在车险业务中,确定费率的做法是依据个体风险的特征即费率因子进行分类,建立统计模型,在此基础之上厘定分类费率。常用到的模型分析方法有单项分析法、最小偏差法、多元线性回归和广义线性模型等,但是上述模型在车险费率厘定中各有-定的优势和劣势。本文使用了广义线性模型的扩展模型——广义加性模型GAM和广义加性模型的扩展模型GAMLSS应用在车险费率厘定当中,GAM和GAMLSS两种扩展模型对数据拟合效果较好。广义加性模型是广义线性模型的扩展,它通过半参数、非参数光滑技术拟合数据,而不仅仅只是使用线性组合拟合,使得模型的拟合更加准确。而GLM和GAM模型在处理大数据的时候就会出现一定的问题,拟合效果并不是很好,于是上述两种模型得到了进一步扩展,得到了GAMLSS模型,GAMLSS模型使用了四个参数,将通常的位置和尺度两参数模型模型,扩大到了位置、尺度和形状模型,更加的适合车险中的高偏斜、高陡峭、大数据量的车险数据。并将模型的适用范围从指数分布族扩大到了更广的范围,再连接函数当中也使用了半参数、非参数光滑技术拟合数据。适用范围的扩大可以有更多的分布供选择,对不同的数据类型选择不同分布。同时本文使用了GAM,GAMLSS模型对车险数据进行拟合,预测出了车险的索赔频率和索赔额度,从而可以得到车险费率。本文中得到一定的结果,在实际车险费率厘定中也具有一定的参考价值。