【AI摘要】山东财经大学保险学院张鹏成副教授作为第一作者在A1类期刊ASTIN Bulletin发表学术论文。论文针对高维保险索赔严重度建模中投保人虚报二元风险因素导致定价偏误的问题，提出深度学习校正框架，引入KL散度正则项形成诚实推定基准，采用L1-gMCP组惩罚进行高维变量选择，并结合局部线性近似与近端梯度算法求解。模拟和实证分析表明该方法在预测精度与风险因子识别上稳健，优于线性模型与一般神经网络，可为核保筛查与公平定价提供支持。
关键词：高维保险索赔建模 深度学习校正 误报调整 KL散度正则 变量选择
近日，保险学院张鹏成副教授作为第一作者撰写的学术论文“High-dimensional claim severity modeling with misrepresentation adjustment via deep learning”在精算学领域国际权威期刊 ASTIN Bulletin 在线发表。该期刊属于我校认定的 A1 类期刊。
论文面向高维保险索赔严重度建模，针对投保人可能虚报二元风险因素导致定价偏误的问题，提出深度学习校正框架。考虑到误报状态不可观测带来的可识别性困难，模型引入 KL 散度正则项，对误报先验形成“诚实推定”基准，仅在证据充分时识别误报。论文还采用 L1-gMCP 组惩罚进行高维变量选择，并以局部线性近似（LLA）结合近端梯度算法求解。模拟表明，无论数据是否存在误报，该方法在预测精度与风险因子识别上均保持稳健；基于2014年美国 MEPS 医疗支出数据的实证分析显示，其预测表现优于线性模型与一般神经网络，可为核保筛查与公平定价提供支持。
撰稿：张鹏成 审核：于新亮 终审：李清照
Copyright © 2011 山东财经大学宣传部 版权所有
来源：山东财经大学 | 查看原文