论文部分内容阅读
近年来,国内机动车辆保险市场取得了长足的发展,市场竞争也异常激烈。在机动车辆保险产品同质化和竞争白热化的情况下,许多保险公司片面追求市场规模,忽视了机动车辆保险效益的增长,严重影响了车险行业的可持续发展。当前机动车辆保险经营的障碍主要是机动车辆保险市场费率标准统一,对风险不同的客户实施同一种费率,这会直接造成保险公司的损失。因此,保险公司必须转变经营方式,将重心放在机动车辆保险客户精细化管理上。随着大数据时代的到来,当前机动车辆市场中人均汽车保有量不断增加,车险的消费者随之增加,由此车险市场中也产生了大量的数据。机动车辆保险数据具有动态性、数据类型多、数据量大等特点,因此,从数据中挖掘研究客户群的共性与特征,并采用数据挖掘技术解决客户群风险定位、划分问题具有重要实际意义,解决了当前风险管理方法无法对风险客户群进行精准定位的难题,且对理论研究与实践来说都有一定的参考价值。本文针对机动车辆保险风险客户群划分主要工作如下:(1)本文针对国内保险公司过分注重保费而忽视承保质量的粗放经营方式的问题,研究了国外的车险分级费率的制定方式,分析了国内保险公司盈利水平不理想的原因,剖析了当前车险存在的费率制定体系不健全以及车险赔付率居高不下的问题。(2)本文系统全面的分析了对车险风险客户群进行划分的必要性。分别针对车险赔付率居高不下、保险公司对客户风险等级划分粗放以及传统风险管理方法难以达到对车险费率进行细分这三个方面分析了车险风险客户群划分的必要性。(3)本文分析了影响机动车辆保险的风险因素,主要包括驾驶员、车辆、环境等21个因素,针对车险客户数据属于混合型数据的特点,本文提出K-Prototypes NN算法,并在UCI数据进行测试,实验结果表明,KPNN在准确度、宏平均召回率等4个指标上均优于K近邻算法。综上,提出了基于KPNN算法的机动车辆保险客户群划分模型。(4)在实证部分,通过调查问卷形式,共发放调查问卷7153份,有效数据6916条。并将机动车辆保险风险客户分为高、中、低三类。以有效数据的2/3作为训练样本,1/3作为测试样本。分别在风险客户群、驾驶员风险因素客户群、车辆风险因素客户群、风险客户群部分因素、驾驶员客户群部分因素和车辆影响客户群部分因素等方面进行客户风险预测,预测准确率均在70%以上。以此证明了数据挖掘算法对车险风险客户群进行划分的可行性,进而达到对车险风险费率细分的目的。(5)为了实现车险费率差别化定价,对风险客户群进行不同等级划分,本文结合数据挖掘技术为保险市场可持续发展提出了四个方面的建议。分别为加快车险费率市场差别化定价进程、构建风险客户群划分模型、构建开放统一的车险数据共享平台以及完善监管体制。