模,没有充分利用个体索赔案件的信息,且存在参数过度化、难以处理大额赔款和负增量赔款等问题。本文基于每份保单的个体索赔信息,使用随机森林和XGBoost等机器学习算法对案件的赔付状态、赔付金额分别建立了预测模型,改进了传统准备金评估模型的预测效果。实证研究结果表明,影响赔付状态的因素主要是结案状态、报案延迟等跟案件相关的信息,而影响赔付金额的因素则主要是历史赔付金额等反映出险事故严重程度的信息。本文最后还给出了RBNS准备金的预测分布,其结果更加接近准备金的真实值且方差更小,表明在非寿险RBNS准备金评估中,基于机器学习算法的个体索赔准备金评估模型优于传统的准备金评估模型。(本文来源于《保险研究》期刊2019年09期）
高姣姣[2]（2019）在《基于车险的非寿险索赔准备金评估方法与实证研究》一文中研究指出负债经营是保险行业的一个显着的属性。保险公司通过管理和运作客户保费所形成的保险基金,达到风险分散化并赚取盈利的目的。但是保险公司对于客户的负债不确定性很高。就拿一份没有到期的保单为例,我们也不知道合同到期之前,保险事故是不是会发生。就算是得知了事故已经发生,也未必能快速确定最后需要赔偿的金额。所以,在一个固定的时间点,保险公司必然会统一评估这些没有到期的保单责任,并做出合理的资金预留。索赔准备金的概念就是从这里来的。在非寿险公司的资产负债表中,占比最大的一种负债一般都是索赔准备金。索赔准备金评估是否准确,直接关系到非寿险公司的赔偿能力是否足够,经营绩效是否可观。本文从测度论的角度出发,引入一个数学框架对索赔准备金展开研究,从理论上证明索赔准备金的鞅性,这是索赔准备金的预测及估计的理论基础。选取汽车保险数据作为评估对象,分别利用链梯法、B-F法,基于对数正态分布模型的随机性方法以及Kalnman滤波法对索赔准备金进行评估。链梯法和B-F法都是基于无分布假设的评估方法。作为进一步研究,考虑索赔准备金的概率分布,对数正态模型就是经典模型之一。但是叁种方法还是停留在静态分析,一旦历史数据出现重大波动或者离群点,对于这种波动或者离群点的处理都会影响评估结果的准确度。Kalman滤波作为一种动态方法,在工程上有着极广泛的研究应用。它迭代地更新参数值估计,自回归处理数据,能够很好地解决历史数据波动及离群点问题,故引入Kalman滤波对索赔准备金进行实证分析。可以看到,在Kalman滤波框架下,残差通过正态性检验,而且,进展年越长,Kalman滤波法优势越显着。(本文来源于《山东大学》期刊2019-05-23）
郝君[3]（2018）在《基于随机森林的非寿险准备金索赔次数预测研究》一文中研究指出随着人工智能的迅猛发展,对各个行业和机构都带来了不同程度的影响和冲击,其在保险领域产生的影响也不容小觑。而人工智能涉及到的机器学习的算法和思想也潜移默化地对一些传统精算方法产生了影响。目前,将机器学习技术应用在保险精算领域,是国际精算理论研究的热点之一。由于机器学习技术处理信息的灵活性,使其更能适应个体之间的差异化特征。论文尝试用机器学习中的分类与回归树(CART)方法和随机森林方法预测非寿险准备金的索赔次数,这样的预测结果考虑到个体之间的差异性,对于保险定价也具有重要意义。论文首先对相关非寿险准备金的国内外研究进行了梳理,同时结合国际精算理论研究热点与目前国内在这一领域研究的不足,从而确定论文的整体研究思路与研究方法。然后,对非寿险准备金的一些传统精算方法进行了详细的介绍与分析,再对机器学习技术中的分类与回归树(CART)方法和随机森林方法从算法步骤和算法优缺点等方面进行了非常详尽的分析。最后,通过利用个体保险索赔的相关数据信息,运用机器学习算法中的分类与回归树(CART)算法和随机森林算法对赔款次数进行预测,得到了基于个体信息的赔款次数的预测结果。并通过对比分类与回归树(CART)算法和随机森林算法的预测准确率发现:随机森林的预测准确率的提高依赖于数据量与树的个数的匹配情况;同时,在随机森林里树的个数不变的条件下,对于数据量较小的情况,随机森林在一定程度上可以提升CART的预测准确率;但在数据量较大的情况下随机森林的预测准确率反而不如单个CART的预测准确率高,这时就需要增加随机森林里树的个数才会使准确率有明显的提高。(本文来源于《天津财经大学》期刊2018-05-01）
张林娜,温利民,王江峰,王伟[4]（2017）在《基于广义线性模型的个体索赔RBNS准备金评估》一文中研究指出基于个体索赔模型对准备金的评估已成为准备金评估研究的重要内容.本文基于广义线性模型,对个体索赔额及索赔数目建立责任准备金模型,给出未决赔款责任准备金的期望及方差.进而,根据样本数据对未知参数求解极大似然估计,并讨论了估计的强相合性和渐近正态性.并得到责任准备金的估计及其预测均方误差.最后,通过数值模拟的方法将本文得到的估计与链梯法进行比较,结果显示我们的估计明显优于链梯法估计.(本文来源于《应用数学学报》期刊2017年04期）
俞雪梨,郝瑞丽[5]（2016）在《基于标值Cox过程的个体索赔准备金模型》一文中研究指出传统的准备金方法都是基于聚合数据的,聚合数据是个体数据的简单汇总,他们丢失了许多有用信息,影响了准备金预测的准确性.为了准确预测准备金,精算学研究者发展了基于标值Poisson过程的个体索赔模型.然而索赔的发生使用Poisson过程来刻画往往与现实情况不符,因此本文提出了一个基于标值Cox过程的个体索赔模型,并研究了此模型下的准备金预测方法.本文的模型和传统的聚合索赔模型相比,使用了更为完整的信息,和已经存在的标值Poisson个体索赔模型相比,由于Cox过程中随机强度的引入,使得模型有了更强的现实刻画能力.这些都将使得准备金的预测更为准确.(本文来源于《应用概率统计》期刊2016年02期）
张林娜[6]（2016）在《基于广义线性模型的个体索赔责任准备金评估》一文中研究指出责任准备金是保险公司对所有被保险人承担的未到期责任及处理未决赔款而从保险费收入中预留的一种资金准备。它具有不确定性、未来性及可估计性。对于未决赔款责任准备金,学者们已经提出了多种方法对其进行预测和估计,包括确定性方法和随机性方法。传统的责任准备金评估,大部分是基于聚合索赔数据的,例如链梯法(CL法)、BF法以及一些随机模型。这种聚合数据模型的优点是数据结构简单且易于计算,但聚合索赔数据是对一定时间内所有个体索赔数据的简单加总,这样必然会丢失个体索赔数据中所含的一些有用信息,可能导致对未决赔款责任准备金的预测不精确。本文基于个体数据建立责任准备金评估的广义线性模型,预测未决赔款的责任准备金。首先,本文假设个体赔付额服从指数分布族,且一次事故只赔付一次,在报告数目已知、赔付延迟时间随机的假设下建立责任准备金的广义线性模型,并研究责任准备金的评估问题;其次,本文研究了已发生未报告(IBNR)的准备金的预测问题。根据IBNR准备金特点,事故并没有报告给保险公司,则假设事故发生数目及报告延迟均是随机变量,从而得到IBNR的估计;最后,研究了总的责任准备金的预测问题。在总准备金模型中,假设既存在报告延迟又存在赔付延迟,且均是随机变量,在此基础上建立广义线性模型,得到责任准备金的表达式及其估计。进而,对估计中的参数进行了估计,并研究了估计的大样本性质。最后通过数值模拟,验证了这叁种模型假设下,本文所提出的评估方法得到的责任准备金估计均优于运用链梯法得到的责任准备金估计。(本文来源于《江西师范大学》期刊2016-04-01）
刁明月[7]（2016）在《基于Copula函数的非寿险多元索赔准备金评估方法的研究》一文中研究指出非寿险索赔准备金评估方法是非寿险保险公司资产负债表中重要的一部分,也是中国保险监督管理协会对保险公司监管的评估手段。评估索赔准备金的方法可以分为一元索赔准备金评估方法和多元索赔准备金评估方法,一元索赔准备金评估方法是传统性方法,在实务操作中已经成为一种固定的体系,所以目前的研究均着重于多元索赔准备金评估方法上。而在概率论领域,解释多元相关性的一个比较实用的函数是Copula函数,其多用于金融股票领域,用于分析与估计不同股票的发展趋势或不同金融变量之间的相关性。本文基于以上背景,在多元索赔准备金评估方法上,对多元索赔准备金进展法和多元索赔准备金Munch链梯法进行改进。准备金进展法在确定性准备金进展法的基础上,加入变量的随机性因素,优化为随机性准备金进展法。本文在随机性准备金进展法的基础上,通过Copula函数估计具有随机性变量之间的相关性,将Copula函数独有的特征与准备金进展法相结合。同样的,链梯法也是传统的一元索赔准备金评估方法,其在前人的基础上,依次优化为了Munch链梯法、随机性Munch链梯法。本文首先使用非参数核密度的方法来估计变量之间的Copula函数,然后在随机性Munch链梯法的基础上,通过估计出的Copula函数来解释相关性,从而对随机性Munch链梯法进行优化改进。在实例分析部分,本文选择了在非寿险理论研究中具有代表性的累计已付赔款流量叁角形与累计已报案赔款流量叁角形进行数例分析。对于多元准备金进展法,分别计算与比较具有确定性的准备金进展法、具有随机性的准备金进展法与基于Copula函数的多元准备金进展法得出的索赔准备金的预测均方误差及其预测分布。类似地,对于多元Munch链梯法,比较Munch链梯法、具有随机性的Munch链梯法和多元Munch链梯法与Copula函数相结合所计算出的未决赔款准备金的预测分布与预测均方误差的大小。运用MATLAB数学软件和Bootstrap方法,比较结果可以看出,在预测均方误差的度量中,基于Copula函数的多元准备金进展法所得的值小于随机性准备金进展法所得值;基于Copula函数的多元Munch链梯法得出的值小于随机性Munich链梯法与Munich链梯法得出的值。这说明对Copula函数的引入是有效的。(本文来源于《沈阳工业大学》期刊2016-02-26）
陈静仁,王玉文[8]（2015）在《模糊数在链梯法索赔准备金中的应用》一文中研究指出使用非对称的叁角模糊数方法扩展了索赔准备金中经典的链梯法.我们得到损失进展因子和最终损失的新估计.使用模糊数的优点在于:感兴趣的变量的不确定性可以通过计算得到,并可以控制新的模糊索赔进展因子.主要集中在非对称叁角模糊方法,以应对在一个方向上有更强偏差的情形.(本文来源于《数学的实践与认识》期刊2015年17期）
段白鸽[9]（2014）在《基于相依结构的多元索赔准备金评估随机性方法研究评述》一文中研究指出索赔准备金评估方法的最新发展趋势是考虑相依结构的两类多元评估随机性方法,即将基于已决与已报案赔款之间的相关性、基于不同业务线之间的相依性体现在准备金评估的分析框架中。首先系统梳理两类多元评估随机性方法的最新进展,将一元评估方法的叁个层次(无分布假设、分布模型假设、在分层结构下考虑各种分布假设)扩展到两类多元评估方法中。在多元框架下,将多元统计分析方法、精算学中的相依风险建模方法(多元分布模型、概率联结函数、共单调技术)应用到这叁个层次中,探讨索赔准备金的均值和预测均方误差估计、预测分布的模拟问题。其次扩展考虑一元和多元框架下日益受到关注的含索赔通胀和会计年相依性问题。最后探讨这些评估方法在国外偿付能力监管中的应用。这将进一步拓展准备金评估不确定性风险度量的研究,推动精算学中定量风险管理技术的发展。(本文来源于《保险研究》期刊2014年09期）
段白鸽[10]（2014）在《贝叶斯非线性分层模型在多元索赔准备金评估中的应用》一文中研究指出本文地将贝叶斯非线性分层模型应用于基于不同业务线的多元索赔准备金评估中,设计了一种合适的模型结构,将非线性分层模型与贝叶斯方法结合起来,应用WinBUGS软件对精算实务中经典流量叁角形数据进行建模分析,并使用MCMC方法得到了索赔准备金完整的预测分布。这种方法扩展并超越了已有多元评估方法中最佳估计和预测均方误差估计的研究范畴。在贝叶斯框架下结合后验分布实施推断对非寿险公司偿付能力监管和行业决策具有重要作用。(本文来源于《数量经济技术经济研究》期刊2014年03期）
索赔准备金论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
负债经营是保险行业的一个显着的属性。保险公司通过管理和运作客户保费所形成的保险基金,达到风险分散化并赚取盈利的目的。但是保险公司对于客户的负债不确定性很高。就拿一份没有到期的保单为例,我们也不知道合同到期之前,保险事故是不是会发生。就算是得知了事故已经发生,也未必能快速确定最后需要赔偿的金额。所以,在一个固定的时间点,保险公司必然会统一评估这些没有到期的保单责任,并做出合理的资金预留。索赔准备金的概念就是从这里来的。在非寿险公司的资产负债表中,占比最大的一种负债一般都是索赔准备金。索赔准备金评估是否准确,直接关系到非寿险公司的赔偿能力是否足够,经营绩效是否可观。本文从测度论的角度出发,引入一个数学框架对索赔准备金展开研究,从理论上证明索赔准备金的鞅性,这是索赔准备金的预测及估计的理论基础。选取汽车保险数据作为评估对象,分别利用链梯法、B-F法,基于对数正态分布模型的随机性方法以及Kalnman滤波法对索赔准备金进行评估。链梯法和B-F法都是基于无分布假设的评估方法。作为进一步研究,考虑索赔准备金的概率分布,对数正态模型就是经典模型之一。但是叁种方法还是停留在静态分析,一旦历史数据出现重大波动或者离群点,对于这种波动或者离群点的处理都会影响评估结果的准确度。Kalman滤波作为一种动态方法,在工程上有着极广泛的研究应用。它迭代地更新参数值估计,自回归处理数据,能够很好地解决历史数据波动及离群点问题,故引入Kalman滤波对索赔准备金进行实证分析。可以看到,在Kalman滤波框架下,残差通过正态性检验,而且,进展年越长,Kalman滤波法优势越显着。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
索赔准备金论文参考文献
[1].孟生旺,王海淘.基于机器学习算法的个体索赔准备金评估模型[J].保险研究.2019
[2].高姣姣.基于车险的非寿险索赔准备金评估方法与实证研究[D].山东大学.2019
[3].郝君.基于随机森林的非寿险准备金索赔次数预测研究[D].天津财经大学.2018
[4].张林娜,温利民,王江峰,王伟.基于广义线性模型的个体索赔RBNS准备金评估[J].应用数学学报.2017
[5].俞雪梨,郝瑞丽.基于标值Cox过程的个体索赔准备金模型[J].应用概率统计.2016
[6].张林娜.基于广义线性模型的个体索赔责任准备金评估[D].江西师范大学.2016
[7].刁明月.基于Copula函数的非寿险多元索赔准备金评估方法的研究[D].沈阳工业大学.2016
[8].陈静仁,王玉文.模糊数在链梯法索赔准备金中的应用[J].数学的实践与认识.2015
[9].段白鸽.基于相依结构的多元索赔准备金评估随机性方法研究评述[J].保险研究.2014
[10].段白鸽.贝叶斯非线性分层模型在多元索赔准备金评估中的应用[J].数量经济技术经济研究.2014