VIP20
本课程属于：059-保险精算模型规则命中复盘 金融科技风控与量化工程 · 共 20 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

保费定价模型Challenger效果对比教程

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
Challenger模型在保险定价中… · 课程目标与学习路径 · 所需预备知识（统计学
课程导论Challenger
02
传统定价模型回顾
GLM（广义线性模型）原理 · 在车险定价中的应用 · 优缺点分析
传统定价模型回顾GLM
03
Challenger模型概览
什么是Challenger模型 · 与传统模型的区别 · 常见Challenger模型类型（G…
Challenger模型概览
04
数据准备与探索
数据集介绍（模拟车险数据） · 数据清洗 · 缺失值处理
数据准备探索
05
特征工程基础
连续变量离散化 · 独热编码 · 标签编码
特征工程基础连续变量离散化
06
特征重要性初探
使用随机森林进行特征选择 · 特征重要性排序可视化
特征重要性初探使用随机森林进行…
07
GLM基准模型构建
使用Python statsmode… · 模型参数解读 · 拟合优度评估
GLM基准模型构建
08
GLM模型评估指标
AIC · BIC · 偏差（Deviance）
GLM模型评估指标
09
XGBoost模型原理
梯度提升树核心思想 · XGBoost的正则化 · 学习率与树深度
XGBoost模型原理
10
XGBoost模型构建与调参
使用XGBoost库训练模型 · 网格搜索与交叉验证 · 关键参数调优
XGBoost模型构建
11
LightGBM模型原理
基于直方图的算法 · 叶子节点生长策略 · 速度优势
LightGBM模型原理
12
LightGBM模型构建与调参
使用LightGBM库训练模型 · 参数调优（num_leaves · min_data_in_leaf等）
LightGBM模型构建
13
神经网络定价模型入门
多层感知机（MLP）结构 · 激活函数 · 损失函数选择
神经网络定价模型…MLP
14
神经网络模型构建
使用PyTorch/TensorFl… · 训练与验证
神经网络模型构建PyTorch/Tens…
15
模型评估统一框架
划分训练集/验证集/测试集 · 评估指标选择（RMSE · MAE
模型评估统一框架划分训练集
16
Lift图与Gini系数详解
Lift图的绘制方法 · Gini系数的计算与解读 · 模型区分能力对比
LiftGini
17
Challenger vs GLM效果对比（一）
在测试集上对比RMSE与MAE · 制作柱状图
Challengervs
18
Challenger vs GLM效果对比（二）
绘制Lift图与Gini系数对比图 · 分析区分能力
Challengervs
19
Challenger vs GLM效果对比（三）
残差分布对比 · Q-Q图分析 · 模型稳定性检验
Challengervs
20
多模型综合对比
XGBoost · LightGBM · 神经网络
多模型综合对比XGBoost
21
模型可解释性（一）
SHAP值原理介绍 · 全局特征重要性SHAP图
模型可解释性SHAP
22
模型可解释性（二）
单个样本的SHAP力图解释 · 特征对保费预测的贡献方向
模型可解释性SHAP
23
模型可解释性（三）
Partial Dependence…
模型可解释性Partial
24
业务落地挑战
模型部署延迟 · 计算资源消耗 · 监管合规要求（可解释性需求）
业务落地挑战模型部署延迟
25
模型融合策略
Stacking与Blending方… · 将GLM与XGBoost融合的实践
模型融合策略Stacking
26
保费定价公平性检测
评估模型对不同群体（年龄 · 性别 · 地区）的预测偏差
保费定价公平性检…评估模型对不同群…
27
时间序列维度扩展
引入时间滑动窗口特征 · 模型在时间轴上的稳定性测试
时间序列维度扩展引入时间滑动窗口…
28
自动化Challenger流程
使用Pipelines构建端到端训练… · 超参数自动搜索（Optuna）
Challenger自动化
29
案例实战
某保险公司车险数据全流程Challe…
案例实战Challe
30
课程总结与未来展望
Challenger模型在保险科技中… · 推荐学习资源与进阶路径
课程总结未来展望