免体检额度预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种免体检额度预测方法、装置、电子设备及存储介质，所述方法包括：获取历史保单数据；基于所述历史保单数据对机器学习模型进行训练，得到客户风险分级模型；根据所述客户风险分级模型，确定投保客户的风险等级；基于预设的精算假设模型和所述风险等级，确定所述投保客户的最优免体检额度。本申请的方法能够动态给出客户的免体检额度，使低风险客户享受更高的免体检额度，降低高风险客户的免体检额度，避免导致高风险客户逆选择的风险，在提升客户承保体验的同时，促进业务的发展，增加保险公司的保费收入。增加保险公司的保费收入。增加保险公司的保费收入。

Prediction method, device, electronic equipment and storage medium of exemption from physical examination

【技术实现步骤摘要】
免体检额度预测方法、装置、电子设备及存储介质


[0001]本申请涉及数据处理
，尤其涉及一种免体检额度预测方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，保险行业在进行核保时，对于高风险客户和低风险客户均采用统一的免体检额度标准，并未针对高风险客户和低风险客户动态制定免体检额度。对于高风险客户来说，免体检额度过低，容易增加该客户逆选择的风险，使客户承担过大风险，承保质量较低。对于低风险客户来说，免体检额度过高，容易使该客户产生抵触心理，进而导致因体检导致保单的脱落，既不利于业务的发展，也不利于客户的承保体验。因此，亟需一种动态给出客户免体检额度的方案。

技术实现思路

[0003]有鉴于此，本申请的目的在于提出一种免体检额度预测方法、装置、电子设备及存储介质。
[0004]基于上述目的，本申请第一方面提供一种免体检额度预测方法，包括：
[0005]获取历史保单数据；
[0006]基于所述历史保单数据对机器学习模型进行训练，得到客户风险分级模型；
[0007]根据所述客户风险分级模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种免体检额度预测方法，其特征在于，包括：获取历史保单数据；基于所述历史保单数据对机器学习模型进行训练，得到客户风险分级模型；根据所述客户风险分级模型，确定投保客户的风险等级；基于预设的精算假设模型和所述风险等级，确定所述投保客户的最优免体检额度。2.根据权利要求1所述的预测方法，其特征在于，所述基于所述历史保单数据对机器学习模型进行训练，得到客户风险分级模型包括：根据所述历史保单数据生成训练数据，并对所述训练数据进行标注，其中，短期出险的保单对应的训练数据标记为阳性样本，非短期出险的保单对应的训练数据标记为阴性样本；对标注好的训练数据进行均衡处理；利用过滤式特征筛选方法对均衡处理后训练数据进行特征选择，得到输入特征；将所述输入特征输入至少两个机器学习模型中，输出对应的风险预测结果；根据模型效果评估指标对每个所述机器学习模型进行评估，以确定所述客户风险分级模型。3.根据权利要求1所述的预测方法，其特征在于，所述精算假设模型的表达式如下：其中，Profit表示总利润现值，m表示免体检额度，m
免
表示免体检的保单数量，n
缴
表示保险产品的缴费期限，P
j
表示期缴保费，表示免体检客户在x+t时刻未出险的概率，v()表示贴现函数，表示体检客户在x+t时刻未出险的概率，m
体
表示需要体检的保单数量，n
保
表示保险期限，S
风险
表示风险保额，reserve
found
表示责任准备金，表示免体检客户在x+t时刻出险的概率，ratio
city
表示城市赔付系数，ratio
risk
表示风险等级赔付系数，a表示经验系数，i
x+t
表示x+t时刻的重疾...

【专利技术属性】
技术研发人员：于高升，朱涛，
申请(专利权)人：中国人寿保险股份有限公司，
类型：发明
国别省市：