CN106557981A - 生成保险定价模型的方法和装置及确定保费的方法和装置 - Google Patents

Abstract

本发明提出一种生成保险定价模型的方法和装置及确定保费的方法和装置，该生成保险定价模型的方法包括：获取用于保费计算的动态更新的指标；根据动态更新的指标拟合得到模型参数；根据模型参数进行建模，生成保险定价模型。该方法能够提高保险定价模型的区分性和准确度，从而制定出更合理的保费。

Description

生成保险定价模型的方法和装置及确定保费的方法和装置

技术领域

本发明涉及数据处理技术领域，尤其涉及一种生成保险定价模型的方法和装置及确定保费的方法和装置。

背景技术

在保险业务中，通常是采用保险定价模型计算出保费。目前在建立保险定价模型时，采用的指标通常是长久固定不变的，如性别、年龄等。并且，在拟合模型变量时，通常采用固定的拟合方式且拟合时间也比较长。因此，目前的保险定价模型的区分性和准确度都不合理。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种生成保险定价模型的方法，该方法可以提高保险定价模型的区分性和准确度，从而制定出更合理的保费。

本发明的另一个目的在于提出一种确定保费的方法，该方法可以采用更具有区分性和准确度的保险定价模型，制定出更合理的保费。

本发明的另一个目的在于提出一种生成保险定价模型的装置。

本发明的另一个目的在于提出一种确定保费的装置。

为达到上述目的，本发明第一方面实施例提出的生成保险定价模型的方法，包括：获取用于保费计算的动态更新的指标；根据动态更新的指标拟合得到模型参数；根据模型参数进行建模，生成保险定价模型。

本发明第一方面实施例提出的生成保险定价模型的方法，通过获取动态更新的指标，并根据动态更新的指标建模生成保险定价模型，相对于固定指标的方式，生成的保险定价模型更具有区分性和准确度，从而可以制定出更合理的保费。

为达到上述目的，本发明第二方面实施例提出的确定保费的方法，包括：获取用户当前的用于保费计算的动态更新的指标，并根据预设算法，根据动态更新的指标计算用户当前的模型参数；根据预先生成的保险定价模型，以及用户当前的指标，确定用户需支付的保费；向用户显示需支付的保费；其中，所述保险定价模型是采用如本发明第一方面实施例任一项所述的方法生成的。

本发明第二方面实施例提出的确定保费的方法，通过采用更具有区分性和准确度的保险定价模型，可以提高制定的保费的合理性。

为达到上述目的，本发明第三方面实施例提出的生成保险定价模型的装置，包括：获取模块，用于获取用于保费计算的动态更新的指标；拟合模块，用于根据动态更新的指标拟合得到模型参数；生成模块，用于根据模型参数进行建模，生成保险定价模型。

本发明第三方面实施例提出的生成保险定价模型的装置，通过获取动态更新的指标，并根据动态更新的指标建模生成保险定价模型，相对于固定指标的方式，生成的保险定价模型更具有区分性和准确度，从而可以制定出更合理的保费。

为达到上述目的，本发明第四方面实施例提出的确定保费的装置，包括：获取模块，用于获取用户当前的用于保费计算的动态更新的指标，并根据预设算法，根据动态更新的指标计算用户当前的模型参数；确定模块，用于根据预先生成的保险定价模型，以及用户当前的指标，确定用户需支付的保费；显示模块，用于向用户显示需支付的保费；其中，所述保险定价模型是采用如本发明第一方面实施例任一项所述的方法生成的。

本发明第四方面实施例提出的确定保费的装置，通过采用更具有区分性和准确度的保险定价模型，可以提高制定的保费的合理性。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一实施例提出的生成保险定价模型的方法的流程示意图；

图2是本发明另一实施例提出的生成保险定价模型的方法的流程示意图；

图3是本发明另一实施例提出的确定保费的方法的流程示意图；

图4是本发明另一实施例提出的生成保险定价模型的装置的结构示意图；

图5是本发明另一实施例提出的确定保费的装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

图1是本发明一实施例提出的生成保险定价模型的方法的流程示意图，该方法包括：

S11：获取用于保费计算的动态更新的指标。

本申请的生成保险定价模型的方法可以用于生成保险定价模型，以根据保险定价模型计算保费。

本实施例中，以保险定价模型用于计算账户安全险为例。可以理解的是，也可以参照用于其他险种计算。当要生成用于计算账户安全险的保险定价模型时，先要获取与账户安全险相关的动态更新的指标，以便后续根据指标计算模型参数，再根据模型参数生成保险定价模型。

其中，动态更新的指标包括：实时更新的指标，和/或，T+1更新的指标，T+1更新的指标是指产生指标的事件发生的第二天更新的指标。例如，根据系统配置的不同，在一些系统中，用户如果修改了账户密码，可能需要用户修改密码之后的第二天才能获取到用户修改了密码这一指标，则用户修改了密码这一指标属于T+1更新的指标。当然，可以理解的是，对于另外一些系统，可能在用户修改密码的当天就可以获知用户修改了密码这一指标，此时，用户修改了密码这一指标属于实时更新的指标。因此，根据系统和配置的不同，实时更新的指标和T+1更新的指标可以根据实际情况的不同而不同。

根据要计算的保费的不同，可以根据实际需要选择动态更新的指标，例如，动态更新的指标包括：最近预设时间段(如最近一周)内用户的账户密码是否被修改过、用户账户目前的资金余额是多少、用户在预设时间段内是否访问过其他交易平台等。

S12：根据动态更新的指标拟合得到模型参数。

其中，模型参数与指标之间的函数关系也可以预先设置，例如简化描述为：

y＝a₁×x₁+a₂×x₂+…+a_n×x_n

其中，y是模型参数，x₁,x₂,…,x_n是指标，a₁,a₂,…,a_n是指标的拟合系数。

本实施例中，由于指标是动态更新的，相应地，模型参数也是动态更新的。

进一步的，一些实施例中，拟合系数也可以是动态更新的，从而不仅使得参数是动态更新的，参数对应的系数也可以是动态更新的，进一步提高模型参数的准确度。

一些实施例中，所述获取动态更新的拟合系数，包括：

获取预设时间段内的动态更新的训练样本；

根据训练样本采用逻辑回归算法，计算出动态更新的拟合系数。

例如，预设时间段是一天，则可以获取前一天的动态更新的指标以及相应的模型参数作为训练样本，再采用逻辑回归算法，计算出拟合系数。

例如，获取的训练样本可以表示为：

y′＝a₁×x₁′+a₂×x₂′+…+a_n×x_n′

由于训练样本是已有的数据，因此，y′,x₁′,x₂′,…x_n′是已知的，假设模型参数y是账户被盗的概率，则当账户被盗时可以用y′＝0表示，当账户未被盗时可以用y′＝1表示。

通过收集的一定数量的训练样本，再采用逻辑回归算法，则可以计算出最优的a₁,a₂,…,a_n，将其作为动态更新的拟合系数。

在确定出动态更新的拟合系数后，可以根据动态更新的指标及相应的动态更新的拟合系数，计算出相应的模型参数。

S13：根据模型参数进行建模，生成保险定价模型。

其中，建模算法也可以预先设置，根据保费的不同可以采用不同的建模方式。

例如，保险定价模型是用于计算账户安全险时，模型参数可以包括：未来预设时间段(如未来一年内)内账户被盗的概率，以及，未来预设时间段内账户被盗后的资金损失量。

假设未来预设时间段(如未来一年内)内账户被盗的概率用y₁表示，未来预设时间段内账户被盗后的资金损失量用y₂表示，在根据上述的动态更新的指标以及动态更新的拟合系数分别计算出y₁和y₂之后，则可以建立y₁和y₂组成的二维矩阵，并设置相应的保费，将其作为保险定价模型。例如，保险定价模型包括：y₁＝A₁且y₂＝B₁时，保费M＝C₁，y₁＝A₂且y₂＝B₂时，保费M＝C₂,…，依此类推。

之后，可以采用该保险定价模型确定出保费，例如，计算用户当前的y₁和当前的y₂，再与保险定价模型进行比对，从而得到保费。可以理解的是，保险定价模型中，y₁和y₂对应的数值也可以是范围值，y₁＝A₁～A₂，且，y₂＝B₁～B₂时，保费M＝C₁，从而，如果用户当前的y₁落入A₁～A₂范围，当前的y₂落入B₁～B₂范围，则保费是M＝C₁。

本实施例中，通过获取动态更新的指标，并根据动态更新的指标建模生成保险定价模型，相对于固定指标的方式，生成的保险定价模型更具有区分性和准确度，从而可以制定出更合理的保费。

图2是本发明另一实施例提出的生成保险定价模型的方法的流程示意图，本实施例以保险定价模型用于计算账户安全险为例，该方法包括：

S21：获取第一组动态更新的指标，第一组动态更新的指标是与第一模型参数对应的动态更新的指标。

第一模型参数例如是未来预设时间段(如未来一年内)内账户被盗的概率y₁，相应的第一组动态更新的指标例如包括：最近预设时间段(如最近一周)内用户的账户密码是否被修改过、用户在预设时间段内是否访问过其他交易平台等。

S22：获取第一组动态更新的指标对应的第一组动态更新的拟合系数。

例如，获取预设时间段内的动态更新的训练样本；根据训练样本采用逻辑回归算法，计算出动态更新的拟合系数。

例如，预设时间段是一天，则可以获取前一天的与账户被盗相关的动态更新的指标(如账户密码是否被修改过，是否访问过其他交易平台)以及相应的第一模型参数(账户是否被盗)作为训练样本，再采用逻辑回归算法，计算出第一组动态更新的拟合系数。

例如，获取的训练样本可以表示为：

y′＝a₁×x₁′+a₂×x₂′+…+a_n×x_n′

由于训练样本是已有的数据，因此，y′,x₁′,x₂′,…x_n′是已知的，假设当账户被盗时可以用y′＝0表示，当账户未被盗时可以用y′＝1表示。

通过收集的一定数量的训练样本，再采用逻辑回归算法，则可以计算出最优的a₁,a₂,…,a_n，将其作为第一组动态更新的拟合系数。

S23：根据第一组动态更新的拟合系数和第一组动态更新的指标，计算第一模型参数。

其中，模型参数与指标之间的函数关系也可以预先设置，例如简化描述为：

y₁＝a₁×x₁+a₂×x₂+…+a_n×x_n

其中，y₁是第一模型参数，x₁,x₂,…,x_n是第一组动态更新的指标，a₁,a₂,…,a_n第一组动态更新的拟合系数。

通过上述的拟合公式，可以计算出第一模型参数。

S24：获取第二组动态更新的指标，第二组动态更新的指标是与第二模型参数对应的动态更新的指标。

第二模型参数例如是未来预设时间段(如未来一年内)内未来预设时间段内账户被盗后的资金损失量y₂，相应的第二组动态更新的指标例如包括：用户的账户余额等。

S25：获取第二组动态更新的指标对应的第二组动态更新的拟合系数。

类似第一组动态更新的拟合系数的计算方式，也可以根据训练样本和逻辑回归算法计算出第二组动态更新的拟合系数。

例如，获取预设时间段内的动态更新的训练样本；根据训练样本采用逻辑回归算法，计算出动态更新的拟合系数。

例如，预设时间段是一天，则可以获取前一天的与账户被盗后资金损失量相关的动态更新的指标(如用户的账户余额)以及相应的第二模型参数(账户被盗后的资金损失量)作为训练样本，再采用逻辑回归算法，计算出第二组动态更新的拟合系数。

例如，获取的训练样本可以表示为：

y′＝a₁′×x₁′+a₂′×x₂′+…+a_n′×x_n′

由于训练样本是已有的数据，因此，y′,x₁′,x₂′,…x_n′是已知的。

通过收集的一定数量的训练样本，再采用逻辑回归算法，则可以计算出最优的a₁′,a₂′,…,a_n′，将其作为第二组动态更新的拟合系数。

S26：根据第二组动态更新的拟合系数和第二组动态更新的指标，计算第二模型参数。

类似第一模型参数的计算方式，可以根据第二组动态更新的拟合系数和第二组动态更新的指标，计算出第二模型参数。

其中，模型参数与指标之间的函数关系也可以预先设置，例如简化描述为：

y₂＝a₁′×x₁′+a₂′×x₂′+…+a_n′×x_n′

其中，y₂是第二模型参数，x₁′,x₂′,…,x_n′是第二组动态更新的指标，a₁′,a₂′,…,a_n′第二组动态更新的拟合系数。

通过上述的拟合公式，可以计算出第二模型参数。

可以理解的是，第一模型参数与第二模型参数的计算无时序限定关系。

S27：根据第一模型参数和第二模型参数进行建模，生成保险定价模型。

其中，建模算法也可以预先设置，根据保费的不同可以采用不同的建模方式。

例如，保险定价模型是用于计算账户安全险时，模型参数可以包括：未来预设时间段(如未来一年内)内账户被盗的概率，以及，未来预设时间段内账户被盗后的资金损失量。

假设未来预设时间段(如未来一年内)内账户被盗的概率用y₁表示，未来预设时间段内账户被盗后的资金损失量用y₂表示，在根据上述的动态更新的指标以及动态更新的拟合系数分别计算出y₁和y₂之后，则可以建立y₁和y₂组成的二维矩阵，并设置相应的保费，将其作为保险定价模型。例如，保险定价模型包括：y₁＝A₁且y₂＝B₁时，保费M＝C₁，y₁＝A₂且y₂＝B₂时，保费M＝C₂,…，依此类推。

之后，可以采用该保险定价模型确定出保费，例如，计算用户当前的y₁和当前的y₂，再与保险定价模型进行比对，从而得到保费。可以理解的是，保险定价模型中，y₁和y₂对应的数值也可以是范围值，y₁＝A₁～A₂，且，y₂＝B₁～B₂时，保费M＝C₁，从而，如果用户当前的y₁落入A₁～A₂范围，当前的y₂落入B₁～B₂范围，则保费是M＝C₁。

本实施例中，通过动态更新的指标和动态更新的拟合系数，可以分别计算出动态更新的第一模型参数和第二模型参数，根据动态更新的第一模型参数和第二模型参数建模，可以实现动态的保险定价模型的建模，提高保险定价模型的区分性和准确度，从而提高制定的保费的合理性。

图3是本发明另一实施例提出的确定保费的方法的流程示意图，该方法包括：

S31：获取用户当前的用于保费计算的动态更新的指标，并根据预设算法，根据动态更新的指标计算用户当前的模型参数。

本申请的生成保险定价模型的方法可以用于生成保险定价模型，以根据保险定价模型计算保费。

本实施例中，以保险定价模型用于计算账户安全险为例。可以理解的是，也可以参照用于其他险种计算。当要生成用于计算账户安全险的保险定价模型时，先要获取与账户安全险相关的动态更新的指标，以便后续根据指标计算模型参数，再根据模型参数生成保险定价模型。

其中，动态更新的指标包括：实时更新的指标，和/或，T+1更新的指标，T+1更新的指标是指产生指标的事件发生的第二天更新的指标。例如，根据系统配置的不同，在一些系统中，用户如果修改了账户密码，可能需要用户修改密码之后的第二天才能获取到用户修改了密码这一指标，则用户修改了密码这一指标属于T+1更新的指标。当然，可以理解的是，对于另外一些系统，可能在用户修改密码的当天就可以获知用户修改了密码这一指标，此时，用户修改了密码这一指标属于实时更新的指标。因此，根据系统和配置的不同，实时更新的指标和T+1更新的指标可以根据实际情况的不同而不同。

根据要计算的保费的不同，可以根据实际需要选择动态更新的指标，例如，动态更新的指标包括：最近预设时间段(如最近一周)内用户的账户密码是否被修改过、用户账户目前的资金余额是多少、用户在预设时间段内是否访问过其他交易平台等。

另外，根据要计算的保费的不同，可以选择不同的模型参数，并且根据指标计算模型参数的方式也可以预先设置。

例如，获取与动态更新的指标对应的拟合系数，再根据拟合系数和指标计算出模型参数。

其中，模型参数与指标之间的函数关系也可以预先设置，例如简化描述为：

y＝a₁×x₁+a₂×x₂+…+a_n×x_n

其中，y是模型参数，x₁,x₂,…,x_n是指标，a₁,a₂,…,a_n是指标的拟合系数。

本实施例中，由于指标是动态更新的，相应地，模型参数也是动态更新的。

进一步的，一些实施例中，拟合系数也可以是动态更新的，从而不仅使得参数是动态更新的，参数对应的系数也可以是动态更新的，进一步提高模型参数的准确度。

动态更新的拟合系数可以是预先根据训练样本进行运算后得到的，例如，预设时间段是一天，则可以获取前一天的动态更新的指标以及相应的模型参数作为训练样本，再采用逻辑回归算法，计算出拟合系数。

例如，获取的训练样本可以表示为：

y′＝a₁×x₁′+a₂×x₂′+…+a_n×x_n′

由于训练样本是已有的数据，因此，y′,x₁′,x₂′,…x_n′是已知的，假设模型参数y是账户被盗的概率，则当账户被盗时可以用y′＝0表示，当账户未被盗时可以用y′＝1表示。

通过收集的一定数量的训练样本，再采用逻辑回归算法，则可以计算出最优的a₁,a₂,…,a_n，将其作为动态更新的拟合系数。

S32：根据预先生成的保险定价模型，以及用户当前的模型参数，确定用户需支付的保费。

其中，保险定价模型的生成方法可以如上述实施例所述，在此不再赘述。

例如，保险定价模型包括：y₁＝A₁～A₂且y₂＝B₁～B₂时，保费M＝C₁，y₁＝A₃～A₄且y₂＝B₃～B₄时，保费M＝C₂,…，依此类推。

则如果用户当前的y₁落入A₁～A₂范围，当前的y₂落入B₁～B₂范围，则保费是M＝C₁。

S33：向用户显示需支付的保费。

在确定出保费后，可以将保费显示给用户，用户可以根据显示的保费选择支付等后续处理。

本实施例中，通过采用更具有区分性和准确度的保险定价模型，可以提高制定的保费的合理性。

图4是本发明另一实施例提出的生成保险定价模型的装置的结构示意图，该装置40包括：获取模块41、拟合模块42和生成模块43。

获取模块41，用于获取用于保费计算的动态更新的指标；

可选的，所述动态更新的指标包括：实时更新的指标，和/或，T+1更新的指标。

根据要计算的保费的不同，可以根据实际需要选择动态更新的指标，例如，动态更新的指标包括：最近预设时间段(如最近一周)内用户的账户密码是否被修改过、用户账户目前的资金余额是多少、用户在预设时间段内是否访问过其他交易平台等。

拟合模块42，用于根据动态更新的指标拟合得到模型参数；

其中，模型参数与指标之间的函数关系也可以预先设置，例如简化描述为：

y＝a₁×x₁+a₂×x₂+…+a_n×x_n

其中，y是模型参数，x₁,x₂,…,x_n是指标，a₁,a₂,…,a_n是指标的拟合系数。

本实施例中，由于指标是动态更新的，相应地，模型参数也是动态更新的。

进一步的，一些实施例中，拟合系数也可以是动态更新的，从而不仅使得参数是动态更新的，参数对应的系数也可以是动态更新的，进一步提高模型参数的准确度。

可选的，所述拟合模块42具体用于：

获取动态更新的拟合系数；

根据动态更新的指标及对应的动态更新的拟合系数，拟合得到模型参数。

进一步的，所述拟合模块42用于获取动态更新的拟合系数，包括：

获取预设时间段内的动态更新的训练样本；

根据训练样本采用逻辑回归算法，计算出动态更新的拟合系数。

例如，预设时间段是一天，则可以获取前一天的动态更新的指标以及相应的模型参数作为训练样本，再采用逻辑回归算法，计算出拟合系数。

例如，获取的训练样本可以表示为：

y′＝a₁×x₁′+a₂×x₂′+…+a_n×x_n′

由于训练样本是已有的数据，因此，y′,x₁′,x₂′,…x_n′是已知的，假设模型参数y是账户被盗的概率，则当账户被盗时可以用y′＝0表示，当账户未被盗时可以用y′＝1表示。

通过收集的一定数量的训练样本，再采用逻辑回归算法，则可以计算出最优的a₁,a₂,…,a_n，将其作为动态更新的拟合系数。

在确定出动态更新的拟合系数后，可以根据动态更新的指标及相应的动态更新的拟合系数，计算出相应的模型参数。

生成模块43，用于根据模型参数进行建模，生成保险定价模型。

可选的，所述保险定价模型用于计算账户安全险，所述模型参数包括：未来预设时间段内账户被盗的概率，以及，未来预设时间段内账户被盗后的资金损失量。

其中，建模算法也可以预先设置，根据保费的不同可以采用不同的建模方式。

例如，保险定价模型是用于计算账户安全险时，模型参数可以包括：未来预设时间段(如未来一年内)内账户被盗的概率，以及，未来预设时间段内账户被盗后的资金损失量。

假设未来预设时间段(如未来一年内)内账户被盗的概率用y₁表示，未来预设时间段内账户被盗后的资金损失量用y₂表示，在根据上述的动态更新的指标以及动态更新的拟合系数分别计算出y₁和y₂之后，则可以建立y₁和y₂组成的二维矩阵，并设置相应的保费，将其作为保险定价模型。例如，保险定价模型包括：y₁＝A₁且y₂＝B₁时，保费M＝C₁，y₁＝A₂且y₂＝B₂时，保费M＝C₂,…，依此类推。

之后，可以采用该保险定价模型确定出保费，例如，计算用户当前的y₁和当前的y₂，再与保险定价模型进行比对，从而得到保费。可以理解的是，保险定价模型中，y₁和y₂对应的数值也可以是范围值，y₁＝A₁～A₂，且，y₂＝B₁～B₂时，保费M＝C₁，从而，如果用户当前的y₁落入A₁～A₂范围，当前的y₂落入B₁～B₂范围，则保费是M＝C₁。

本实施例中，通过获取动态更新的指标，并根据动态更新的指标建模生成保险定价模型，相对于固定指标的方式，生成的保险定价模型更具有区分性和准确度，从而可以制定出更合理的保费。

图5是本发明另一实施例提出的确定保费的装置的结构示意图，该装置50包括：获取模块51、确定模块52和显示模块53。

获取模块51，用于获取用户当前的用于保费计算的动态更新的指标，并根据预设算法，根据动态更新的指标计算用户当前的模型参数；

可选的，获取模块51用于根据预设算法，根据动态更新的指标计算用户当前的模型参数，包括：

获取动态更新的指标对应的动态更新的拟合系数；

根据动态更新的指标和对应的动态更新的拟合系数，计算得到用户当前的模型参数。

其中，动态更新的指标包括：实时更新的指标，和/或，T+1更新的指标，T+1更新的指标是指交易的第二天更新的指标。

根据要计算的保费的不同，可以根据实际需要选择动态更新的指标，例如，动态更新的指标包括：最近预设时间段(如最近一周)内用户的账户密码是否被修改过、用户账户目前的资金余额是多少、用户在预设时间段内是否访问过其他交易平台等。

另外，根据要计算的保费的不同，可以选择不同的模型参数，并且根据指标计算模型参数的方式也可以预先设置。

例如，获取与动态更新的指标对应的拟合系数，再根据拟合系数和指标计算出模型参数。

其中，模型参数与指标之间的函数关系也可以预先设置，例如简化描述为：

y＝a₁×x₁+a₂×x₂+…+a_n×x_n

其中，y是模型参数，x₁,x₂,…,x_n是指标，a₁,a₂,…,a_n是指标的拟合系数。

本实施例中，由于指标是动态更新的，相应地，模型参数也是动态更新的。

进一步的，一些实施例中，拟合系数也可以是动态更新的，从而不仅使得参数是动态更新的，参数对应的系数也可以是动态更新的，进一步提高模型参数的准确度。

动态更新的拟合系数可以是预先根据训练样本进行运算后得到的，例如，预设时间段是一天，则可以获取前一天的动态更新的指标以及相应的模型参数作为训练样本，再采用逻辑回归算法，计算出拟合系数。

例如，获取的训练样本可以表示为：

y′＝a₁×x₁′+a₂×x₂′+…+a_n×x_n′

由于训练样本是已有的数据，因此，y′,x₁′,x₂′,…x_n′是已知的，假设模型参数y是账户被盗的概率，则当账户被盗时可以用y′＝0表示，当账户未被盗时可以用y′＝1表示。

通过收集的一定数量的训练样本，再采用逻辑回归算法，则可以计算出最优的a₁,a₂,…,a_n，将其作为动态更新的拟合系数。

确定模块52，用于根据预先生成的保险定价模型，以及用户当前的指标，确定用户需支付的保费；

其中，保险定价模型的生成方法可以如上述实施例所述，在此不再赘述。

例如，保险定价模型包括：y₁＝A₁～A₂且y₂＝B₁～B₂时，保费M＝C₁，y₁＝A₃～A₄且y₂＝B₃～B₄时，保费M＝C₂,…，依此类推。

则如果用户当前的y₁落入A₁～A₂范围，当前的y₂落入B₁～B₂范围，则保费是M＝C₁。

显示模块53，用于向用户显示需支付的保费；

在确定出保费后，可以将保费显示给用户，用户可以根据显示的保费选择支付等后续处理。

本实施例中，通过采用更具有区分性和准确度的保险定价模型，可以提高制定的保费的合理性。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种生成保险定价模型的方法，其特征在于，包括：

获取用于保费计算的动态更新的指标；

根据动态更新的指标拟合得到模型参数；

根据模型参数进行建模，生成保险定价模型。

2.根据权利要求1所述的方法，其特征在于，所述根据动态更新的指标拟合得到模型参数，包括：

获取动态更新的拟合系数；

根据动态更新的指标及对应的动态更新的拟合系数，拟合得到模型参数。

3.根据权利要求2所述的方法，其特征在于，所述获取动态更新的拟合系数，包括：

获取预设时间段内的动态更新的训练样本；

根据训练样本采用逻辑回归算法，计算出动态更新的拟合系数。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述动态更新的指标包括：实时更新的指标，和/或，T+1更新的指标。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述保险定价模型用于计算账户安全险，所述模型参数包括：未来预设时间段内账户被盗的概率，以及，未来预设时间段内账户被盗后的资金损失量。

6.一种确定保费的方法，其特征在于，包括：

获取用户当前的用于保费计算的动态更新的指标，并根据预设算法，根据动态更新的指标计算用户当前的模型参数；

根据预先生成的保险定价模型，以及用户当前的指标，确定用户需支付的保费；

向用户显示需支付的保费；

其中，所述保险定价模型是采用如权利要求1-5任一项所述的方法生成的。

7.根据权利要求6所述的方法，其特征在于，所述根据预设算法，根据动态更新的指标计算用户当前的模型参数，包括：

获取动态更新的指标对应的动态更新的拟合系数；

根据动态更新的指标和对应的动态更新的拟合系数，计算得到用户当前的模型参数。

8.一种生成保险定价模型的装置，其特征在于，包括：

获取模块，用于获取用于保费计算的动态更新的指标；

拟合模块，用于根据动态更新的指标拟合得到模型参数；

生成模块，用于根据模型参数进行建模，生成保险定价模型。

9.根据权利要求8所述的装置，其特征在于，所述拟合模块具体用于：

获取动态更新的拟合系数；

根据动态更新的指标及对应的动态更新的拟合系数，拟合得到模型参数。

10.一种确定保费的装置，其特征在于，包括：

获取模块，用于获取用户当前的用于保费计算的动态更新的指标，并根据预设算法，根据动态更新的指标计算用户当前的模型参数；

确定模块，用于根据预先生成的保险定价模型，以及用户当前的指标，确定用户需支付的保费；

显示模块，用于向用户显示需支付的保费；

其中，所述保险定价模型是采用如权利要求1-5任一项所述的方法生成的。