c*****r
发帖数: 156 | 1 请问汽车保费计算一般是使用什么模型，都会考虑哪些变量啊？
另外，在保险公司中怎么使用decision tree呢？
谢谢！ |
c**b
发帖数: 661 | 2 rating一般用GLM,decision tree一般别的部门用的多些，比如marketing
【在 c*****r 的大作中提到】
: 请问汽车保费计算一般是使用什么模型，都会考虑哪些变量啊？
: 另外，在保险公司中怎么使用decision tree呢？
: 谢谢！
|
c*****r
发帖数: 156 | 3 谢谢！能具体说说该怎么用么？
比如一般都是用GLM里面的什么link function呢？还有该怎么选取variable啊？（比如
要考虑很多因素：location，age，driving history，etc.）
【在 c**b 的大作中提到】
: rating一般用GLM,decision tree一般别的部门用的多些，比如marketing
|
G*****u
发帖数: 1222 | 4 http://www.casact.org/library/studynotes/anderson9.pdf
有空可以看看这本书
是exam9的text之一
link function取决你要model什么response variable
predictive variable的选取需要由response variable以及相应的产品来决定
club老哥 对吧？
【在 c*****r 的大作中提到】
: 谢谢！能具体说说该怎么用么？
: 比如一般都是用GLM里面的什么link function呢？还有该怎么选取variable啊？（比如
: 要考虑很多因素：location，age，driving history，etc.）
|
c**b
发帖数: 661 | 5 haha,你准备的不错，good luck!
【在 G*****u 的大作中提到】
: http://www.casact.org/library/studynotes/anderson9.pdf
: 有空可以看看这本书
: 是exam9的text之一
: link function取决你要model什么response variable
: predictive variable的选取需要由response variable以及相应的产品来决定
: club老哥 对吧？
|
c*****r
发帖数: 156 | 6 多谢二位！～
我不是精算的，所以对这些都不太了解。
那再请问一下，spline在精算里面是怎么用来计算保费之类的呢？
我一直觉得spline是很math的东西~~ |
c**b
发帖数: 661 | 7 Spline在GLM应该是帮助smooth curve的，GLM不能做credibility
所以就需要融入一些smoothing technology
【在 c*****r 的大作中提到】
: 多谢二位！～
: 我不是精算的，所以对这些都不太了解。
: 那再请问一下，spline在精算里面是怎么用来计算保费之类的呢？
: 我一直觉得spline是很math的东西~~
|
c*****r
发帖数: 156 | 8 你说的credibility是指credit score么？我能理解GLM得出来的结果是discrete的，所
以需要用smoothing technology去得到一条quantifiable curve.不知道我的理解对不
对？
那kernel smoothing在保险业中也会用到么？
再次感谢～！
【在 c**b 的大作中提到】
: Spline在GLM应该是帮助smooth curve的，GLM不能做credibility
: 所以就需要融入一些smoothing technology
|
c**b
发帖数: 661 | 9 不是credit score,是指某些group数据太少，对应拟出来的值没有credibility
所以就需要一些办法
kernel smoothing我就母鸡了
【在 c*****r 的大作中提到】
: 你说的credibility是指credit score么？我能理解GLM得出来的结果是discrete的，所
: 以需要用smoothing technology去得到一条quantifiable curve.不知道我的理解对不
: 对？
: 那kernel smoothing在保险业中也会用到么？
: 再次感谢～！
|
c*****r
发帖数: 156 | 10 多谢大哥！
【在 c**b 的大作中提到】
: 不是credit score,是指某些group数据太少，对应拟出来的值没有credibility
: 所以就需要一些办法
: kernel smoothing我就母鸡了
|
p**b
发帖数: 1808 | 11 niu!
learned a lot too. |
