基于SOM神经网络的车险定价模型--中国期刊网

字体：大中小

首页> 原创作品> 正文

基于SOM神经网络的车险定价模型

发表时间：2021/7/28 来源：《中国科技信息》2021年9月上作者：毛晓凯陈嘉健孙安恰

[导读] 对各因素指标进行归一化处理，然后用SOM神经网络对不同客户进行聚类分析，通过分析找到每一类所表现的共同特征，利用经济学中价格敏感程度对福利、优惠方案进行求解。

华北理工大学毛晓凯陈嘉健孙安恰 063210

摘要：对各因素指标进行归一化处理，然后用SOM神经网络对不同客户进行聚类分析，通过分析找到每一类所表现的共同特征，利用经济学中价格敏感程度对福利、优惠方案进行求解。由于不同特征的客户对于价格波动的敏感程度有所不同，采用层次分析法对其价格敏感程度进行评价。最后制定出不同的优惠方案，通过价格敏感度实现不同优惠方案和不同客户之间的匹配，针对性的制定相应福利与优惠方案。
关键词：SOM神经网络；车险费率；车险定价
        模型的建立与求解
        1.1.1基于SOM聚类的客户优惠方案制定
        为了更有效的提高客户续保概率，本文首先最关注的为潜在续保用户。已经对客户精准画像，得到了续保概率。这里将上述模型所得到续保概率大于50%定义为潜在的续保客户。因为他们都有很大概率续保。针对这些潜在续保客户的不同特征进行相关优惠政策的制定可以极大的提高投入利用率，使得保险公司在竞争中脱颖而出。
要针对不同的客户设计不同的优惠和福利方案，得到提高续保概率的效果。本文采用SOM神经网络对不同客户进行聚类分析，通过分析找到每一类所表现的共同特征，以此来制定相应的方案。
SOM聚类由非常简单的神经元结构组成，是一种“无监督学习”模型。由于K-means这种无监督聚类在超过三维的情况下，很难实现可视化，而且其初始点的选取是随机的，导致每次聚类结果会有偏差，所以在这里采用SOM神经网络聚类对所给数据进行分类处理。将相似的模式样本划归为一类，而将不相似的样本分离开来，实现模式样本的类内相似性和类间分离性。
        由于无学习的训练样本中不含期望输出，因此对于某一输入模式样本应属于哪一类并没有任何先验知识。对于一组输入模式，只能根据它们之间的相似程度来分为若干类，因此，相似性是输入模式的聚类依据。本文中以风险程度近似的样本进行聚类。
        神经网络的输入模式向量的相似性测量可用向量之间的距离来衡量[1]。常用的方法有欧氏距离法和余弦法两种，这里采用欧氏距
                对续保概率在50%以上的潜在客户进行SOM神经网络聚类。得到了各神经元之间的距离权重大小可视化拓扑图。可以很直接的看出SOM神经网络的聚类结果。
        从聚类结果看，有3个较为聚集的类别，他们的9项指标更加近似。从左下角第一个正六边形为一号神经元，往右依次递增，每两个神经元之间的六边形颜色表示其相似程度，颜色越浅，越相似；颜色越深，差异越大[2]。
        在经济学里制定优惠和福利往往根据消费者对商品价格变动的敏感程度来确定的。个体消费者之间对同一种商品的价格的敏感程度是不同的，在上述SOM神经网络聚类模型中已经得到了各类客户的特征。本文采用层次分析法来进行判断哪类客户对于价格波动更加敏感。对于价格敏感的客户可以采用更大折扣以吸引他们续保。对于价格不敏感的客户可以采用服务以及其他方面的福利来吸引他们续保从而提高续保概率。
客户对优惠和福利方案的敏感程度称为需求价格弹性，简称价格弹性，不同客户之间对同一种优惠和福利方案的价格弹性是不尽相同的，按照价格弹性的不同，以最显著的五个因素（年龄、性别、车辆种类、续保年份、签单保费）来对价格的敏感性分析进行划分。
        采用层次分析法进行对不同类别客户的对价格波动敏感程度进行客观分析。目标层价格敏感程度，准则层为五个指标，方案层为客户类别。
通过求解得到了三类不同客户对价格波动敏感程度，它们的权重矩阵为：

                1.1.2结论
        也就是说从对价格波动敏感程度来说第一类>第三类>第二类。根据上述划分标准可以把客户分为以下三组：
        第一组对价格敏感。
        第二组对价格不敏感。
        第三组对价格敏感适中。
        第一种方案：八折优惠，并与其签订相关约定，在未来的1年内如果没有发生交通事故可以增加5%的优惠，每年一次类推，最高优惠为六折，如果发生交通事故，每发生一次减少5%的优惠，直到减到原价为止。
        第二种方案：九折优惠，在未来的1年内如果没有发生交通事故可以增加6%的优惠，每年一次类推，最高优惠为六折，如果发生交通事故，每发生一次减少6%的优惠，直到减到原价为止。
        第三类方案：原价，在未来的1年内如果没有发生交通事故可以增加7%的优惠，每年一次类推，最高优惠为六折，如果发生交通事故，每发生一次减少7%的优惠，直到减到原价为止。
        根据客户价格敏感程度进行优惠方案与客户类型进行匹配，第一类客户对应第一种方案；第二类客户对应第三种方案；第三类客户对应第二种方案。
参考文献
[1]秦绪佳,单扬洋,徐菲,郑红波,张美玉.基于SOM聚类的垃圾处理方式可视化分析方法[J].计算机科学,2018,45(12):262-267+287.
[2]陈万振,张予瑶,苏一丹,覃华,蒙祖强.贝叶斯正则化的SOM聚类算法[J].计算机工程与设计,2017,38(01):127-131.