VIP13
本课程属于：063-车险定价、UBI与驾驶行为 智能金融与金融工程 · 共 13 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

车险赔付频率与案均损失联合建模

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=车险赔付频率与案均损失联合建模… · 核心概念 · 整体框架与业务价值
课程导入目标=车险赔付频…
02
车险业务基础
目标=车险产品类型 · 赔付流程 · 频率与案均损失的定义及在定价与准备金…
车险业务基础目标=车险产品类…
03
数据准备与探索
目标=车险理赔数据来源 · 数据清洗 · 缺失值处理
数据准备探索
04
频率建模基础
目标=泊松分布 · 负二项分布 · 零膨胀模型及其在赔付频率建模中的适用…
频率建模基础目标=泊松分布
05
案均损失建模基础
目标=伽马分布 · 对数正态分布 · 逆高斯分布及其在案均损失建模中的选择…
案均损失建模基础目标=伽马分布
06
联合建模的必要性
目标=频率与案均损失的相关性来源 · 独立建模的局限与联合建模的优势
联合建模的必要性目标=频率
07
Copula理论入门
目标=Copula函数定义 · 常见类型（高斯 · t
Copula理论入门
08
基于Copula的联合建模流程
目标=边缘分布拟合 · Copula参数估计 · 模型诊断与拟合优度检验
Copula基于
09
广义线性模型（GLM）在频率建模中的应用
目标=泊松回归 · 负二项回归 · 变量选择与系数解释
GLM广义线性模型
10
广义线性模型（GLM）在案均损失建模中的应用
目标=伽马回归 · 对数正态回归 · 连接函数与模型评估
GLM广义线性模型
11
混合模型与随机效应
目标=处理车险数据中的异质性 · 聚类效应与个体随机效应
混合模型随机效应
12
贝叶斯方法入门
目标=先验选择 · 后验推断 · MCMC采样及其在联合建模中的优势
贝叶斯方法入门目标=先验选择
13
贝叶斯联合建模实战
目标=使用Stan或PyMC构建频率…
贝叶斯联合建模实…Stan
14
机器学习方法在联合建模中的应用
目标=梯度提升 · 随机森林 · 神经网络与可解释性分析
机器学习方法联合建模
15
深度学习方法
目标=使用神经网络处理高维特征与非线… · 实现频率与案均损失的联合预测
深度学习方法目标=使用神经网…
16
特征工程实战
目标=从车险数据中提取驾驶行为 · 车辆信息 · 地域
特征工程实战目标=从车险数据
17
模型评估与选择
目标=AIC · BIC · 交叉验证
模型评估选择
18
案例实战一
目标=基于Copula的私家车赔付频…
案例实战一Copula
19
案例实战二
目标=基于贝叶斯方法的商用车队联合建…
案例实战二目标=基于贝叶斯…
20
案例实战三
目标=基于机器学习的车险联合建模与保…
案例实战三目标=基于机器学…
21
模型部署与监控
目标=将联合模型部署到生产环境 · 实时评分与模型漂移监控
模型部署监控
22
业务应用
目标=联合模型在车险定价 · 准备金评估 · 风险选择与再保险中的应用
业务应用目标=联合模型
23
常见问题与解决方案
目标=数据稀疏 · 零膨胀 · 长尾分布
常见问题解决方案
24
模型可解释性
目标=SHAP · LIME · 部分依赖图在联合模型中的应用与监管沟…
模型可解释性SHAP
25
监管与合规
目标=车险定价监管要求 · 公平性 · 可解释性与模型风险管理
监管合规
26
综合提升一
目标=从独立模型到联合模型的进阶策略…
综合提升一目标=从独立模型…
27
综合提升二
目标=多任务学习与联合建模的前沿进展
综合提升二目标=多任务学习
28
综合提升三
目标=时空维度下的车险联合建模与动态…
综合提升三目标=时空维度下…
29
项目实战
目标=完整车险联合建模项目从需求分析…
项目实战目标=完整车险联…
30
课程总结与展望
目标=核心知识点回顾 · 未来趋势与持续学习路径
课程总结目标=核心知识点…