论文部分内容阅读
机动车辆的迅猛发展,使人们出行方式发生巨大变化,人们对车辆的依赖性加重。其中,车险作为一种保护类风险投资,以70%的业务量占财产险公司的首位,更是受到保险公司的关注。但是,在竞争日益激烈的保险公司中,整个车险业务系统管理仍不完善,导致保险公司对客户的赔付过多,整个行业利润明显下降。所以,在不断增长的车险客户历史数据中,有效利用这些数据进行车险客户风险等级评估模型的构建,不仅可以及时识别投保客户的潜在风险、提供客户投保建议;还可以为金融研究、社会管理提供有力的依据,具有巨大的社会和商业价值。为此,本文展开如下研究工作:1.车险客户风险评估相关研究概述。概述风险管控的理论基础,强调风险管控的重要性,详细分析车险客户风险评估指标因素,包括车辆风险因素、驾驶人风险因素、环境因素和投保特征因素,并结合定性和定量分析的层次分析法,对量化过的风险指标数据进行加权处理,搭建整个车险客户风险评估指标体系,最后对车险客户风险评估的统计模型方法和人工智能方法进行介绍。2.BP神经网络方法和粒子群算法分析研究。详细介绍BP神经网络方法和粒子群算法(PSO)的原理基础,概括BP神经网络算法、粒子群优化算法的实现思想和优缺点,分析粒子群算法的历史发展进程,提出一种可以克服PSO算法易陷入局部搜索、过早收敛的问题的改进PSO算法,并通过标准函数测试,验证该改进的PSO算法的有效性。3.基于改进PSO-BP神经网络车险客户风险等级评估模型构建。针对BP神经网络模型参数设置不足,分析具有全局寻优功能的粒子群优化算法对BP神经网络的优化原理,并利用改进的PSO算法确定BP神经网络的权值和阈值,构建基于改进PSO-BP神经网络算法的车客户风险等级评估模型。基于以上研究,对某车险行业客户风险评估数据进行了实例仿真,并把实验结果与BP模型和PSO-BP模型相比,分析得出PSO-BP车险客户风险等级评估模型在收敛速度和准确度均有很大提升。