Akur8發表新研究論文：《可信度與懲罰性迴歸》

紐約--(BUSINESS WIRE)--(美國商業資訊)-- (美國商業資訊)--Akur8今天針對保險精算界發表標題《可信度與懲罰性迴歸》(Credibility and Penalized Regression)的新研究論文。論文作者是Akur8旗下精算師和數據科學家組成的資深團隊。論文目的是為從業人員提供關鍵概念和直覺，展示懲罰性迴歸是如何結合廣義線性模型(GLM)與類似於可信度的假設。

近年來，為了解決GLM的一些侷限性，如無法納入類似於可信度的假設等，業界已經對該模型進行了一些調整。這些調整在機器學習界被廣泛採用，但在保險精算界並不是很流行。可信度方法(Credibility Theory)和GLM已成為與預測建模相關的標準精算工具集的一部分，相比之下，描述懲罰性迴歸如何將可信度與GLM相結合的精算文獻卻並不多見。

Akur8共同創辦人兼首席精算師Guillaume Beraud-Sudreau指出：「該論文探索如何從可信度和GLM架構的角度來解釋懲罰性迴歸（尤其是Lasso迴歸），旨在讓從業人員熟悉懲罰性迴歸，將其作為傳統精算技術的延伸，而非將其視為機器學習和資料科學文獻中的幾種新建模技術之一。」

Akur8共同創辦人首席兼執行官Samuel Falmagne表示：「Akur8的精算師和數據科學家團隊密切合作，撰寫了這篇關於可信度和懲罰性迴歸的綜合研究論文。我們很高興可以和業界分享這些資訊，為精算界提供這一重要主題的文獻。」

Akur8的解決方案專為精算師和預測模型建模師而開發，使用專有的透明機器學習技術，促使技術和商業保費建模自動化，進而強化保險公司的定價流程。採用該解決方案後，保險公司的核心效益包括減少數據準備時間和建模時間，從而能夠有效加快保費上傳到系統時間及生成更多預測模型，並可確保所創建模型完全透明及方便風險管控。

論文下載地址：https://bit.ly/Akur8-Credibility-And-Penalized-Regression

關於Akur8

Akur8利用透明機器學習徹底改變保險定價流程，在不影響可稽核性或控制性的前提下，以前所未有的速度和正確性提升保險公司在整個定價過程中的定價能力。我們的模組化定價平臺支援技術和商業保費建模的自動化，使保險公司能夠根據其業務策略計算調整後的正確費率，同時大幅促進公司業務，並按照州監管機構的要求，保持對所創建模型的絕對控制。採用Akur8後，建模時間減少至原來的十分之一，模型預測能力提高10%，損失率改善潛力提高2%至4%。Akur8目前為20多個國家的超過40家客戶提供服務，包括安盛(AXA)、忠利集團(Generali)、慕尼黑再保險(Munich Re)、Tokio Marine North America Services (TMNAS)；專業保險公司Canopius和MGA Bass Underwriters；諮詢合作夥伴Xceedance和Perr & Knight；以及保險科技公司Bought by Many和wefox。每天，逾600名精算師使用Akur8為各種業務領域建構定價模型。Akur8的策略性合作夥伴包括Milliman、Duck Creek、Guidewire和Sapiens等。

免責聲明：本公告之原文版本乃官方授權版本。譯文僅供方便瞭解之用，煩請參照原文，原文版本乃唯一具法律效力之版本。