一种组合模型在车险续保率中的应用

本文针对车险续保率,建立了K-means聚类算法与支持向量机的组合模型。利用K-means聚类算法将客户划分为某几类,然后对每一类客户用支持向量机求出续保概率,并用多元回归分析得到每一类客户的主要影响因素,最后将续保率最高的一类客户的主要影响因素与其余类客户的主要影响因素进行对比,针对性地提供销售方案,实现由低续保率向高续保率的转化。

基于Logistic回归模型和因子分析法的车险续保率影响因素分析

为有效提高车险续保率,以某保险公司26734条保险样本数据为分析对象,通过Logistic回归模型中的多重共线性处理剔除不显著变量后,得到渠道、品牌、投保类别、新车购置价、车龄等13个影响因素。应用Logistic回归模型构建车险续保率影响因素重要程度排序图,对车险续保率影响因素进行分析。在此基础上,应用因子分析法表征和计算各影响因素权重。结果表明,产品属性包括是否投保车上人员、是否投保盗抢和签单保费是影响车险续保率的首要关键因素,承保属性包括渠道、投保类别、车龄、NCD是影响车险续保率的次要关键因素。

基于逻辑回归的客户车险续保率研究

为提高客户的车险续保概率,对客户进行精准的画像分析,文章对客户基本信息进行筛选、剔除。对其进行量化处理,采用Logistic回归,得到Logistic回归方程,定性定量分析客户基本信息对是否续保的影响,并预测客户的续保概率。针对不同的客户对其采用不同的优惠、福利、服务方案,提高其续保率。

基于Logistic变换的回归正交试验模型

在解决线性回归问题时,回归正交试验具有较大的优越性,却无法解决非线性回归问题。本文依据广义线性模型的基本原理,针对非线性回归问题,引入Logistic变换,给出了基于Logistic变换的回归正交试验模型,实现了回归正交试验在非线性回归问题中的运用。将此方法运用到车险续保问题中,实例分析说明了该模型的可行性和有效性。