基于BP神经网络的车险续保概率研究

为了研究预测某保险公司客户车险续保率,本文建立了BP神经网络,利用以往约14175条有效的客户续保记录对该网络进行训练、检验。采用Levenberg-Marquardt训练算法,通过Matlab编程,得到影响因素与客户续保率的非线性映射关系,当网络收敛为全局最优时,输入待预测的客户数据,得到客户续保率的预测值。通过计算实际输出与期望输出之间的均方差(MSE)进行误差分析,结果表明,该网络性能良好,预测准确率高。在实际应用中,利用BP神经网络对客户续保概率进行预测对公司销售策略和产品方案的优化有很大帮助。