排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
在非寿险索赔强度预测中,目前使用最为广泛的是广义线性模型。索赔强度的广义线性模型假设因变量服从伽马分布或逆高斯分布,且在预测项中仅能考虑协变量的线性效应。这些限制性条件都有可能影响索赔强度预测结果的准确性。本文对索赔强度的广义线性模型进行了推广:用偏T分布代替常用的伽马分布和逆高斯分布;在预测项中引入惩罚样条函数来描述连续型协变量的非线性效应;考虑索赔强度在不同地区的差异性和相邻地区的相依性。最后基于一组实际的车损险数据进行了实证研究,结果表明,本文的推广模型可以明显提高索赔强度预测模型的拟合优度。 相似文献
2.
在非寿险索赔频率预测中,使用最为广泛的是广义线性模型.但是,如果观察数据呈现出明显的零膨胀特征,或者包含空间协变量,或者某些协变量之间具有分层结构,则广义线性模型的拟合优度往往欠佳.在零膨胀分布假设下,建立了考虑空间效应的贝叶斯分层模型,并将其应用于索赔频率预测.在模型中,用惩罚样条函数描述连续型协变量的非线性效应,用高斯马尔科夫随机场描述相邻地区在索赔频率上的空间相依性,用随机截距项描述不同地区在索赔频率上的分层关系和差异性.实证研究结果表明,考虑空间效应的贝叶斯分层模型的拟合优度明显优于传统的广义线性模型. 相似文献
1