《表3 三个模型的拟合效果评估》
本文在此采取MSE、SMSE与方向统计量三个评价指标对三个模型的训练样本拟合效果进行对比分析,具体计算结果见表3。由表3可见:运用机器学习方法对残差序列进行拟合之后的混合模型与集成模型的MSE、SMSE均比单纯使用SARIMA模型进行拟合的MSE、SMSE有了大幅度的下降,同时混合模型与集成模型的方向统计量也从0.875提升到0.9773,说明模型拟合程度相比单纯使用SARIMA模型也更好。另一方面,从方向统计量上看,混合模型与集成模型二者相当;而混合模型的MSE、SMSE比集成模型的小,表明混合模型拟合优度上优于集成模型。这是因为在混合模型中使用的机器学习算法已保证了对SARIMA模型的残差值进行最优拟合,而集成模型通过二次机器学习的拟合实质上导致了过度拟合现象,从而在拟合效果的评价指标MSE、SMSE和方向统计量上,混合模型不输于(甚至优于)集成模型。但对于保费收入的预测,拟合优度更好的模型不一定在预测效果上更好,这需要对各模型的前向预测结果进行具体评估才能做出正确判断。
图表编号 | XD00161101400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.31 |
作者 | 周桦、卢志源、郑敏 |
绘制单位 | 中央财经大学保险学院、中国精算研究院、中央财经大学保险学院、中央财经大学中国精算研究院 |
更多格式 | 高清、无水印(增值服务) |