リスク細分型保険のためのロバスト回帰分析に関する研究

风险分段保险稳健回归分析研究

• 批准号: 16700258
• 负责人: 竹内 一郎
• 金额: $ 1.02万
• 依托单位: Mie University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2004
• 资助国家: 日本
• 起止时间: 2004 至 2006
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16700258/
• 关键词: 損害保険; 回帰分析; ロバスト統計; 分位点回帰分析; ノンパラメトリック推定; データマイニング; 機械学習; カーネルマシン; リスク細分型損害保険; 条件付確率密度推定; 二次計画問題; パラメトリック計画問題; カーネル法; リスク細分型保険; 保険数学

本年度の研究実績は以下の2点である.1)決定木を用いた損害保険の純保険料推定:損害保険各社は顧客のリスクファクタを従来の保険商品よりも細分化して保険料を設定するリスク細分型保険商品の開発を進めている.リスク細分型保険の保険料を適切にするためには,リスクファクタを説明変数:X,支払保険金額を披説明変数:Yと表したときの条件付平均:E[Y|X]を精度良く推定しなければならない.本研究では,この問題を回帰分析のとして定式化し,これを決定木の枠組で解くことを試みた.保険金額の分布は非対称で正方向に長い裾を持つため,ロバスト回帰推定量である分位点回帰分析と最小二乗回帰分析を利用した二段階推定量を提案した.提案手法を北米の保険会社から提供された自動車保険データに適用したところ従来法よりも有意に良い結果が得られた.本研究の成果は人工知能学会論文誌に掲載された.2)ノンパラメトリック条件付分位点推定:前述のように,損害保険金額の分布は非対称で正方向に長い裾を持つため,外れ値の影響を受けにくいロバストな回帰推定量が必要となる.昨年度までの研究により,L1回帰を一般化した条件付分位点回帰が本問題に有効であることがわかった.本研究では,説明変数Xが高次元で互いに相互作用を持つような状況でもノンパラメトリックに条件付分位点を推定できる方法を開発した.機械学習分野で注目されているカーネル法の枠組を分位点回帰分析に適用することによりこれが可能となった.提案したノンパラメトリック分位点回帰分析は二次計画問題として定式化され,その最適化アルゴリズムの構築も行った.さまざまなベンチマークデータに対して提案方法を適用したところ有意に良い結果が得られた.本研究の成果はJournal of Machine Learning Researchに掲載された.

This year's research results include the following two points: 1) Determination of the use of pure protective materials for damage protection: Damage protection of each community to customers 'privacy, protection of incoming goods, segmentation of protective materials, setting of privacy for the development of segmented protective goods. Subdivision of the protection of the material is appropriate, the number of instructions:X, the amount of support protection:Y, the number of conditions paid:E| X] is presumed with good accuracy. This study analyzes and formulates the problem, and tries to solve it. The distribution of the amount of protection is not symmetrical, the positive direction is long, the reverse analysis is short, the reverse analysis is short. The proposal was made by the Ministry of Finance and the Ministry of Finance. The results of this study are disclosed in the Journal of the Society for Artificial Intelligence. 2) The estimation of conditional subloci: the distribution of damage protection amount is asymmetric and positive, and the influence of external value is necessary. In this study,L1 was generalized and the conditional quantile was returned to the problem. In this study, we have developed a method for estimating conditional loci by explaining the interaction between high dimensional variables X and high dimensional variables. Machine learning is the most important way to make a difference. The paper proposes a new method to optimize the quadratic programming problem of quantile regression analysis. The method of proposal is applicable to the purpose of the proposal and the result is obtained. The results of this study were published in Journal of Machine Learning Research.