论文部分内容阅读
利用客户生命周期价值(Customer Lifetime Value,CLV)作为衡量车险客户价值贡献的指标,进行有效的续保业务管理,从而将车险的短期交易转变为长期价值,这在未来的车险业务发展中具有深远的意义。因此,为区分不同价值类客户,搭建精准的客户价值评估模型在客户价值划分中至关重要。本文首先在传统CLV模型的基础上,借鉴金融领域中个别资产应用风险修正的思想,引入客户赔付风险β_c系数作为贴现率的调整因子,通过修正风险贴现率来调整客户价值,由此创建RCLV(Risk-adjust Customer Lifetime Value)模型。RCLV模型具有较大的风险包容性和灵活性,创建RCLV的目的在于解决赔付风险不同的客户在产生同样利润现金流水平下传统CLV模型难以区分潜在高价值客户的问题,这是本文的核心理念。其次,RCLV模型的重点在于如何确定β_c系数的表现形式。本文定义客户赔付风险β_c为单个客户赔付率与整体客户赔付率的比值,并积极探究商业险NCD、交强险NCD、商业三者险限额等从人因子对β_c的解释程度。最后,基于个体赔付率与累积损失趋势一致的情况,本文参考累积损失采用指数分布族模型进行量化的方法,并且由于免赔额及无赔款优待制度对索赔的极大影响,导致零点索赔概率膨胀,最终在量化β_c模型的选择上,选用混合分布中的零调整回归模型进行个体赔付率的合理预测。在实证部分,本文使用某财产保险公司2015年北京地区的车险精算数据,分别进行期望NCD、连续续保率以及个体赔付率(含赔付概率)的预测和评估,实证结果显示,从人因子对于个体赔付率的影响相对从车因子更大。同时,抽取典型样本进行RCLV的测算,某个客户的β_c系数越大,所对应的的风险贴现率越高,对CLV的调整比例越高。将该结果与原始CLV模型测算结果进行对比,说明了所建立的RCLV模型确实可以避免对潜在优良客户的误判。