趙玲君


摘要我國保險業正處于快速增長期,而信息時代的到來,允許車險企業可以通過數字化技術更加精準地定制營銷和服務方案。本文基于車險公司數據庫進行數據挖掘,將Logistic多元回歸模型應用在事故率的預測中,獲取對事故率影響最大的三個變量,并且提出基于聚類分析和決策樹算法的續保率預測模型以進行優化,最終達到提高續保率的效果。
關鍵詞 Logistic多元回歸模型;聚類分析;Cart決策樹
一、背景與研究意義
我國保險業正處于快速增長期。一方面,由于收入水平的提升,居民對健康和安全有了更高要求,進而對保險的需求有所提升;另一方面,互聯網金融、大數據、云計算等科技的發展,為保險業的發展帶來巨大機遇。在高速發展的保險市場中,車險作為我國滲透率最高的險種,其發展面臨著巨大的機遇和挑戰。
近年來,一大批保險公司互聯網公司開始利用技術支持或合作等方式,介入UBl車險行列。UBl車險區別于傳統車險按車型和歷史出險記錄定價的定價方式,旨在通過采集車主駕車的相關使用數據,來掌握車主駕駛行為,從而根據風險進行相應的車險定價[1]。
目前很多保險公司開始大力推進電銷和網銷,這樣可以直接獲取一手信息。通過直接從客戶獲取駕駛習慣信息,能更加精準地了解客戶,制定營銷和服務方案。
二、Logistic多元回歸模型
Logistic回歸是分類資料回歸分析的一種,而且是最基礎的一種。Logistic回歸中,變量既可以是連續的,也可以是分類的。Logistic回歸的實質是:發生概率除以沒有發生概率再取對數,從而改變取值區間的矛盾和因變量自變量間的曲線關系。
我們采用多元的logistic回歸模型[2]:
之后將變量及維度代入模型進行回歸求解,即可求出對是否出事故影響因素最大的因素。經過簡單分析得到:連續駕駛時間對于事故率的影響最為顯著。本文認為連續駕車時間影響事故率主要有以下原因:一是長時間目視前方使眼睛疲勞;二是壓抑感;三是長時間駕駛導致注意力不集中,不能夠做出即時反應,甚至于當危險突然出現的時候,會產生頭腦瞬間崩潰的現象[3]。
駕駛速度和急加速急減速發生頻率也是影響事故率的重要因素。駕駛員駕駛速度越大,越容易出事故,主要原因有:一是車速越快,車輛會變得越加難以操控;二是剎車距離隨車速提升而增加,增大事故發生的可能性[嗍。急加速急減速發生頻率增大,出事故的概率上升。是因為急加速急減速發生頻率高的駕駛員,駕駛習慣較差,更易出現急躁情緒,出事故的概率大大提升[5]。
三、基于聚類分析和決策樹算法的續保率預測模型
決策樹學習是以實例為基礎的監督歸納學習算法,最著名的決策樹算法有ID3、C415、CART等[6]。因為輸入數據集不確定,因此采用CART算法m。
系統聚類算法能夠對續保概率進行聚類,將此結果作為CART決策樹算法的輸出。將問卷數據作為決策樹的輸入。運用CART算法形成影響因素與續保概率之間的分類規則,最后運用規則對續保概率進行預測。
先尋找與續保概率相關的影響因素,將這些因素作為決策樹的輸入,運用決策樹算法形成影響因素與續保概率之間的分類規則,之后運用已有規則對客戶的續保概率進行預測。
通過聚類分析,將續保概率劃分為“可能性較大,待定,不可能”三個層級,然后建立多方面影響因素的屬性集合,Cart決策樹將屬性集合與從聚類中得到的三個層級聯系起來,從而得到屬性集合與續保概率區間的關聯規則,運用所有收集到的數據進行訓練和測試,得到最終從葉子結點到根節點權重逐漸增加的決策樹。
通過對最終決策樹的分析,可以得出影響客戶續保概率高低的因素的權重。從一級影響因素到五級影響因素權重依次降低,保險公司可以針對權重較高的影響因素推出相應的方案。
參考文獻:
[1]蔣煒.車險定價可否與駕駛習慣掛鉤[N].解放日報,2017-12-12(13)
[2]韓中庚.數學建模方法及其應用[M]2版.北京:高等教育出版社.2008
[3]劉秀,王長君,何慶.疲勞駕駛交通事故的特點分析與預防[J]中國安全生產科學技術,2008,4 (1):128-131.Ll UXiu,WANGChang-jun. HE Qing. Characteristic analy-sis and prevention of trafficaccidents by fatigue drivingU] Journal of Safty Science and Technology.2008.4(1):128-131. (in Chinese)
[4]駕駛行為理論模型研究概述[J]張鳳,李永娟,蔣麗.中國安全科學學報2010(02)
[5]憤怒情緒下的汽車駕駛行為特征及其對交通安全的影響研究[D].雷虎武漢理工大學2011
[6]基于多元回歸模型的個私從業人數影響因素的實證分析[J]王亞榮江漢大學學報(自然科學版)2017(01)
[7]中國上市公司戰略與企業社會責任相關性研究[J]徐娟北京城市學院學報2017(02)