冯一铂

（喀什大学数学与统计学院，新疆喀什 844000）

随着我国经济的繁荣发展，保险行业在国家的政策下发展迅速，人们对于保险了解的更加深入，这使得越来越多人愿意给自己及家人一份保障。因此寿险保费收入的预测，在国家、地区、公司对于下一阶段政策的制定具有重要的指导意义。

基于传统的保费收入预测方法，使用单一预测模型对保费收入进行预测。孙景云等[1]对2004-2010 年两家保险公司的寿险和财险保费收入进行预测和分析，证明了ARIMA 乘积季节模型在保费收入预测上有良好的适宜性；尹成远等[2]对1980-2010 年我国保费收入进行预测分析，通过模型预测我国“十二五”期间每年保费收入，并结合《中国保险业发展“十二五”规划纲要》做出展望；张鑫等[4]基于灰色最优化模型以东北三省为例，对保费收入进行预测，证明了经过创新改进的灰色最优模型极大地提高了预测准确度；何淑菁等[5]运用BP 神经网络对我国人身保费收入进行预测，表明神经网络模型与计量经济模型相比具有更高的预测精度。

通过查阅相关文献以及学习，发现传统模型的预测虽然有着操作简单、运行速度快的优点，但未考虑保费收入时间序列数据是线性和非线性的组合，仅是单一的进行线性或非线性预测。传统的时间序列模型只能拟合保费收入的线性时间序列部分，而神经网络算法可以任意地逼近非线性数据，所以本文将传统的时间序列模型与神经网络算法进行组合，构建线性模型和非线性模型的组合模型对保费收入进行预测，并证明组合模型的预测准确率比使用单个模型更准确。……