Моделирование и прогнозирование в страховании с использованием машинного обучения и нейронных сетей

Искусственный интеллект (ИИ), большие данные все глубже проникают практически во все сферы деятельности человека. ИИ сочетает в себе такие сегменты, как компьютерное зрение, обработка естественного языка, классические задачи машинного обучения (machine learning), которые заключаются в работе с табличными данными, предсказание временных рядов при помощи нейронных сетей и другие. Последняя задача будет решаться в данном исследовании, помимо задачи прогнозирования ущерба по страховому полису. Предсказание временного ряда (с конца 2007 по 2012 года) будет производиться как классическими методами (SARIMA, модель Holt-Winters), так и более современными – нейронными сетями (Recurrent Neural Networks, архитектура sequence to sequence (seq2seq)), градиентными бустингами, случайным лесом). Изначальный ряд является нестационарным, есть предпосылки структурного сдвига. Следующей задачей будет построение моделей предсказания ущерба по характеристикам, описывающим страховой полис. Например, будут такие признаки, как информация о водителе (пол, возраст, стаж вождения) и о транспортном средстве (год производства, стоимость). В данной задаче классическим средством, которое применяется в реальном страховом бизнесе, является GLM – обобщенные линейные модели. Кроме того, будут построены модели Ridge и Lasso регрессии, бустинги, случайный лес. Настраиваться модели будут на валидационной выборке при помощи поиска оптимальных параметров по сетке. Итоговые модели будут сравниваться по таким метрикам, как MAPE (mean absolute percentage error) в задаче предсказания временного ряда и MAE (mean absolute error) в задаче предсказания ущерба по страховому полису. Итогом работы будет отбор лучших моделей по целевым метрикам на тестовом наборе данных и сравнение их между собой. Основной посыл работы в том, что современные алгоритмы машинного обучения и нейронных сетей способны заменить классические модели, которые в настоящее время используются в страховом бизнесе.