c*****r 发帖数: 156 | 1 请问汽车保费计算一般是使用什么模型,都会考虑哪些变量啊?
另外,在保险公司中怎么使用decision tree呢?
谢谢! |
c**b 发帖数: 661 | 2 rating一般用GLM,decision tree一般别的部门用的多些,比如marketing
【在 c*****r 的大作中提到】 : 请问汽车保费计算一般是使用什么模型,都会考虑哪些变量啊? : 另外,在保险公司中怎么使用decision tree呢? : 谢谢!
|
c*****r 发帖数: 156 | 3 谢谢!能具体说说该怎么用么?
比如一般都是用GLM里面的什么link function呢?还有该怎么选取variable啊?(比如
要考虑很多因素:location,age,driving history,etc.)
【在 c**b 的大作中提到】 : rating一般用GLM,decision tree一般别的部门用的多些,比如marketing
|
G*****u 发帖数: 1222 | 4 http://www.casact.org/library/studynotes/anderson9.pdf
有空可以看看这本书
是exam9的text之一
link function取决你要model什么response variable
predictive variable的选取需要由response variable以及相应的产品来决定
club老哥 对吧?
【在 c*****r 的大作中提到】 : 谢谢!能具体说说该怎么用么? : 比如一般都是用GLM里面的什么link function呢?还有该怎么选取variable啊?(比如 : 要考虑很多因素:location,age,driving history,etc.)
|
c**b 发帖数: 661 | 5 haha,你准备的不错,good luck!
【在 G*****u 的大作中提到】 : http://www.casact.org/library/studynotes/anderson9.pdf : 有空可以看看这本书 : 是exam9的text之一 : link function取决你要model什么response variable : predictive variable的选取需要由response variable以及相应的产品来决定 : club老哥 对吧?
|
c*****r 发帖数: 156 | 6 多谢二位!~
我不是精算的,所以对这些都不太了解。
那再请问一下,spline在精算里面是怎么用来计算保费之类的呢?
我一直觉得spline是很math的东西~~ |
c**b 发帖数: 661 | 7 Spline在GLM应该是帮助smooth curve的,GLM不能做credibility
所以就需要融入一些smoothing technology
【在 c*****r 的大作中提到】 : 多谢二位!~ : 我不是精算的,所以对这些都不太了解。 : 那再请问一下,spline在精算里面是怎么用来计算保费之类的呢? : 我一直觉得spline是很math的东西~~
|
c*****r 发帖数: 156 | 8 你说的credibility是指credit score么?我能理解GLM得出来的结果是discrete的,所
以需要用smoothing technology去得到一条quantifiable curve.不知道我的理解对不
对?
那kernel smoothing在保险业中也会用到么?
再次感谢~!
【在 c**b 的大作中提到】 : Spline在GLM应该是帮助smooth curve的,GLM不能做credibility : 所以就需要融入一些smoothing technology
|
c**b 发帖数: 661 | 9 不是credit score,是指某些group数据太少,对应拟出来的值没有credibility
所以就需要一些办法
kernel smoothing我就母鸡了
【在 c*****r 的大作中提到】 : 你说的credibility是指credit score么?我能理解GLM得出来的结果是discrete的,所 : 以需要用smoothing technology去得到一条quantifiable curve.不知道我的理解对不 : 对? : 那kernel smoothing在保险业中也会用到么? : 再次感谢~!
|
c*****r 发帖数: 156 | 10 多谢大哥!
【在 c**b 的大作中提到】 : 不是credit score,是指某些group数据太少,对应拟出来的值没有credibility : 所以就需要一些办法 : kernel smoothing我就母鸡了
|
p**b 发帖数: 1808 | 11 niu!
learned a lot too. |