赵玲君

摘要我国保险业正处于快速增长期，而信息时代的到来，允许车险企业可以通过数字化技术更加精准地定制营销和服务方案。本文基于车险公司数据库进行数据挖掘，将Logistic多元回归模型应用在事故率的预测中，获取对事故率影响最大的三个变量，并且提出基于聚类分析和决策树算法的续保率预测模型以进行优化，最终达到提高续保率的效果。

关键词 Logistic多元回归模型;聚类分析;Cart决策树

一、背景与研究意义

我国保险业正处于快速增长期。一方面，由于收入水平的提升，居民对健康和安全有了更高要求，进而对保险的需求有所提升;另一方面，互联网金融、大数据、云计算等科技的发展，为保险业的发展带来巨大机遇。在高速发展的保险市场中，车险作为我国渗透率最高的险种，其发展面临着巨大的机遇和挑战。

近年来，一大批保险公司互联网公司开始利用技术支持或合作等方式，介入UBl车险行列。UBl车险区别于传统车险按车型和历史出险记录定价的定价方式，旨在通过采集车主驾车的相关使用数据，来掌握车主驾驶行为，从而根据风险进行相应的车险定价[1]。

目前很多保险公司开始大力推进电销和网销，这样可以直接获取一手信息。通过直接从客户获取驾驶习惯信息，能更加精准地了解客户，制定营销和服务方案。

二、Logistic多元回归模型

Logistic回归是分类资料回归分析的一种，而且是最基础的一种。Logistic回归中，变量既可以是连续的，也可以是分类的。……