基于BP 神經網絡的車險續保概率研究

張煦

（西華大學，四川 成都610039）

圖1

利用訓練樣本對BP 神經網絡進行迭代訓練，當MSE1<0.01時，輸入檢驗樣本進行網絡檢驗，當檢驗樣本的輸出誤差MSE2滿足誤差要求時，結束對網絡的訓練；當其不滿足時，繼續對網絡進行訓練。重復該過程，直到檢驗樣本的輸出誤差滿足誤差要求。[4]訓練完成后的網絡可以進行客戶續保率的預測，本文利用了約2100 組客戶記錄進行測試，通過統計分析得到了該BP神經網絡的總體誤差分析（見圖2、圖3）。

圖2

對訓練樣本、檢驗樣本和測試數據分別計算實際輸出與期望輸出的誤差（MSE），見表1。

表1

由于篇幅原因，本文詳細展示該BP 神經網絡對10 個客戶續保概率的預測和他們實際的續保情況（見表2），其中保單號是隨機抽取的。

表2

同時，對參與預測的約2100 組數據的實際輸出的誤差整體分布進行統計比對（見圖3），可知該網絡的性能較好，實際輸出的誤差基本均在可接受范圍內，對客戶的續保率預測較為準確，該網絡得到的續保率預測結果可以作為下一步銷售側重點的參考。

圖3

4 結論

BP 神經網絡有很強的非線性映射能力，非常適合解決有大量樣本數據的非線性問題?？蛻衾m保率與諸多因素有關，且因素間存在相互影響，屬于內部機制復雜的非線性問題，所以采用構建BP 神經網絡的方法進行預測可以該預測的準確性，得到的續保率可以對下一步的營銷計劃產生積極的指導意義。

在實際營銷中，對客戶續保率的預測是十分有必要的，一方面便于企業制定更加適合客戶的保險方案，另一方面便于企業了解市場需求，精確制定營銷策略和產品方案。