【管理评论】中国系统管理学专辑｜基于TEI@I方法的中国保险业保费收入预测

基于TEI@I方法的中国保险业保费收入预测

Forecasting Premium Income of China's Insurance Industry Based on TEI@I Methodology

 作者介绍

• 周桦,中央财经大学保险学院/中国精算研究院教授,硕士生导师,博士

• 卢志源,中央财经大学保险学院硕士研究生

• 郑敏(通讯作者),中央财经大学中国精算研究院副研究员,硕士生导师,博士
  

 摘   要 

本文基于TEI@I方法论，使用集成经济计量模型、文本挖掘和机器学习的分析框架，构建中国保险业保费收入的预测模型。该模型首先运用季节调整SARIMA模型对保费收入的主要趋势进行拟合，再使用机器学习中的支持向量回归方法对SARIMA模型的残差进行拟合，并运用文本挖掘技术增加相关的百度指数作为解释变量以提升模型的拟合度，最后再次使用支持向量回归整合拟合结果形成一个集成模型，从而得到精度更高的保费收入预测模型。本文利用我国月度保费收入数据，通过模型比较研究，验证了TEI@I方法在我国保费收入预测中的有效性与稳健性。

关键词：TEI@I方法论, 保费收入预测, SARIMA, 支持向量回归

 基金资助

国家社会科学基金一般项目（18BJY255）

国家自然科学基金面上项目（71571197）

高等学校学科创新引智计划资助项目（B17050）

 Abstract

Premium income is the most important basic indicator reflecting the development level of an insurance industry in a country or region. It reflects the insurance demand of residents and the overall size of the insurance market in the country or region. At the same time, premium income is also a key variable of insurance density and insurance penetration. Based on TEI@I methodology, within the integrated frameworks of econometric model, text mining and machine learning, this paper constructs a model for forecasting premium income of China's insurance industry. In this model, this paper first uses the season-adjusted model, SARIMA, to fit the main trend of premium income. Then, this paper uses the support vector regression, which is a method in machine learning, to fit the residual of SARIMA. Under the guidance of TEI@I methodology, in order to improve the fitness of the model, this paper adds the related Baidu index through the text mining technology into explanatory variables. At last, this paper uses the support vector regression again to integrate the fitting results, so as to obtain an integrated forecasting model of premium income with a higher precision. Through the model comparison and based on the data of China's premium income, this paper verifies the effectiveness and robustness of the TEI@I methodology in China's premium income forecasting research.

Key words：TEI@I methodology, premium income forecast, SARIMA, support vector regression

复制以下链接至浏览器中下载，或直接点击“阅读原文”即可下载全文!

下载链接:

http://journal05.magtech.org.cn/jweb_glpl/CN/article/downloadArticleFile.do?attachType=PDF&id=1731

中国系统管理学专辑（持续发布中）

《管理评论》简介

《管理评论》是管理学领域的少数几本大型综合类中文学术期刊之一，国家自然科学基金委员会管理类重要期刊（A级）、中文社会科学引文索引（CSSCI）期刊和北大核心期刊。本着前瞻、务实、创新的宗旨，评论管理学的学科前沿，开设管理学的案例研究专栏，发现管理学新思想和新理论，发掘管理新方法和新技术，持续关注企业管理、经济管理、金融管理等研究方向出现的热点问题和难点问题，推动中国管理学的研究与学科发展。目前，《管理评论》已被管理学界公认为一本学术价值居领先地位的期刊，近期获得的部分荣誉包括：

► 2018年、2019年度人大复印报刊资料转载量和新华文摘在工商管理学科连续排名第1；

►连续二年获“中国最具国际影响力学术期刊”荣誉（CNKI：《2018年度中国学术期刊国际影响力研究报告》和《2019年度中国学术期刊国际影响力研究报告》）；

► 根据《中国学术期刊影响因子年报》（2019版），在24种管理类学术期刊中，《管理评论》影响因子排名第5，在1690种全国统计源期刊中位列前5%，影响因子4.668，2019年总被引频次12432,较2018年影响因子3.838和总被引频次10069又有明显提高。