長期短期記憶ネットワークを用いた一般保険請求のためのマイクロレベル保存【JST・京大機械翻訳】

Chaoubi Ihsan; Besse Camille; Cossette Helene; Cote Marie-Pier

プレプリント

J-GLOBAL ID：202202220018912508 整理番号：22P0282427

長期短期記憶ネットワークを用いた一般保険請求のためのマイクロレベル保存【JST・京大機械翻訳】

Micro-level Reserving for General Insurance Claims using a Long Short-Term Memory Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月26日プレプリントサーバーでの情報更新日： 2022年01月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

個々の請求に関する詳細情報は,保険請求データが集約され,損失保存のための開発三角形で構造化されるとき,完全に無視される。個々の請求特性から予測力を抽出することを期待して,研究者は,最近,マイクロレベル損失保存アプローチに有利なこれらのマクロレベル法から離れて移動することを提案した。Long Short-Termメモリ(LSTM)ニューラルネットワークと名付けた深層学習アプローチにおける粒状情報を組み込んだ離散時間個別保存フレームワークを導入した。各期間において,ネットワークには2つのタスクがある:最初に,支払いまたは回復があるかどうか,そして,次に,対応する非ゼロ量を予測するかどうかを,もしあらわす。模擬および実際の一般保険データセットに関する推定手順を説明した。予測的な顕著な損失推定とそれらの実際の値を用いて,著者らのアプローチを鎖-膀胱凝集体法と比較した。閾値を超える過剰支払いに対する一般化パレートモデルに基づいて,LSTM予備予測を調整し,極端な支払いを説明した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , パターン認識 , ニューロコンピュータ

, , ,

前のページに戻る