×
张耀军;季兰鹏;乔治·艾瓦利奥提斯;查尔斯·泰勒

保险索赔频率的贝叶斯CART模型。 （英语） 兹比尔1532.91110

保险。数学。经济。 114, 108-131 (2024).
摘要：（非寿险）保险定价模型的准确性和可解释性是确保投保人保费公平透明的基本要素，反映了投保人的风险。近年来，分类和回归树（CART）及其集合在精算文献中越来越受欢迎，因为它们提供了良好的预测性能并且相对容易解释。本文介绍了用于保险定价的贝叶斯CART模型，重点介绍了索赔频率建模。除了用于索赔频率的常见泊松和负二项（NB）分布外，我们对零膨胀泊松（ZIP）分布实施了贝叶斯CART，以解决保险索赔数据不平衡带来的困难。为此，我们介绍了一种通用的MCMC算法，该算法使用数据增强方法进行后验树搜索。我们还介绍了树模型选择的偏差信息准则（DIC）。所提出的模型能够识别树木，从而更好地将保单持有人分为风险组。将使用仿真和实际保险数据来说明这些模型的适用性。

理学硕士：

91G05号 精算数学
62P05号 统计学在精算科学和金融数学中的应用

关键词：

贝叶斯CART;索赔频率;驾驶员信息中心;保险定价;MCMC公司;负二项分布;零膨胀泊松分布

软件：

贝叶斯树;r零件;巴蒂;mpbart公司;保险数据;巴特;bart机器
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhang}等人，《保险》。数学。经济。114、108——131（2024年；Zbl 1532.91110）
全文： 内政部 arXiv公司
OA许可证

参考文献：

[1] Arsov，N。；巴甫洛夫斯基，M。；Kocarev，L.，决策树的稳定性和逻辑回归（2019），预印本
[2] Athreya，K.B。；Ney，P.E.，《分支流程》（2004），Courier Corporation·Zbl 1070.60001号
[3] 班纳吉，M。；丁，Y。；Noone，A.-M.，从集合中识别代表树。《医学统计》，第15期，1601-1616页（2012年）
[4] 布莱奇，J。；Kapelner，A。；E.I.乔治。；Jensen，S.T.，BART的变量选择：基因调控的应用。应用统计年鉴，31750-1781（2014）·Zbl 1304.62132号
[5] Blier-Wong，C。；Cossette，H。；拉蒙塔涅，L。；Marceau，E.，《P&C保险中的机器学习：定价和准备金的回顾》。风险，1,4（2020年）
[6] 布雷曼，L。；弗里德曼，J。；斯通，C.J。；Olshen，R.A.，《分类和回归树》（1984），CRC出版社·Zbl 0541.62042号
[7] Bühlmann，H。；Gisler，A.，《可信性理论及其应用课程》，第317卷（2005），Springer·Zbl 1108.91001号
[8] Celeux，G。；福布斯，F。；罗伯特·C·P。；Titterington，D.M.，缺失数据模型的偏差信息标准。贝叶斯分析，4651-673（2006）·Zbl 1331.62329号
[9] 奇普曼，H。；McCulloch，R.E.，贝叶斯推车收缩的等级先验。统计与计算，17-24（2000）
[10] Chipman，H。；乔治·E。；McCulloch，R.，贝叶斯树广义线性模型。贝叶斯统计，323-349（2003）
[11] Chipman，H.、George，E.、Hahn，R.、McCulloch，R.、Pratola，M.、Sparapani，R.，2014年。贝叶斯加性回归树，计算方法，Wiley StatsRef:在线统计参考，第1-23页。
[12] Chipman，H.A。；E.I.乔治。；McCulloch，R.E.，贝叶斯CART模型搜索。《美国统计协会杂志》，443935-948（1998）
[13] Chipman，H.A。；E.I.乔治。；McCulloch，R.E.，《管理多个模型》，41-48
[14] Chipman，H.A。；E.I.乔治。；McCulloch，R.E.，贝叶斯树模型。机器学习，1299-320（2002）·Zbl 0998.68072号
[15] Chipman，H.A。；E.I.乔治。；McCulloch，R.E.，BART：贝叶斯加性回归树。应用统计年鉴，1266-298（2010）·Zbl 1189.62066号
[16] Denison，D.G。；马利克，B.K。；Smith，A.F.，贝叶斯CART算法。《生物特征》，2363-377（1998）·Zbl 1048.62502号
[17] Denuit，M。；Trufin，J.，《精算师有效统计学习方法》（2019年），施普林格出版社·Zbl 1426.62003年
[18] Denuit，M。；Maréchal，X。；皮特雷比斯，S。；Walhin，J.-F.，《理赔精算模型：风险分类、可信度和奖金-马卢斯系统》（2007），John Wiley&Sons·Zbl 1168.91001号
[19] Denuit，M。；Charpentier，A。；Trufin，J.，Autocalibration和Tweedie在机器学习保险定价方面的优势。保险：数学与经济学，485-497（2021）·Zbl 1475.91295号
[20] 迪博尔特，J。；Robert，C.P.，通过贝叶斯抽样估计有限混合分布。英国皇家统计学会杂志，B辑，方法学，2363-375（1994）·Zbl 0796.62028号
[21] Gelman，A。；黄，J。；Vehtari，A.，理解贝叶斯模型的预测信息标准。统计与计算，1997年至2016年6月（2014年）·Zbl 1332.62090号
[22] George，E.I.，贝叶斯模型选择
[23] Green，P.J.，可逆跳跃MCMC计算和贝叶斯模型确定。《生物特征》，711-732（1995）·Zbl 0861.62023号
[24] He，J。；雅洛夫，S。；Hahn，P.R.，XBART：加速贝叶斯加性回归树，1130-1138
[25] Henckaerts，R。；安东尼奥，K。；克里斯特尔斯，M。；Verbelen，R.，构建保险费率类别的数据驱动装箱策略。斯堪的纳维亚精算杂志，8681-705（2018）·Zbl 1418.91241号
[26] Henckaerts，R。；科特，M.-P。；安东尼奥，K。；Verbelen，R.，使用基于树的机器学习方法促进对保险费率计划的洞察。北美精算杂志，2255-285（2021）·Zbl 1475.91306号
[27] 希尔，J。；Linero，A。；Murray，J.，《贝叶斯加性回归树：回顾与展望》。统计及其应用年鉴，251-278（2020年）
[28] 胡，C。；Z.Quan。；Chong，W.F.，在基于树的模型中使用修改的损失函数进行保险的非平衡学习。保险：数学与经济学，13-32（2022）·Zbl 1498.91360号
[29] Kapelner，A。；Bleich，J.，BartMachine:使用贝叶斯加性回归树的机器学习（2013），arXiv预印本
[30] 金多，B.P。；Wang，H。；Peña，E.a.，多项式概率贝叶斯加性回归树。统计，1119-131（2016）
[31] Lee，S.C.，Delta促进了精算定价中负二项回归的实施。风险，1,19（2020）
[32] Lee，S.C.，通过零膨胀泊松回归和增强处理不平衡保险数据。ASTIN公告：IAA杂志，1，27-55（2021）·兹比尔1471.91466
[33] Lindholm，M。；Lindskog，F。；Palmquist，J.，《局部偏差调整、持续时间加权概率和电价单元的自动构建》，2022年10月24日
[34] Linero，A.R.，基于树的贝叶斯方法综述。统计应用和方法通信，6543-559（2017）
[35] Linero，A.R.，用于高维预测和变量选择的贝叶斯回归树。美国统计协会期刊，522626-636（2018）·Zbl 1398.62065号
[36] Linero，A.R。；Yang，Y.，Bayesian回归树集成适应平滑度和稀疏度。英国皇家统计学会杂志，B辑，统计方法，5，1087-1110（2018）·Zbl 1407.62138号
[37] Linero，A.R。；辛哈，D。；Lipsitz，S.R.，使用共享贝叶斯森林的半参数混合尺度模型。生物计量学，131-144（2020）·Zbl 1451.62127号
[38] 刘，Y。；罗奇科娃，V。；Wang，Y.，用ABC贝叶斯森林进行变量选择。英国皇家统计学会杂志，B辑，统计方法，3453-481（2021）·Zbl 07555492号
[39] 孟，S。；高，Y。；Huang，Y.，《汽车保险精算智能：具有驾驶行为特征和改进的提升树的索赔频率建模》。保险：数学与经济学，115-127（2022）·Zbl 1503.91092号
[40] 孟，X.-L。；Van Dyk，D.A.，通过条件和边缘增强寻求有效的数据增强方案。《生物特征》，2301-320（1999）·Zbl 1054.62505号
[41] Murray，J.S.，多项式逻辑回归和计数回归模型的对数线性贝叶斯加性回归树。美国统计协会杂志，534756-769（2021）·Zbl 1464.62352号
[42] 纳亚，H。；尤里奥斯特，J.I。；Chang，Y.-M。；罗德里格斯-莫塔，M。；Kremer，R。；Gianola，D.，泊松和零膨胀泊松回归模型之间的比较，以及对科里代尔羊黑点数量的应用。遗传选择进化，1-16（2008）
[43] Nelder，J.A。；Wedderburn，R.W.，广义线性模型。英国皇家统计学会杂志。A系列概述，370-384（1972）
[44] Ohlsson，E。；Johansson，B.，《广义线性模型下的非人寿保险定价》，第174卷（2010年），施普林格出版社·Zbl 1194.91011号
[45] 普拉多，E.B。；A.C.帕内尔。；墨菲，K。；麦克詹姆斯，N。；奥谢，A。；Moral，R.A.，半参数贝叶斯加性回归树中共享协变量的核算（2021），arXiv预印本
[46] Pratola，M.T.，《贝叶斯回归树模型的高效大都会-黑斯廷斯提案机制》。贝叶斯分析，3885-911（2016）·Zbl 1357.62178号
[47] Quan，Z.，《基于树模型的保险分析》（2019年），康涅狄格大学，博士论文
[48] 罗科娃，V。；Van der Pas，S.，贝叶斯回归树和森林的后验集中。《统计年鉴》，4，2108-2131（2020）·Zbl 1459.62057号
[49] Rodrigues，J.，零膨胀分布的贝叶斯分析。统计学中的传播——理论与方法，2281-289（2003）·Zbl 1024.62009年
[50] Saha，E.，广义贝叶斯加性回归树的后验集中理论（2023），arXiv预印本
[51] 斯巴帕尼，R。；斯潘鲍尔，C。；McCulloch，R.，《贝叶斯加性回归树的非参数机器学习和高效计算：BART R包》。统计软件杂志，1-66（2021）
[52] 施皮盖尔哈特，D.J。；贝斯特，N.G。；卡林，B.P。；Van Der Linde，A.，模型复杂性和拟合的贝叶斯度量。英国皇家统计学会杂志，B辑，统计方法，4583-639（2002）·Zbl 1067.62010年
[53] 施皮盖尔哈特，D.J。；贝斯特，N.G。；卡林，B.P。；Van der Linde，A.，《偏差信息标准：12年后》，《皇家统计学会期刊》，B辑，统计方法，3485-493（2014）·兹比尔1411.62027
[54] Tanner，医学硕士。；Wong，W.H.，通过数据增强计算后验分布。《美国统计协会杂志》，398528-540（1987）·Zbl 0619.62029号
[55] 塞尔诺，T。；Atkinson，B.，rpart:递归分区和回归树，R包版本4.1-15（2019），[在线]。可用
[56] Van Dyk，D.A。；Meng，X.-L.，数据扩充的艺术。计算与图形统计杂志，1，1-50（2001）
[57] 渡边，S。；Opper，M.，Bayes交叉验证的渐近等价性和奇异学习理论中广泛适用的信息准则。机器学习研究杂志，12（2010）
[58] Wolny-Dominiak，A。；Trzesiok，M.，《保险数据：非寿险风险分类中有用的保险数据集集合》，R包1.0版（2014年），[在线]。可用
[59] Wu，Y。；Tjelmeland，H。；West，M.，Bayesian CART：先验规范和后验模拟。计算与图形统计杂志，144-66（2007）
[60] Wuthrich，M。；Merz，M.，精算学习的统计基础及其应用。施普林格精算师（2022），可从SSRN获得
[61] Wüthrich，M.V.，一般保险定价神经网络模型中的偏差正则化。《欧洲精算杂志》，1179-202（2020）·Zbl 1452.91282号
[62] Wuthrich，M.V.，2022年。非生命保险：数学与统计。可从SSRN 2319328获得。
[63] Wüthrich，M.V.，神经网络建模中的平衡特性。统计理论及相关领域，1,1-9（2022）·Zbl 07660283号
[64] Wuthrich，M.V。；Buser，C.，《非寿险定价数据分析（2022）》，2023年1月9日。SSRN提供
[65] 周，M。；李，L。；邓森，D。；Carin，L.，对数正态和伽马混合负二项回归，1343
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。