利用基于树的机器学习方法提高保险费率计划的洞察力
作者
摘要
建议引用
从出版商下载全文
引文
Freek Holvoet和Katrien Antonio&Roel Henckaerts,2023年。 " 具有频率和严重性数据的保险定价神经网络:从数据预处理到技术费率的基准研究 ," 论文 2310.12671,arXiv.org,2023年10月修订。 张耀军(Zhang,Yaojun)和季(Ji)、兰鹏(Lanpeng)和艾瓦利奥蒂斯(Aivaliotis)、乔治欧斯(Georgios)和泰勒(Taylor)、查尔斯(Charles),2024年。 " 保险索赔频率的贝叶斯CART模型 ," 保险:数学与经济学 爱思唯尔,第114(C)卷,第108-131页。 Zuleyka Díaz Martínez&JoséFernández Menéndez&Luis Javier García Villalba,2023年。 " 汽车保险中的费率分析:是时候从广义线性模型转换为广义加性模型了吗? ," 数学 ,MDPI,第11卷(18),第1-16页,9月。 Zhiyu Quan、Changyue Hu、Panyi Dong和Emiliano A.Valdez,2024年。 " 利用保险技术创新改进商业保险损失模型 ," 论文 2401.16723,arXiv.org。 本杰明·阿文齐(Benjamin Avanzi)、格雷格·泰勒(Greg Taylor)、梅兰塔·王(Melantha Wang)和伯纳德·王(Bernard Wong),2023年。 " 精算应用中具有高心智分类特征的机器学习 ," 论文 2301.12710,arXiv.org。 Marian Reiff&ErikŠoltés&Silvia Komara&TatianaŠoltésová&Silvia Zelinová,2022年。 " 基于对比分析的机动车第三方责任保险索赔严重性分割与估计 ," 平衡。 《经济学与经济政策季刊》 《经济研究所》,第17卷(3),第803-842页,9月。 Verschuren,Robert Matthijs,2022年。 " 基于潜在马尔科夫风险预测的频率-可靠性经验评级 ," 保险:数学与经济学 爱思唯尔,第107(C)卷,第379-392页。 托马斯·普菲纳斯(Thomas Poufinas)、佩里克利斯·戈加斯(Periklis Gogas)、提奥菲洛斯·帕帕迪米特里奥(Theophilos Papadimitriou)和埃马努伊尔·扎加尼迪斯(Emmanouil Zaganidis),202。 " 机器学习在汽车保险理赔预测中的应用 ," 风险 ,MDPI,第11卷(9),第1-19页,9月。 埃默·欧文斯(Emer Owens)、巴里·希恩(Barry Sheehan)、马丁·马林斯(Martin Mullins)、马汀·库尼恩(Martine Cunneen)、朱利安·雷塞尔(Juliane Ressel)和德国人卡斯蒂尼亚尼(Germa。 " 保险业中的可解释人工智能(XAI) ," 风险 ,MDPI,第10卷(12),第1-50页,12月。 Catalina Lozano Murcia和Francisco P.Romero&Jesus Serrano Guerrero&Jose A.Olivas,2023年。 " 精算环境下分类和回归问题的可解释机器学习方法比较 ," 数学 ,MDPI,第11卷(14),第1-20页,7月。 Codru a Mare&Daniela Mana&Gabriela Mihaela Murešan&Simona Laura Dragoš&Cristian Mihai Dragoñ&Alexandra Anca Purcel,2022年。 " 罗马尼亚农民购买农作物保险的机器学习模型 ," 数学 ,MDPI,第10卷(19),第1-13页,10月。 胡长岳、全、志宇、冲、永丰,2022年。 " 基于树模型中基于改进损失函数的保险非平衡学习 ," 保险:数学与经济学 爱思唯尔,第106(C)卷,第13-32页。 高,丽莎和石,彭,2022。 " 利用高分辨率天气信息预测冰雹损失索赔:复制点模式的空间点过程 ," 保险:数学与经济学 ,爱思唯尔,第107卷(C),第161-179页。 Gu,Zheng&Li,Yunxian&Zhang,Minghui&Liu,Yifei,2023年。 " 使用回归森林模拟地震造成的经济损失:应用于参数保险 ," 经济建模 爱思唯尔,第125(C)卷。