李冶　秦嘉宁

摘 要：本文使用K-means聚类算法对数据进行分类，给同一属性的数据打上标签，从而形成对客户的精准画像，并根据已给公司车险业务的数据，运用了单因素敏感度分析法，筛选出具有解释能力的变量，继而选定广义线性模型中的Logistics多元回归模型，确定了模型结构和定量计算公式，建立了具有可操作性和可推广性的续保率预测模型，并使用VBA编程语言，实现了模型的自动化求解，对续保率进行了较为准确的预测。最后还对模型进行评价，对模型优点和缺点进行了客观评价，对存在的不足进行了改进，最后，将模型进行了纵向和横向等多个方向的推广。

关键词：车险续保;Logistics回归;K-means聚类算法;画像

一、研究背景

随着经济的高速发展，汽车成为了人们不可缺少的交通工具，伴随着汽车行业的高速发展，出现了机动车的保险，即车险。保险自身是一种分散风险、消化损失的经济补偿制度，车险即为分散机动车辆在行驶过程中可能发生的未知风险和损失的一种保障机制。种类主要有国家强制的交强险和商业险，汽车保险是财产保险的一种，在财产保险领域中，汽车保险属于一个相对年轻的险种。和其他保险险种一样，汽车保险为了扩大市场份额，在保证新客户的同时也要保证老客户的续保率。

二、研究现状综述

据当前的研究现状表明，续保率主要受已续保年限、公司、车龄、被保险人年龄、NCD等因素的影响。车保的续保业务占比也逐年提升，长期将对行业竞争和发展模式产生重要影响。……