關鍵詞：汽車保險 機器學習 變量重要性 隨機森林 xgboost 

摘要：車險業務中影響車險損失的風險因子很多,如從人因子、從車因子、從屬地因子和保單屬性因子等,保險公司通常利用這些風險因子對個體風險進行分類,一方面作為車險定價的依據,另一方面也為部門溝通、業務選擇和市場細分提供支持。因此,識別風險因子的重要性對提升整個車險業務質量有非常重要的意義。近年來機器學習算法在車險損失預測中的應用越來越多,但目前的研究主要考慮了損失預測的精度,對風險因子的重要性測度缺少系統深入的研究。為此,本文對8個車險數據集,利用兩種集成學習方法(隨機森林和XGBoost),比較了它們與廣義線性回歸模型在索賠頻率風險因子重要性測度上的一致性。研究結果表明,這兩種集成學習方法不僅能提高預測精度,還能提供較一致的風險因子重要性測度。

保險研究雜志要求:

{1}正文前要有300字左右的中文摘要，3～6條中文關鍵詞，中圖分類號，與中文對應的英文題目、摘要和關鍵詞，參考文獻完整。

{2}來稿切勿一稿數投。因經費和人力有限,恕不退稿,投稿一個月內作者會收到評審意見。

{3}來稿一經接受刊登，由作者親筆簽署論文專有使用權授權書，該論文的專有使用權即歸本刊編輯部所有。

{4}作者名字后加*腳注，注明作者所在單位、職稱（職務）、學位、通訊地址、聯系電話。

{5}本刊采用順序編碼制標注參考文獻，文獻序號按出現先后排序，并在文中相應處標出。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社