基于两阶段分位数随机森林的非完全支付赔款预测

在健康保险精算研究中,准确度量保单非完全支付赔款能够帮助保险公司有效识别告知不实、保险欺诈、既往症和保险责任免除等问题,从而降低保险公司的财务负担。本文以短期健康险中的非完全支付赔款为研究对象,提出了“非完全支付概率-金额”两阶段框架,并运用随机森林分位数分类器和分位数回归森林对非完全支付概率和未付金额进行预测和风险因素分析,从点预测精度、区间预测精度和风险区分能力三个角度论证了两阶段分位数随机森林的优越性。本文对影响非完全支付概率和金额的风险因素的变量重要性排序进行分析表明,保单的疾病类型、医疗费用支出和保单生效至出险间隔时间是重要的风险因子。此外,两阶段分位数随机森林还能更加清晰地识别风险因子对非完全支付保险成本的非线性效应和交互效应,为保险公司的财务成本控制提供一定的理论参考。