[Paper] 揭示地理驱动信号在区域级索赔频率模型中的作用：基于环境和视觉预测因子的实证研究

Source: arXiv - 2604.21893v1

概述

本文研究了如何从公开可用的数据中提取地理洞察，以改进机动车保险索赔频率模型，即使底层精算数据仅包含粗略的位置标签（例如邮政编码区）。通过将传统精算变量与来自 OpenStreetMap、CORINE 土地覆盖图以及卫星风格正射影像的环境描述相结合，作者展示了更智能的地理表示能够在一系列经典和现代机器学习模型中提升预测性能。

关键贡献

• Zone‑level framework: 展示了一种在空间粒度受限（邮政编码区域）而非精确地址的情况下进行工作的实用方法。
• Multi‑source geographic features: 提取并评估三种地理信号通道——原始坐标、工程化环境指标以及深度学习图像嵌入。
• Model‑agnostic evaluation: 对地理增强对 GLM、正则化 GLM（ridge/lasso）、梯度提升树以及在原始影像上训练的纯 CNN 的影响进行基准测试。
• Scale analysis: 发现环境特征的 5 km 邻域半径能够带来最大的准确率提升，而更细的（≤1 km）邻域仍然有价值。
• Vision‑transformer insight: 表明预训练的视觉 Transformer 嵌入在缺乏手工环境数据时可以拯救线性模型的性能。
• Open‑science reproducibility: 使用公开发布的 BeMTPL97 比利时机动车保险数据集和可公开获取的 GIS 图层，鼓励进一步的研究和行业试点。

方法论

1. 数据准备
   • 精算核心： 来自 BeMTPL97 数据集的保单层面风险因素（车辆年龄、驾驶员年龄、曝光度等）。
   • 地理增强：
     • 坐标： 每个邮编中心点的纬度/经度。
     • 环境特征： 在不同半径（0.5 km、1 km、5 km）的圆形缓冲区内聚合的道路类型、土地覆盖类别、兴趣点等的计数/百分比。
     • 正射影像： 覆盖每个区域的 256 × 256 像素正射照片（RGB），使用预训练的 Vision Transformer (ViT) 提取密集嵌入。
2. 模型族
   • GLM（泊松）： 经典精算基线。
   • 正则化 GLM： Ridge/Lasso，用于处理高维特征集。
   • 梯度提升树（XGBoost/LightGBM）： 在无需大量特征工程的情况下捕获非线性交互。
   • CNN： 直接输入原始图像，实现端到端的视觉基线。
3. 训练与评估
   • 按 邮编 划分数据：在一组区域上训练，在未见的区域上测试，以模拟新地理区域出现时的真实部署情形。
   • 指标：对索赔频率预测使用 平均绝对误差 (MAE) 和 泊松偏差。
   • 消融研究：分别以及组合加入每个地理通道，以隔离它们的边际贡献。

结果与发现

*图像嵌入仅在省略环境描述符时提升正则化 GLM；否则几乎不增加额外信号。

要点

• 单独加入坐标只能带来适度提升；真正的提升来自5 km尺度的环境聚合。
• 基于树的模型能够最大化组合地理信号，将 MAE 减少约 14%。
• 线性模型仍可受益于视觉 Transformer 嵌入，提供一种轻量方式在不训练完整 CNN 的情况下注入视觉上下文。
• 预测提升大于模型复杂度的影响，强调地理信息的表示方式比使用何种算法更为关键。

Practical Implications

• InsurTech 产品团队 可以在不需要精确地址数据的情况下，使用廉价的 GIS 数据（如 OSM、CORINE）来丰富现有的核保流程，既保护隐私，又获得地理洞察。
• 基于风险的定价：更精确的区级频率预测能够实现更细粒度的保费调整，可能降低逆向选择的风险。
• 快速原型开发：开发者可以先使用正则化的 GLM 加上预训练的 ViT 嵌入作为低计算量基线，然后迭代到梯度提升树以获取最佳性能。
• 监管合规：由于该方法在聚合区块上工作，规避了大量困扰地址级建模的数据隐私限制。
• 可扩展部署：特征提取（缓冲区计数、土地覆盖比例）可以在数据湖中预先计算并定期刷新，使该解决方案能够面向大规模投保组合投入生产。

限制与未来工作

• 地理粒度： 本研究仅限于邮政编码区域；在更细粒度（例如街道级）或更粗粒度（区域级）聚合上的表现尚不明确。
• 领域特异性： 结果基于比利时的机动车第三者责任险（MTPL）数据；在道路网络或索赔文化不同的其他国家的可迁移性需要验证。
• 图像质量与覆盖范围： 正射影像仅限于公开发布的瓦片；更高分辨率或多光谱影像可能进一步提升视觉嵌入的效果。
• 时间动态性： 模型未考虑地理风险随时间的演变（例如新建工程），这为引入时间感知的 GIS 图层提供了方向。
• 可解释性： 虽然基于树的模型可以提供特征重要性，但视觉 Transformer 嵌入的黑箱特性使得解释为何某一区域风险更高变得困难。未来工作可以探索注意力图可视化或保留可解释性的混合模型。

作者

• Sherly Alfonso‑Sánchez
• Cristián Bravo
• Kristina G. Stankova

论文信息

• arXiv ID: 2604.21893v1
• 分类: stat.ML, cs.LG, q-fin.RM
• 发表时间: 2026年4月23日
• PDF: 下载 PDF