本书基于大数据时代背景,对健康保险精算统计模型与风险监管进行系统研究。研究发现:,分布式算法、*子抽样、基于密度比模型的经验似然算法和模*均算法等可解决健康大数据融合问题;第二,随机森林分类模型、BP组合神经网络模型、朴素贝叶斯模型及马尔可夫模型等可有效推进健康保险定价模型向事前定价 动态调整的创新模式转变;第三,聚类方法、LightGBM方法和决策树算法等可对健康保险欺诈进行科学识别。
希望本书的出版可以为健康保险精算技术变革及风险监管对策改进提供理论支撑,助力国家多层次医疗保障体系改革。
章 导论
节 研究背景与意义
第二节 国内外研究进展与述评
第三节 研究思路与总体框架
第四节 本书结构安排
第五节 本章小结
第二章 健康大数据引入健康保险的必要性及应用场景
节 健康大数据的来源与特征
第二节 大数据分析技术引入健康保险精算的必要性
第三节 大数据在健康保险中的应用与场景
第四节 本章小结
第三章 健康保险领域中大数据融合方法
节 健康保险数据大之解决:分布式算法
第二节 健康保险数据大之解决:*子抽样
第三节 多源异质健康保险数据融合
第四节 多源碎片化健康保险数据融合
第五节 本章小结
第四章 大数据背景下商业健康险定价
节 健康保险定价:从传统到大数据的结合
第二节 大数据背景下商业医疗保险的定价研究
第三节 大数据背景下长期护理保险的定价研究
第四节 大数据背景下重疾险的定价研究
第五节 本章小结
第五章 大数据背景下健康险相依性定价及保费动态调整研究186
节 贝叶斯非参数方法在健康险定价中的应用
第二节 混合专家模型在健康险定价中的应用
第三节 大数据背景下健康保险动态定价机制
第四节 本章小结
第六章 大数据背景下医疗保险欺诈识别与风险预警
节 医疗保险欺诈的成因、应对及挑战
第二节 大数据技术在医疗保险反欺诈中的应用:文献综述
第三节 基于K均值聚类方法下的医疗保险欺诈风险预警
第四节 基于LightGBM方法下的医疗保险欺诈风险预警
第五节 大数据技术在商业健康保险风险预警的应用
第六节 本章小结
第七章 大数据在健康保险行业应用中的标准化及隐私保护
节 大数据在健康保险行业的应用
第二节 健康保险数据标准化研究
第三节 健康保险大数据的隐私保护
第四节 本章小结
附录 大数据在保险公司健康险业务中应用情况调查问卷
参考文献