摘要：基于操作时间来重新设计流量三角形,通过对Hoerl曲线进行推广来刻画异质的损失进展模式,分别建立双广义线性混合模型和Tweedie分布簇广义线性混合模型来评估准备金。该模型可以综合信息平台汇总数据,同时利用个体经验数据和行业数据来评估任何保险公司在任何时点的准备金,解决传统准备金评估技术的弊端,为动态风险监管提供决策依据。在实证分析中,根据重疾险的数据特征,设计适合的准备金评估模型,最后进行对比分析,总结模型方法的优点、缺点和主要结论。

摘要：根据多隐藏层所有训练样本误差平方和最小设计优化问题,求解并绘出计算流程图。Trevor等人认为隐藏单元过多比过少好,交叉验证估计(隐藏单元)正则化参数没有必要。还有一种通常做法是常常利用分类树挑选变量作为输入变量进行人工神经网络建模。而从人工神经网络与多元统计、传统回归和其他数据挖掘工具的区别和联系出发,认为这些观点和做法值得商酌;用ZIP编码实例说明隐藏单元过多不一定比过少好,实际数据分析中所需隐藏单元数的确定可以用交叉验证结合经验判断来实现,利用分类树选择的变量对于人工神经网络没有太大的效果;通过分类树删节变量以降低计算量的效果不如通过压缩隐藏单元个数降低计算量来得好;非完全问题"从简单到一般"思想与完全问题中选择所有变量的思想不矛盾。在总结了Le Cun等人的局部联结以有效降低权数思想的基础上,提出通过随机选择人工变量建立人工神经网络分布式模型系统的设想。

摘要：自动驾驶汽车的构造、风险点与传统燃油车差异明显,其投保需求、保险费用、费率厘定涉及因素等同传统汽车也存在差异,保险责任和使用场景更复杂,当前汽车保险的条款和费率设计无法满足电动汽车消费者需求。本文梳理了国内外汽车保险模式发展历程,在分析自动驾驶汽车产品特点、风险点与费率厘定以及理赔流程的基础上,逐步设计适合中国自动驾驶汽车产品的保险制度。本文认为,为自动驾驶汽车保险合理定价提供理论依据有利于更好地发挥保险的风险保障功能,不仅要加强国家相关部门对于自动驾驶汽车风险管理的顶层设计,还要加快适合中国国情的自动驾驶汽车产品的保险制度落地,推动我国自动驾驶汽车保险的高质量发展。

摘要：“惠民保”是在“政府指导、市场运作”逻辑下商业健康保险的一次产品创新和模式变革,是政府推进多层次医疗保障体系建设的一次重要尝试。本文对比分析基本医保、大病医保、百万医疗产品,认为坚持“普惠性”方向,围绕“价值性”与“可持续性”平衡机制,“惠民保”能紧密衔接基本医保,并实现保障结构的优化;梳理美国、新加坡案例,认为坚持普惠与有偿相结合可以促进供需循环,通过产品形态与规则的科学界定能确保交易公平性,通过专业与精细化管理赋能能实现可持续经营,应对参保率不足与死亡螺旋问题。中国“惠民保”模式开创了自己的特色道路,坚持走普惠型政企合作模式,形成更广泛的共保模式,以实现保险风控与普惠的平衡,使得主体职能边界日趋清晰,产品供给在区域整合中优胜劣汰。建议从顶层设计上坚定其“普惠”属性,从运营管理上提升多层次保障供给水平,丰富健康服务供给,拓宽健康生态合作,维系可持续健康发展道路。