Telematics Combined Actuarial Neural Networks for Cross-Sectional and Longitudinal Claim Count Data

要約

我々は、Mario W’uthrichとMichael Merzによって提唱されたCombined Actuarial Neural Network (CANN)フレームワークに基づいて構築された、自動車保険の新しい横断的・縦断的保険金カウントモデルを発表する。CANNのアプローチは、一般化線形モデルのような古典的な保険数理モデルとニューラルネットワークを組み合わせたものである。このモデルの融合により、古典的な回帰モデルとニューラルネットワーク部分からなる2成分モデルが出来上がる。CANNモデルは、ニューラルネットワークが提供する複雑な関係や相互作用を捉えるための柔軟性と能力を利用しながら、古典的モデルから堅固な基礎と解釈可能性を提供し、両方のコンポーネントの長所を活用する。我々の提案するモデルでは、古典的回帰部分にはよく知られた対数線形クレーム数回帰モデルを使用し、ニューラルネットワーク部分には多層パーセプトロン（MLP）を使用する。MLP部分は、各保険ドライバーの運転行動を特徴付けるベクトルとして与えられたテレマティクス自動車運転データを処理するために使用される。クロスセクションデータのポアソン分布と負の2項分布に加えて、多変量負の2項（MVNB）仕様でCANNモデルを学習する手順を提案する。これにより、同一被保険者の契約間の依存性を考慮した縦断モデルを導入する。その結果、CANNモデルは、手作業で設計されたテレマティクスの特徴に依存する対数線形モデルと比較して、優れた性能を示すことが明らかになった。

要約(オリジナル)

We present novel cross-sectional and longitudinal claim count models for vehicle insurance built upon the Combined Actuarial Neural Network (CANN) framework proposed by Mario W\’uthrich and Michael Merz. The CANN approach combines a classical actuarial model, such as a generalized linear model, with a neural network. This blending of models results in a two-component model comprising a classical regression model and a neural network part. The CANN model leverages the strengths of both components, providing a solid foundation and interpretability from the classical model while harnessing the flexibility and capacity to capture intricate relationships and interactions offered by the neural network. In our proposed models, we use well-known log-linear claim count regression models for the classical regression part and a multilayer perceptron (MLP) for the neural network part. The MLP part is used to process telematics car driving data given as a vector characterizing the driving behavior of each insured driver. In addition to the Poisson and negative binomial distributions for cross-sectional data, we propose a procedure for training our CANN model with a multivariate negative binomial (MVNB) specification. By doing so, we introduce a longitudinal model that accounts for the dependence between contracts from the same insured. Our results reveal that the CANN models exhibit superior performance compared to log-linear models that rely on manually engineered telematics features.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL