关键词：汽车保险 机器学习 变量重要性 随机森林 xgboost 

摘要：车险业务中影响车险损失的风险因子很多,如从人因子、从车因子、从属地因子和保单属性因子等,保险公司通常利用这些风险因子对个体风险进行分类,一方面作为车险定价的依据,另一方面也为部门沟通、业务选择和市场细分提供支持。因此,识别风险因子的重要性对提升整个车险业务质量有非常重要的意义。近年来机器学习算法在车险损失预测中的应用越来越多,但目前的研究主要考虑了损失预测的精度,对风险因子的重要性测度缺少系统深入的研究。为此,本文对8个车险数据集,利用两种集成学习方法(随机森林和XGBoost),比较了它们与广义线性回归模型在索赔频率风险因子重要性测度上的一致性。研究结果表明,这两种集成学习方法不仅能提高预测精度,还能提供较一致的风险因子重要性测度。

保险研究杂志要求:

{1}正文前要有300字左右的中文摘要，3～6条中文关键词，中图分类号，与中文对应的英文题目、摘要和关键词，参考文献完整。

{2}来稿切勿一稿数投。因经费和人力有限,恕不退稿,投稿一个月内作者会收到评审意见。

{3}来稿一经接受刊登，由作者亲笔签署论文专有使用权授权书，该论文的专有使用权即归本刊编辑部所有。

{4}作者名字后加*脚注，注明作者所在单位、职称（职务）、学位、通讯地址、联系电话。

{5}本刊采用顺序编码制标注参考文献，文献序号按出现先后排序，并在文中相应处标出。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社