[发明专利]一种基于深度学习的车险风控定价模型方法

说明书

本发明公开了一种基于深度学习的车险风控定价模型方法，包括以下步骤：步骤一：用户输入车辆信息，包括车牌号、品牌、型号、车辆初登日期等车辆要素信息；步骤二：系统自动补全车架号、VIN码等信息，专业工作人员核对全车架号、VIN码等信息的正确性；步骤三：用户输入车辆的里程数，并由专门的工作人员核对车辆里程数；步骤四：考虑到信息安全性，中间部分字段需要脱敏展示；本发明通过围绕“人、车、行为、历史赔付”四大维度进行数据钻取，通过大数据分析技术和机器学习算法，全方位、立体化地对车辆发生事故的风险进行精准预测，生成“风险分值”，分值越高赔付风险越高，从而使得车险风控定价更合理。

技术领域

本发明属于车险技术领域，具体涉及一种基于深度学习的车险风控定价模型方法。

背景技术

机动车辆保险即汽车保险，是指对机动车辆由于自然灾害或意外事故所造成的人身伤亡或财产损失负赔偿责任的一种商业保险，机动车辆保险即“车险”，是以机动车辆本身及其第三者责任等为保险标的一种运输工具保险，其保险客户，主要是拥有各种机动交通工具的法人团体和个人；其保险标的，主要是各种类型的汽车，但也包括电车、电瓶车等专用车辆及摩托车。

传统车险定价，更多的依据行业制定的基准保费，采用从车的方式，结合各自公司理赔率等综合情况进行定价，此方法导致车险价格更多的依托车辆自身属性，如品牌型号、新车购置价、车龄等要素，缺少对驾驶人因素的考量，导致相同属性辆车不同驾驶员保费一致，而实际不同驾驶人、不同的驾驶习惯、交通违章行为等会导致出险概率完全不同。原有方案在考量历史赔付问题时仅仅考虑了理赔次数、赔付金额，对赔付中的欺诈风险缺少并未直接钻取。而一些中小型公司对大数据分析能力不足、历史数据的积累不充分导致了无法适应本次车险综合改革。

发明内容

本发明要解决的技术问题是克服现有的缺陷，提供一种基于深度学习的车险风控定价模型方法，以解决上述背景技术中提出的车险价格更多的依托车辆自身属性，缺少对驾驶人因素的考量，仅仅考虑了理赔次数、赔付金额，对赔付中的欺诈风险缺少并未直接钻取，无法适应车险综合改革的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的车险风控定价模型方法，包括以下步骤：

步骤一：用户输入车辆信息，包括车牌号、品牌、型号、车辆初登日期等车辆要素信息；

步骤二：系统自动补全车架号、VIN码等信息，专业工作人员核对全车架号、VIN码等信息的正确性；

步骤三：用户输入车辆的里程数，并由专门的工作人员核对车辆里程数；

步骤四：考虑到信息安全性，中间部分字段需要脱敏展示；

步骤五：系统根据车辆信息生产车辆画像：品牌、车架、车龄、价格区间、车辆属性等；

步骤六：用户输入车主姓名与身份证号等个人信息；

步骤七：系统根据用户信息生成用户画像：年龄、家庭分类、性别、驾龄范围等；

步骤八：用户选择车辆投保省份、地市，系统自动定位此时的省份、地市；

步骤九：系统依托其他数据源补全用户交通违章信息等行为信息；

步骤十：考虑到数据源数据准确性，补全违章信息后，需要弹出消息界面与用户确认违章行为；

步骤十一：系统依托历史数据积累，及理赔系统返回的数据补充历史赔付信息：出险次数、赔付金额、定损员、修理厂、事故性质(全损、水淹、过户等)；

步骤十二：考虑到数据源数据准确性，补全信息后，需要弹出消息界面与用户确认历史赔付信息；

步骤十三：大数据加工，采用历史全量和定期增量方式加工，并根据新发现的场景适时增补模型特征；