基于貝葉斯分類器的續(xù)保概率預(yù)測

黃山　尹龍威　孫海晨

摘要：近年來，國際保險(xiǎn)行業(yè)穩(wěn)步開展，機(jī)動(dòng)車保險(xiǎn)在我國的財(cái)險(xiǎn)保費(fèi)中所占比重最大。隨著我國汽車保有輛的持續(xù)增加和相關(guān)車險(xiǎn)政策的出臺(tái)，投保率也呈持續(xù)上升趨勢。如何能精準(zhǔn)判定客戶續(xù)保概率至關(guān)重要。為此本文建立一個(gè)預(yù)測客戶續(xù)保概率模型，首先將影響車險(xiǎn)業(yè)務(wù)的因素潛在風(fēng)險(xiǎn)進(jìn)行劃分，分別從“人”、 “車”、 “環(huán)境”三個(gè)方面考慮風(fēng)險(xiǎn)因素，對(duì)各項(xiàng)指標(biāo)進(jìn)行風(fēng)險(xiǎn)系數(shù)的劃分以及客戶精準(zhǔn)畫像，然后以上述的風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)系數(shù)和是否續(xù)保作為輸入因素指標(biāo)和目標(biāo)類別，對(duì)貝葉斯分類器進(jìn)行訓(xùn)練學(xué)習(xí)，利用貝葉斯分類器對(duì)不同客戶進(jìn)行續(xù)保概率求解，從1 000組數(shù)據(jù)的訓(xùn)練樣本學(xué)習(xí)后的貝葉斯分類器分類精準(zhǔn)度在80%左右，相對(duì)準(zhǔn)確的從對(duì)客戶的畫像中得到了該客戶續(xù)保的概率。

關(guān)鍵詞：貝葉斯分類器;客戶畫像;續(xù)保概率;風(fēng)險(xiǎn)因素

0.引言

中國目前的車險(xiǎn)費(fèi)率制度，大多數(shù)符合“從車主義”。即車險(xiǎn)保費(fèi)多少，主要取決于這輛車本身的各項(xiàng)情況，如車的購置價(jià)、座位數(shù)、排量、購車年限等，根據(jù)這些數(shù)據(jù)計(jì)算出一個(gè)基本的車險(xiǎn)保費(fèi)價(jià)格，再根據(jù)這輛車的上年理賠次數(shù)來打不同的折扣[2]。這就導(dǎo)致了中國的車險(xiǎn)定價(jià)模式非常的單調(diào)，相似情況的車型，保費(fèi)也都差不多。想要改變這種狀況就需要使其變?yōu)椤皬娜酥髁x”。需要對(duì)客戶進(jìn)行精準(zhǔn)畫像也需要對(duì)客戶是否續(xù)保概率進(jìn)行預(yù)測。

1.客戶精準(zhǔn)畫像

本文從三個(gè)大方向車輛、環(huán)境、人;10個(gè)小方向種類、年齡、性別、NCD等對(duì)客戶進(jìn)行精準(zhǔn)畫像。針對(duì)重要的文字信息，本文通過風(fēng)險(xiǎn)厘定將文字信息轉(zhuǎn)化為了數(shù)字信息[1]。下面將選取這些數(shù)字信息以概率統(tǒng)計(jì)的方法對(duì)客戶進(jìn)行精準(zhǔn)畫像。

2.貝葉斯分類器

在上文我們對(duì)客戶車險(xiǎn)的風(fēng)險(xiǎn)因素劃分了風(fēng)險(xiǎn)系數(shù)，將以上劃分標(biāo)準(zhǔn)作為類別集合，利用貝葉斯分類器對(duì)已有數(shù)據(jù)中的客戶進(jìn)行分類，得到客戶的精準(zhǔn)畫像。利用風(fēng)險(xiǎn)系數(shù)計(jì)算各類客戶的續(xù)保概率。貝葉斯分類器是一種分類的算法，但他是以概率統(tǒng)計(jì)的方法對(duì)類別進(jìn)行劃分。利用概率統(tǒng)計(jì)中的貝葉斯公式進(jìn)行計(jì)算，算法的特點(diǎn)就是不會(huì)確定樣本的類別，而是以概率的形式告訴這個(gè)樣本有多大可能屬于這一類。本文將續(xù)保不續(xù)保分為兩類，這樣通過將所得數(shù)據(jù)輸入分類器進(jìn)行學(xué)習(xí)。當(dāng)在輸入客戶得這些信息時(shí)，貝葉斯模型就會(huì)得到該客戶續(xù)保得概率[3]。

貝葉斯分類法基于簡單的貝葉斯公式（1），即通過某對(duì)象的先驗(yàn)概率計(jì)算其后驗(yàn)概率，選擇具有最大后驗(yàn)概率的類作為該對(duì)象所屬的類[4].

根據(jù)貝葉斯公式（2）分別計(jì)算P（Y1|x）2P（y2|x），…，P（ym|x），其中，由于假設(shè)X中各個(gè)特征屬性是服從正態(tài)分布且條件獨(dú)立的，因此P（X|yj）可由式（3）計(jì)算，P（xi|yj）可由式（4）計(jì)算。

從P（y1| x），P（y2x|），…，P（ym|x）中找到最大值，對(duì)應(yīng)的yj即為X所屬的類。由于P（X）是一定的，要求使得P（yj|x）最大的yj值，即為求使得P（X|yj）P（yj）最大的yj值，即為式（5）。

本文以同品牌同車系的1000組大眾帕塞特客戶相關(guān)信息輸入貝葉斯分類器進(jìn)行學(xué)習(xí)。另找了10個(gè)大眾帕塞特客戶的信息輸入已經(jīng)訓(xùn)練好的貝葉斯分類器模型進(jìn)行檢驗(yàn)。

3.結(jié)論

選取10個(gè)大眾帕塞特客戶的信息輸入已經(jīng)訓(xùn)練好的貝葉斯分類器模型進(jìn)行檢驗(yàn)，結(jié)果如下：

從1000組數(shù)據(jù)的訓(xùn)練樣本學(xué)習(xí)后的貝葉斯分類器分類精準(zhǔn)度可以在80%。而且也成功的從對(duì)客戶的畫像中得到了該客戶續(xù)保的概率。

參考文獻(xiàn)

[1]李敬.中國商業(yè)車險(xiǎn)費(fèi)率市場化改革下多因子定價(jià)模型研究[D].電子科技大學(xué)，2018.

[2]胡伊.基于多源數(shù)據(jù)的車輛風(fēng)險(xiǎn)分析與保險(xiǎn)定價(jià)模型研究[D].中央財(cái)經(jīng)大學(xué)，2016.

[3]王夢晨.A公司車險(xiǎn)業(yè)務(wù)續(xù)保率影響因素研究[D].湖南大學(xué)，2017.

[4]刁海軍，尹釗.一種基于樸素貝葉斯分類算法的數(shù)據(jù)預(yù)測[J].電大理工，2018（ 04）：1-3.