本发明专利技术公开了基于车辆里程的车险定价模型构建方法、装置及系统。该方法包括：获取车辆在历史时间周期的原始数据；对所述原始数进行数据处理，获取单里程因子和因变量；根据所述单里程因子构建多个里程区间因子；所述多个里程区间因子作为自变量，和因变量一同放入预设模型中，建立里程定价模型。本发明专利技术解决了传统车险模型中，里程变量通常作为单个连续型变量入模，应用于车险定价时，单里程因子的解释能力通常较弱，本发明专利技术的多个里程区间因子构建方法，将单里程因子拆分成多个里程区间因子，作为模型的自变量，增强对于不同里程分组下的风险识别能力，并提高对目标变量的解释能力，提高模型预测及定价效果。高模型预测及定价效果。高模型预测及定价效果。
【技术实现步骤摘要】
基于车辆里程的车险定价模型构建方法、装置及系统
[0001]本专利技术涉及大数据定价
，具体涉及基于车辆里程的车险定价模型构建方法、装置及系统。
技术介绍
[0002]按里程付费，Pay
‑
as
‑
You
‑
Drive(PAYD)，是机动车辆保险市场中一种新型的定价方式。不同于传统车险的定价理念，PAYD车险不仅考虑投保车辆的因素和作为驾驶人的被保险人的因素，还将行驶里程数也归入主要的定价因子中，有些PAYD产品还会考虑车主的驾驶行为。在这种定价方式下，车主行驶里程数越低则缴纳的保费越低。
[0003]行驶里程数作为和驾驶风险正相关的因素，对车险定价的科学性和合理性至关重要。在传统的PAYD车险中，里程变量通常作为单个连续型变量入模，应用于车险定价时，单里程因子的解释能力通常较弱，不能准确的体现里程变量和驾驶风险的关系，对车险定价模型预测的结果的准确性不高。
[0004]因此，亟需一种能够将里程因子转换成准确预测车险定价的入模变量的方法，用来提高PAYD车险定价的准确性和科学性。
技术实现思路
[0005]为解决上述问题，本专利技术提供一种基于车辆里程的车险定价模型构建方法、装置及系统，以某一连续变量因子分为多个区间因子，作为模型的自变量，增强对于不同里程分组下的风险识别能力，并提高对目标变量的解释能力，提高模型预测及定价效果。
[0006]本专利技术提供一种基于车辆里程的车险定价模型构建方法，所述方法包括：
[0007]S10：获取车辆在历史时间周期的原始数据；
[0008]S20：对所述原始数进行数据处理，获取单里程因子和因变量；
[0009]S30：根据所述单里程因子构建多个里程区间因子；
[0010]S40：所述多个里程区间因子作为自变量，和因变量放入预设模型中，建立里程定价模型。
[0011]优选地，所述车辆在历史时间周期的原始数据至少包括所述历史时间周期车辆行驶里程。
[0012]优选地，对所述原始数据进行数据处理后获取的因变量为赔付率或赔款额。
[0013]优选地，根据所述单里程因子构建多个里程区间因子，包括以下步骤：
[0014]S31：获取单里程因子；
[0015]S32：根据预设里程分组方式和预设里程分组数，切分单里程因子；
[0016]S33：根据切分结果，生成对应的多个里程区间因子。
[0017]优选地，所述预设模型为广义线性模型中的Tweedie模型。
[0018]优选地，其特征在于，将所述多个里程区间因子作为所述自变量，和因变量一同放入预设模型中，得到里程定价模型，包括以下步骤：
[0019]S41：获取多个里程区间因子和因变量；
[0020]S42：将多个里程区间因子和因变量放入Tweedie模型，进行模型求解，建立里程定价模型；
[0021]S43：评估里程定价模型的模型效果。
[0022]优选地，所述将多个里程区间因子和赔付率放入Tweedie模型，进行模型求解，包括：将多个因子作为自变量放入模型，查看模型结果及因子对应的P值进行假设检验，若P>0.05，需将P值不显著分组与系数接近组合并或根据一维分析结果重新选定分组阈值；若P<0.05，则拒绝原假设。
[0023]优选地，所述评估里程定价模型的模型效果，包括：模型预测值和实际值的散点图、基尼系数、提升曲线和累计提升曲线。
[0024]优选地，所述历史时间周期可根据实际情况划分为一个月、两个月、一个季度、半年和指定时间周期。
[0025]为实现上述目标，本专利技术提供一种基于车辆里程的车险定价模型构建装置，所述装置包括：
[0026]数据获取模块，用于获取车辆在历史时间周期的原始数据；
[0027]数据处理模块，用于处理所述原始数据，获取单里程因子和因变量；
[0028]里程因子构建模块，用于根据所述单里程因子构建多个里程区间因子；
[0029]数据建模模块，用于建立里程定价模型。
[0030]为实现上述目标，本专利技术还提供一种基于车辆里程的车险定价模型构建系统，其特征在于，所述系统包括：
[0031]至少一个处理器、存储器和服务器，所述服务器包括至少一个处理器和存储器，至少一个服务器、一个处理器、至少一个存储器以及存储在所述存储器中的车险定价模型构指令，当所述计算机程序指令被所述处理器执行时和/或所述原始数据加载到服务器实现上述任一项所述的方法。
[0032]综上所述，本专利技术实施例提供的基于车辆里程的车险定价模型构建方法、装置及系统，通过将某一连续变量因子分为多个区间因子如将单里程因子拆分成多个里程区间因子，将多个里程区间因子作为模型的自变量，增强对于不同里程分组下的风险识别能力，并提高对目标变量的解释能力，提高模型预测及定价效果，使PAYD车险准确反应驾驶风险，激励投保人选择最优的行驶里程，减少发生保险事故的风险，增加保险市场的效率和社会福利水平。
附图说明
[0033]图1是本专利技术实施例中基于车辆里程的车险定价模型构建方法的流程图。
[0034]图2是本专利技术实施例中构建多个里程区间因子的流程图。
[0035]图3是本专利技术实施例中实施例一里程定价模型的散点图评估效果示意图。
[0036]图4是本专利技术实施例中实施例一里程定价模型的基尼系数评估效果示意图。
[0037]图5是本专利技术实施例中实施例一里程定价模型的提升曲线评估效果示意图。
[0038]图6是本专利技术实施例中实施例一里程定价模型的累计提升曲线评估效果示意图。
[0039]图7是本专利技术实施例中实施例二里程定价模型的散点图评估效果示意图。
[0040]图8是本专利技术实施例中实施例二里程定价模型的基尼系数评估效果示意图。
[0041]图9是本专利技术实施例中实施例二里程定价模型的提升曲线评估效果示意图。
[0042]图10是本专利技术实施例中实施例二里程定价模型的累计提升曲线评估效果示意图。
[0043]图11是本专利技术实施例中实施例三里程定价模型的散点图评估效果示意图。
[0044]图12是本专利技术实施例中实施例三里程定价模型的基尼系数评估效果示意图。
[0045]图13是本专利技术实施例中实施例三里程定价模型的提升曲线评估效果示意图。
[0046]图14是本专利技术实施例中实施例三里程定价模型的累计提升曲线评估效果示意图。
具体实施方式
[0047]下面将详细描述本专利技术的各个方面的特征和示例性实施例，为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本专利技术，并不被配置为限定本专利技术。对于本领域技术人员来说，本专利技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于车辆里程的车险定价模型构建方法，其特征在于，所述方法包括：S10：获取车辆在历史时间周期的原始数据；S20：对所述原始数进行数据处理，获取单里程因子和因变量；S30：根据所述单里程因子构建多个里程区间因子；S40：所述多个里程区间因子作为自变量，和因变量放入预设模型中，建立里程定价模型。2.根据权利要求1所述的方法，其特征在于，所述车辆在历史时间周期的原始数据至少包括所述历史时间周期车辆行驶里程。3.根据权利要求1所述的方法，其特征在于，对所述原始数据进行数据处理后获取的因变量为赔付率或者赔款额。4.根据权利要求1所述的方法，其特征在于，根据所述单里程因子构建多个里程区间因子，包括以下步骤：S31：获取单里程因子；S32：根据预设里程分组方式和预设里程分组数，切分单里程因子；S33：根据切分结果，生成对应的多个里程区间因子。5.根据权利要求1所述的方法，其特征在于，所述预设模型为广义线性模型中的Tweedie模型。6.根据权利要求1所述的方法，其特征在于，将所述多个里程区间因子作为所述自变量，和因变量一同放入预设模型中，得到里程定价模型，包括以下步骤：S41：获取多个里程区间因子和因变量；S42：将多个里程区间因子和因变量放入Tweedie模型，进行模型求解，建立里程定价模型；S43：评估里程定价模型的模型效果。7....
【专利技术属性】
技术研发人员：李欣，于忠华，邹家伟，叶灵玲，熊寅庚，
申请(专利权)人：深圳鼎然信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。