基于车险索赔数据的GAMLSS模型研究

关于均值参数、尺度参数和形状参数的广义可加模型(GAMLSS),由广义线性模型(GLM)拓展而来。对索赔频率模型主要用泊松分布、负二项分布以及对应的零截断分布,对索赔强度模型采用伽马和逆高斯分布,依次创建GLM和GAMLSS模型。通过对比分析发现,零截断负二项分布下的GAMLSS模型更适合用于索赔频率的建模,逆高斯分布下的GAMLSS模型更适合对索赔强度的建模;基于所有参数建立的GAMLSS模型较常见的GLM模型有更好的表现。

基于过离散数据下的模型选择

本文针对一组具有过离散特征的保险索赔数据,采用对比分析的研究方法分别对泊松回归、负二项回归模型、泊松-逆高斯模型以及零膨胀泊松模型和零膨胀负二项模型进行探讨,主要采用AIC和BIC信息准则对模型加以比较。最终拟合结果显示,负二项回归模型和泊松-逆高斯对过离散型索赔数据的拟合效果相当,且两者均比泊松回归和零膨胀模型更佳;综合看泊松-逆高斯模型的效果表现为最佳。