一种保险客户的风险评估方法及装置、存储介质、终端制造方法及图纸

本发明专利技术公开了一种保险客户的风险评估方法及装置、存储介质、终端，涉及机器学习和保险技术领域，主要目的在于解决现有的保险风险预测性能较差的问题。包括：获取历史保险数据；从所述历史保险数据中提取模型特征数据；基于所述模型特征数据对初始机器学习模型进行训练，得到风险评估模型；利用所述风险评估模型确定客户的客群标签，并根据所述客群标签确定客户的保险风险指数和计算客户的健康风险指数。主要用于保险客户的风险评估。要用于保险客户的风险评估。要用于保险客户的风险评估。

【技术实现步骤摘要】
一种保险客户的风险评估方法及装置、存储介质、终端


[0001]本申请涉及机器学习及保险
，特别是涉及一种保险客户的风险评估方法及装置、存储介质、终端。

技术介绍

[0002]随着人们保险意识增强，投保人数逐年递增。对于保险公司而言，对客户风险评估是企业管理与运营重要的组成部分，通过对客户精准的风险评估，可以提升企业在行业中的竞争力且为企业运营与管理提供可靠的数据基础。
[0003]目前，在对客户进行风险评估时，首先根据客户是否出险、客户累计赔付金额数额是否超标等，对客户进行筛选，而后再基于剩余用户的赔付场景下的数据，如出险次数、赔付金额等，基于机器学习生成预测模型并利用该模型预测客户的赔付风险，也就是说，现有的保险客户风险预测方式中，需要先区分客户再利用预测模型确定客户赔付风险，且现有预测模型的构建数据仅限于赔付方面，数据不够全面，从而使得现有客户保险风险预测性能较差。

技术实现思路

[0004]有鉴于此，本专利技术提供一种保险客户的风险评估方法及装置、存储介质、终端，主要目的在于解决现有客户保险风险预测性能较差的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保险客户的风险评估方法，其特征在于，包括：获取历史保险数据，所述历史保险数据中包含有多个用户的用户保险数据，而所述用户保险数据至少包含有保单数据、历史理赔数据和用户基础健康数据；从所述历史保险数据中提取模型特征数据；基于所述模型特征数据对初始机器学习模型进行训练，得到风险评估模型；利用所述风险评估模型确定客户的客群标签，并根据所述客群标签确定客户的保险风险指数和健康风险指数。2.根据权利要求1所述的方法，其特征在于，所述历史保险数据中还包含有用户身份标识和时间标识，所述获取历史保险数据之后，所述方法还包括：按照所述时间标识和所述用户身份标识对所述历史保险数据分类，得到每个用户在不同时间观察点下分别对应的静态特征数据和动态特征数据，所述静态特征数据为不随时间变化的数据，所述动态特征数据为随时间变化的数据；根据分类后的用户保险数据生成面板数据并将所述面板数据确定为所述模型特征数据，所述面板数据包含有n个时间观察点下分别对应的截面数据，各组所述截面数据内包含有多个所述用户身份标识以及与用户分别对应的静态特征数据和动态特征数据。3.根据权利要求1或2所述的方法，其特征在于，所述基于所述模型特征数据对初始机器学习模型进行训练，得到风险评估模型包括：按照时间顺序从所述面板数据中抽取一组或多组截面数据，得到训练数据集合和测试数据集合；根据所述训练数据集合和测试集合分别训练分类子模型和回归子模型，所述分类子模型用于计算在剩余保单周期内是否存在出险情况，所述回归子模型用于计算在所述剩余保单周期内的理赔金额；根据所述分类子模型和回归子模型进行融合，得到所述风险评估模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述训练数据集合和测试集合分别训练分类子模型和回归子模型之后，所述方法还包括：根据所述分类子模型和回归子模型的测试结果调整子模型参数，得到优化后的分类子模型和回归子模型；所述根据所述分类子模型和回归子模型进行融合，得到所述风险评估模型包括：根据所述优化后的分类子模型和回归子模型进行融合，得到所述风险评估模型。5.根据权利要求2所述的方法，其特征在于，所述按照所述时间标识和所述用户身份标识对所述历史保险数据分类，得到每个用户在不同时间观察点下分别对应的静态特征数据和动态特征数据之后，所述方法还包括：计算与所述静态特征数据和动态特征数据中各特征数据分别对应的相关系数；根据所述相关系数对...

【专利技术属性】
技术研发人员：王美，
申请(专利权)人：平安健康保险股份有限公司，
类型：发明
国别省市：