2018年7月2日上午09：30--11：00，于中央财经大学学术会堂中国精算研究院506会议室，我院邀请到了加拿大麦吉尔大学数学与统计学系的杨羿老师为大家带来了题为“New Techniques forModelingNon-life Insurance Claims”的报告。此次报告是我院第144期精算论坛讲座，我院的周县华、廖朴副教授及多位师生参加了本次讲座。
杨羿老师主要研究机器学习方向，本次精算论坛中，他分享了用决策树方法来预测车险赔付率的研究成果。杨羿老师首先介绍了传统保险定价方法在损失拟合上的不足，如业界广泛运用的Tweedie GLM模型由于线性预测而导致精度不够的问题。因此，他的研究主要围绕两个方向：（1）已知某些变量对预测结果有显著影响，基于这些已有变量里最大化提高预测精度；（2）如何选择这些变量，并且在多险种的条件下进行变量筛选。
这些工作都是基于Tweedie模型进行延伸。杨羿老师使用复合泊松分布，使数学假设符合统计的实际应用。通过变量替换，用决策树来建立每个险种的赔付率模型，并使用基尼系数来评估模型的效果。在变量筛选过程中，杨羿老师使用 Group Lasso方法，使得数据筛选效率大大提高，并且模型中每一个变量对于赔付率的影响都可以做出解释。
随后，周县华、廖朴副教授等师生就机器学习在财险领域的发展前景、人工智能算法等主题展开了热烈的讨论，收获颇丰。
