論文の概要: Customer Price Sensitivities in Competitive Automobile Insurance Markets
- arxiv url: http://arxiv.org/abs/2101.08551v1
- Date: Thu, 21 Jan 2021 11:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-21 07:48:36.160912
- Title: Customer Price Sensitivities in Competitive Automobile Insurance Markets
- Title(参考訳): 競争力のある自動車保険市場の顧客価格感性
- Authors: Robert Matthijs Verschuren
- Abstract要約: 保険業者は、政策ステークホルダーの滞在意欲に対するプレミアム・チェンジの間接効果を取り入れるための需要ベースの戦略をますます採用している。
本稿では,顧客価格のセンシティビティを考慮し,プレミアム更新オファーを最大化する最適多時期利益を導き出す因果推論手法を検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Insurers are increasingly adopting more demand-based strategies to
incorporate the indirect effect of premium changes on their policyholders'
willingness to stay. However, since in practice both insurers' renewal premia
and customers' responses to these premia typically depend on the customer's
level of risk, it remains challenging in these strategies to determine how to
properly control for this confounding. We therefore consider a causal inference
approach in this paper to account for customer price sensitivities and to
deduce optimal, multi-period profit maximizing premium renewal offers. More
specifically, we extend the discrete treatment framework of Guelman and
Guill\'en (2014) by Extreme Gradient Boosting, or XGBoost, and by multiple
imputation to better account for the uncertainty in the counterfactual
responses. We additionally introduce the continuous treatment framework with
XGBoost to the insurance literature to allow identification of the exact
optimal renewal offers and account for any competition in the market by
including competitor offers. The application of the two treatment frameworks to
a Dutch automobile insurance portfolio suggests that a policy's competitiveness
in the market is crucial for a customer's price sensitivity and that XGBoost is
more appropriate to describe this than the traditional logistic regression.
Moreover, an efficient frontier of both frameworks indicates that substantially
more profit can be gained on the portfolio than realized, also already with
less churn and in particular if we allow for continuous rate changes. A
multi-period renewal optimization confirms these findings and demonstrates that
the competitiveness enables temporal feedback of previous rate changes on
future demand.
- Abstract(参考訳): 保険業者は、政策ステークホルダーの滞在意欲に対するプレミアム・チェンジの間接効果を取り入れるため、より需要ベースの戦略を採用する傾向にある。
しかし、実際には、保険業者のリニューアル・プレミアと顧客のリアクションは、通常、顧客のリスクレベルに依存しているため、これらの戦略では、この不確実性に対する適切なコントロール方法を決定することが困難である。
そこで本稿では,顧客価格のセンシティビティを考慮し,プレミアム更新オファーを最大化する最適多時期利益を導き出す因果推論手法を検討する。
具体的には, エクストリームグラディエントブースティング (XGBoost) による Guelman と Guill\'en (2014) の離散的処理フレームワークを拡張し, 反事実応答の不確かさをよりよく説明するために, 多重計算により拡張する。
さらに,xgboostを用いた継続的処理フレームワークを保険文献に導入し,適切な更新提案の特定と,競合オファーを含む市場での競合に対する説明を可能にした。
オランダの自動車保険ポートフォリオへの2つの治療枠組みの適用は、市場における政策の競争性が顧客の価格感度に不可欠であること、XGBoostが従来のロジスティック回帰よりもこれを記述するのが適切であることを示唆している。
さらに、両方のフレームワークの効率的なフロンティアは、実現したよりもはるかに多くの利益を得ることができることを示しています。
複数周期の更新最適化がこれらの結果を確認し、競争性が将来の需要に対する過去のレート変化の時間的フィードバックを可能にすることを示す。
関連論文リスト
- Interactive Learning with Pricing for Optimal and Stable Allocations in
Markets [12.580391999838128]
大規模オンラインレコメンデーションシステムは、ユーザのフィードバックから好みを学習しながら、競合するユーザ間で限られた数のアイテムの割り当てを容易にする必要がある。
我々のフレームワークは、報酬を楽観的に最大化するアロケーションを探索することで、レコメンデーションの品質を高める。
不安定性を最小限に抑えるため、推薦されたアロケーションから逸脱するユーザのインセンティブを測定するため、アルゴリズムはWalrasian equilibriaから派生したスキームに基づいてアイテムを価格設定する。
本手法は, 帯域幅, 最適資源配分, 協調フィルタリングの手法を統合し, サブリニアな社会福祉の後悔と, サブリニアな不安定性を実現するアルゴリズムを得るための最初の手法である。
論文 参考訳(メタデータ) (2022-12-13T20:33:54Z) - Spatio-temporal Incentives Optimization for Ride-hailing Services with
Offline Deep Reinforcement Learning [7.668735431419396]
本稿では,輸送資源の利用と顧客満足度を向上させるため,需要側のオフライン強化学習手法を提案する。
我々は、時間と場所の異なる価値を学習するための深層時間学習法を採用し、その上で、乗客が需要分布を調整し、システムの供給と需要のバランスをとるように、乗車要求をインセンティブ化する。
論文 参考訳(メタデータ) (2022-11-06T23:54:38Z) - Personalized Promotion Decision Making Based on Direct and Enduring
Effect Predictions [5.50110172922112]
本稿では,顧客ごとの直接的かつ永続的な対応をモデル化し,複数治療促進意思決定の枠組みを提案する。
まず、顧客直接持続効果(CDEE)モデルを提案し、顧客直接持続応答を予測する。
CDEEの助けを借りて、コストを予算に抑えつつ、持続的な効果を最適化するためにインセンティブアロケーションをパーソナライズする。
論文 参考訳(メタデータ) (2022-07-23T07:13:57Z) - IBP Regularization for Verified Adversarial Robustness via
Branch-and-Bound [85.6899802468343]
IBP-Rは, どちらも簡便なトレーニングアルゴリズムである。
また、$beta$-CROWNに基づく新しいロバスト性であるUPBを提示し、最先端の分岐アルゴリズムのコストを削減する。
論文 参考訳(メタデータ) (2022-06-29T17:13:25Z) - Influencing Long-Term Behavior in Multiagent Reinforcement Learning [59.98329270954098]
時間的アプローチが無限に近づくと、他のエージェントの制限ポリシーを考えるための原則的枠組みを提案する。
具体的には、各エージェントの行動が他のエージェントが行うポリシーの制限セットに与える影響を直接考慮し、各エージェントの平均報酬を最大化する新しい最適化目標を開発する。
我々の遠視評価により、様々な領域における最先端のベースラインよりも長期的性能が向上した。
論文 参考訳(メタデータ) (2022-03-07T17:32:35Z) - Online Learning with Knapsacks: the Best of Both Worlds [54.28273783164608]
オンライン学習の課題として,意思決定者が,リソース制約の有限セットに違反することなく,期待する報酬を最大化したい,という課題を提起する。
当社のフレームワークは,意思決定者がそのエビデンスを柔軟かつコスト論的に扱えるようにします。
論文 参考訳(メタデータ) (2022-02-28T12:10:48Z) - Conditional Expectation based Value Decomposition for Scalable On-Demand
Ride Pooling [11.988825533369683]
従来のライドプーリングアプローチは、現在のマッチが車/ドライバーの将来的な価値に与える影響を考慮していない。
我々は,新たなアプローチである条件付き期待値分解(CEVD)がNeurADPを最大9.76%上回っていることを示す。
論文 参考訳(メタデータ) (2021-12-01T15:53:16Z) - Frequency-Severity Experience Rating based on Latent Markovian Risk
Profiles [0.0]
潜在マルコフリスクプロファイルに基づく新しい共同体験評価手法を提案する。
潜在プロファイルはHidden Markovモデルで時間とともに進化し、顧客のクレームエクスペリエンスの更新をキャプチャする。
以上の結果から, リスク・プリームは, 標準的な信頼性・プリームの動的, 経験的, 重み付けされた混合に繋がることが明らかとなった。
論文 参考訳(メタデータ) (2021-09-03T10:03:40Z) - Post-Contextual-Bandit Inference [57.88785630755165]
コンテキストバンディットアルゴリズムは、電子商取引、医療、政策立案における非適応的なA/Bテストを置き換える傾向にある。
研究参加者の成果を改善することもでき、良い方針や最良の政策を特定できる可能性を高めることもできる。
研究の終盤における新規介入の信頼性推論を支援するため, 平均治療効果, サブグループ効果, あるいは新政策の価値について, 有効な信頼区間を構築したい。
論文 参考訳(メタデータ) (2021-06-01T12:01:51Z) - Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。
選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
論文 参考訳(メタデータ) (2020-12-21T01:01:56Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳(メタデータ) (2020-04-19T18:00:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。