文献

J-GLOBAL ID：202202210393223308   整理番号：22A0478997

生命保険契約における崩壊予測のための機械学習モデル【JST・京大機械翻訳】

A machine learning model for lapse prediction in life insurance contracts

著者 (4件)： Azzone Michele (Politecnico di Milano, Department of Mathematics, 32 p.zza L. da Vinci, Milano, Italy) ,  Barucci Emilio (Politecnico di Milano, Department of Mathematics, 32 p.zza L. da Vinci, Milano, Italy) ,  Giuffra Moncayo Giancarlo (Politecnico di Milano, Department of Mathematics, 32 p.zza L. da Vinci, Milano, Italy) ,  Marazzina Daniele (Politecnico di Milano, Department of Mathematics, 32 p.zza L. da Vinci, Milano, Italy)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 191  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ランダムフォレスト方法論を用いて,政策立案者による生命保険契約の遅れ決定を予測した。この方法論は,特徴相互作用を考慮した場合でも,ロジスティックモデルより優れている。大域的および局所的解釈ツールを用いて,モデルがどのように機能するかを調べた。経済的/財政的特徴(使い捨て収入成長率を除く)が限られた影響しか果たさない間,非経済的特徴(契約の始まりと,保険会社とその商業アプローチ)は,崩壊決定を決定する際に有意な効果を発揮することを示した。分析は,ロジスティックモデルのような線形モデルが,金融決定の不均一性を捉えるのに適切ではないことを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  金融 ,  不均一性 ,  成長率 ,  *機械学習
準シソーラス用語： *生命保険 ,  ロジスティックモデル ,  線形モデル ,  ランダムフォレスト ,  政策担当者 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  生命保険 ,  解釈可能性 ,  ラプス

分類 (4件)： 数理計画法  (KA03030M) ,  原価管理一般  (KA05010E) ,  利益管理  (KA05030A) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (6件)： 生命保険 ,  契約 ,  崩壊 ,  予測 ,  機械学習 ,  モデル