CN110622195A - 对具有变化定价成分的复杂分层或塔式定价结构进行定价比较的方法和系统 - Google Patents

对具有变化定价成分的复杂分层或塔式定价结构进行定价比较的方法和系统 Download PDF

Info

Publication number
CN110622195A
CN110622195A CN201780080110.5A CN201780080110A CN110622195A CN 110622195 A CN110622195 A CN 110622195A CN 201780080110 A CN201780080110 A CN 201780080110A CN 110622195 A CN110622195 A CN 110622195A
Authority
CN
China
Prior art keywords
tiered
pricing
tower
pricing structure
structure data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201780080110.5A
Other languages
English (en)
Inventor
E.林奇
B.迪伦
M.诺顿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aon Global Operations SE
Original Assignee
Aon Global Operations SE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aon Global Operations SE filed Critical Aon Global Operations SE
Publication of CN110622195A publication Critical patent/CN110622195A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Technology Law (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

在说明性实施例中，用于基于受限的分层或塔式定价结构数据来对分层或塔式定价计划建模的方法和系统包括：访问具有多个层的定价结构数据，基于定价结构数据来确定用于表示最优有效定价结构的估计的基础曲线算法，该基础曲线算法表示统计分布，以及使用基础曲线算法和定价结构数据来计算拟合到定价结构数据的起赔点的拟合的曲线。拟合的曲线可用于估计定价结构数据的一层或多层内的层信息和缺失数据点。通过对多个竞争者重复该处理，可以生成对等比较数据以呈现以其它方式不兼容的分层或塔式定价计划的比较。

Description

对具有变化定价成分的复杂分层或塔式定价结构进行定价比 较的方法和系统
相关申请
本申请要求2016年12月23日提交的题为“Methods and Systems for PerformingPricing Comparisons of Complex Layered or Tower Pricing Structures withVarying Pricing Components”的美国临时专利申请序列号62/438,723的优先权，其全部内容通过引用合并于此。
背景技术
诸如服务提供者定价模型或定制的端到端产品采购模型(例如，产品、安装和维护)的一些采购涉及分层或塔式定价结构。在一个特定示例中，再保险保单(reinsurancepolicy)可以包括对于由该保单所覆盖的多种不同风险的风险中的比例再保险份额。分层或塔式定价结构是个性化的，包括不同的层数和不同的估价模型。由于这个原因，不存在一个供应商的分层或塔式定价结构与另一个供应商的分层或塔式定价结构的直接比较。继续上述示例，不同的再保险保单可以覆盖不同份额的多种不同风险，在比较购买和针对竞争者出售物来标准检查(benchmark)定价解决方案这两个方面都造成了困难。
由于分层或塔式定价结构中的差异，传统上还没有直接比较的方法。而是，供应商将需要尝试确定对于保有额(retention)、限额和成本的市场容忍度。这些变量可以基于精算分析和/或灾难模型(在再保险的示例中)而调节，用于确定服务使用中的预期结果。但是，不存在任何机构来确认在整个层式或塔式定价结构中每个层被合适地或最优地定价。
此外，从历史上看，很少有信息可以用于确定定价结构在对等体(peer)中是否具有竞争力。缺乏关于使用分层或塔式定价结构的活跃交易服务的可见数据已经导致很难理解市场定价趋势。此外，由于分层或塔式定价结构的个性化性质，任何公开可用的数据几乎总是不可直接比较的。服务提供商唯一可用的选择已成为基于相似地理区域的相似风险和损失分布，对层收取相似的价格，这造成“跟随领导者(follow the leader)”的结构，而不是提供变化的市场选择。此外，这种跟随领导者的解决方案可能证明难以销售给服务合作伙伴，比如在再保险层式或塔式定价结构的层中涉及的不同承运商，每个承运商具有个性化的目的和目标风险接受度。
发明人认识到需要快速且准确地生成分层或塔式定价结构之间的比较数据用于在对等标准检查中以及在提供者自己的分层或塔式定价结构解决方案的分析中使用。此外，发明人开发了一种解决方案，其可容忍每个层式或塔式定价结构的已知数据元素中的间隙(gap)。在一些实施例中，由于将分层或塔式定价模型转换成缩短的表格格式，该解决方案可伸缩而没有大的存储或处理占用区(footprint)。
发明内容
在一个方面，本公开涉及对分层或塔式定价结构进行建模以允许在供应者的定价结构和对等出售物之间的同类比较(apples-to-apples comparison)。该解决方案开始于应用在本文被称为“提高限额因子”(Increased Limit Factors，ILF)的精算定价方法，以解决供应者数据或每个对等数据中的缺失信息并且支持对分层或塔式定价结构的准确比较建模。在ILF方法中，例如通过迭代比较来识别曲线以最佳地表示期望的保单限额的预期成本与定价层范围上的基础限额的成本的比率，表示不同的损失概率。然后，通过计算算法将曲线拟合到可用数据，以表示沿着连续体的分层或塔式定价结构。在一些实施例中，通过按比例缩小限额以符合在周围的层或权重参与百分比之间以维持比率但保持100％的总参与来估计缺失层。例如，为了提供这样的估计，ILF曲线拟合方法可以推断连续分布，该连续分布表示在塔中的任何给定级别处哪个价格是合适的。
在一个方面，使用在每个分层或塔式定价结构的给定级别处的合适价格的推断，本文描述的方法和系统使用虚拟起赔点(attachment point)开发标准检查比较，以提供在供应者的定价解决方案与对等定价解决方案之间的准确的同类比较。此外，通过集聚在虚拟起赔点的数据，可以跟随市场趋势。在一些实施例中，ILF曲线适合标准检查系统内的大量对等分层或塔式定价结构。在一些实施例中，系统和方法将对等定价数据转换成曲线表示，然后聚集通过曲线分析获得的数据点以确定跨对等分布的层定价的估计的平均值或中间值。标准检查数据还可以作为图形用户界面呈现给终端用户以提供视觉比较，帮助终端用户理解定价比较。
在一些实施例中，通过合并来自涉及相同产品的各个交易的交易数据从交易程序自动获得数据，以获得每个对等体的分层或塔式定价结构的多层上的定价信息。在一些实施例中，为了减少处理和存储要求，可以计算ILF表格来表示标准检查系统内每个对等体的每个分层或塔式定价结构中的选择的估计的层限额(例如，虚拟起赔点)处的成本比率，使得这些估计可以用作标准检查比较。例如，可以通过将在多个虚拟起赔点处得到的数据转换成历史定价点的表格，使用最小化的存储空间来维持历史趋势数据。
在一个方面，本公开的系统和方法自动分析部分分层或塔式定价结构以估计缺失值并且实时识别不一致的值，向供应商呈现用于完成分层或塔式定价结构供应的优化解决方案。在一些实施例中，系统和方法涉及将ILF曲线数据转换成用户界面图形，该用户界面图形呈现已知(和估计的)数据和计算的最优数据之间的比较信息。在一个示例中，图形分析可以为用户提供识别实际(曲线拟合的)定价结构的层与最优塔式或定价结构的值之间的差异的机会。例如，可以向终端用户呈现分析，该分析建议分层塔或定价结构在其起赔点内定价低或定价高的区域。
说明性实施方式的以上大体描述及其以下详细描述仅仅是本公开的教导的示例性方面，而不是限制性的。
附图说明
并入说明书中并构成说明书的一部分的附图示出了一个或多个实施例，并且与描述一起解释这些实施例。附图不一定是按比例绘制的。所附图表和图形中所示的任何数值尺寸仅用于说明目的，可以表示或不表示实际的或优选的数值或尺寸。在适用的情况下，一些或所有特征可能没有示出来帮助描述基本特征。在图中：
图1是用于开发数据度量并在提高限额因子曲线上表示客户数据的示例方法的流程图；
图2A是示例用户界面的截屏，示出表示覆盖有拟合的提高限额因子曲线的客户提供的数据的实际的每百万保险费(premium)曲线；
图2B是示例用户界面的截屏，示出客户塔式或分层定价结构与拟合或最优的定价结构的图形比较；
图2C是示例用户界面的截屏，示出与分层或塔式定价数据的所选对等组中包括的所有分层或塔式定价结构相对应的阿尔法参数的分布；
图3是示出示例的分层或塔式定价结构信息的表格；
图4是示例计算系统的框图；以及
图5是包括云计算环境的示例分布式计算环境的框图。
具体实施方式
下面结合附图阐述的具体实施方式意图作为所公开主题的各种说明性实施例的描述。结合每个说明性实施例描述具体特征和功能；然而，对于本领域技术人员来说显而易见的是，可以没有这些具体特征和功能中的每一个而实践所公开的实施例。
ILF曲线及其基本统计分布提供了用于理解不同损失概率下的索赔严重性的工具。由参数“阿尔法(alpha)”描述的曲线的形状示出了每单位保险范围(coverage)的价格在越来越不太可能损失的结果处下降的速率。较高的阿尔法指示较陡的曲线，意味着对于塔式再保险定价结构中较高层，价格降低得更快。因此，阿尔法是利用单个值表征塔式或分层定价结构的强有力方法。因此，发明人设法为再保险结构的收费(collection)计算该参数，以支持具有不同结构的塔的比较。
在找到曲线的形状参数的最优值之前，首先选择基线函数来表示基本损失严重性分布。存在可以用来表示一概率范围内的损失严重性的多个统计分布，最常见的是Pareto曲线、伽马曲线和对数正态曲线族。寻找合适分布的最大挑战在于准确反映经常性的定义明确的事件严重性和具有非常少的历史数据的尾部事件严重性两者。在探索了这些选项之后，由于Pareto分布的数学性质使得它通常可接受地适于再保险损失中低和高严重性处的稀疏数据，因此发明人选择了Pareto分布作为用于此目的的优选实施例。Pareto函数在应用于分层或塔式定价结构时描述了变量(例如，层成本)超过给定阈值的概率。因此，在此背景下，形状描述损失的概率在塔中的较高层处下降得有多快。
由于每个塔可以通过其具体的形状参数值来表征，因此为尽可能多的分层或塔式定价结构找到合适的阿尔法不仅对于确定各个定价结构中的定价低效性是有价值的，而且对于比较塔和建立阿尔法的市场分布用于标准检查也是有价值的。使用ILF提供的保险费改变率，保险范围的价格或每百万保险费(premium per million，ppm)可以经由用户界面表示，例如，以向经纪人给出突出显示分层或塔式定价结构之中的定价低效性的再保险计划的新视图。图1示出了用于开发数据度量并在ILF曲线上表示客户数据的示例方法。
在一些实施方式中，图1的方法开始于从客户获得关于分层或塔式定价结构的数据(102)。在一些情况下，可以从公司的内部数据库获得包括定价结构的层组件的可用的交易级别数据的子集。这种数据可以在图形用户界面处呈现给用户，以用于由用户经由用户输入而完成。在另一示例中，客户可以经由用户界面上传具有分层或塔式定价结构数据的文件，比如逗号分隔值(csv)文件。在一些示例中，分层或塔式定价结构数据可以包括对于每层的层保险费、层限额和起赔点、参与百分比、风险(exposure)基础、风险变量、风险值和风险值量。在进一步的示例中，分层或塔式定价结构数据可以包括诸如客户名称、生效日期、交易国家、客户国家、一个或多个本地产品、一个或多个全球产品以及一个或多个承运商(例如，保险公司)名称的细节。
在一些实施方式中，基于由客户提供的分层或塔式定价结构数据来选择基础曲线算法(104)。例如，基础曲线算法可用于基于分层或塔式定价结构数据来表示最优有效定价结构的估计。在简化版本中，Pareto类型III曲线可以应用于大多数(如果不是全部的)分层或塔式定价数据。
在一些实施方式中，基于由客户提供的分层或塔式定价结构数据来确定最优ILF曲线(106)。可以通过使用实际数据点作为离散锚点并且将Pareto函数拟合到这些点以估计连续曲线来确定该最优ILF曲线，其中该连续曲线最佳地描述塔式结构的每一级的层损失概率和价格之间的关系。拟合处理产生Pareto曲线参数，诸如α(尾部指数)和xm(随机变量的最小值)。如前所述，阿尔法设置曲线的形状，而xm是具有设置在最小正起赔点(即超额保险范围的第一层的开始)处的初始值的边界参数。使用有界Pareto函数作为基线，拟合的曲线根据这些参数调整该函数，以通过捕获损失概率和价格之间的关系来创建定价结构的表示。因此，拟合的ILF曲线须得基于可用的分层或塔式定价结构数据来估计最优有效定价结构。
然而，分层定价数据可能不完整。例如，客户可能仅提供(或者可能仅可以访问)关于分层定价结构的信息中的一部分，比如顶层和底层。在另一个示例中，客户数据可能包括冲突的保险范围信息。在一些实施方式中，检查所提供的分层或塔式定价结构以识别所提供的层信息中的任何间隙或冲突。冲突的保险信息通常表现为在相同的起赔点处不同的限额或其总参与百分比大于100的几个部分层。在这些情况下，限额可以按比例缩小以介于周围的层或权重参与百分比之间以维持比率但是保持100％的总参与。例如，这些选择可以被设计为尽可能多地信任现有数据，同时确保拟合的曲线更代表接受的精算定价方法。数据中的间隙可能使得难以可视化多个再保险计划的完整结构。然而，ILF曲线拟合算法提供了有效填充缺失层和更准确地估计整个结构的机会，而无需从客户请求校正的输入数据。
在一些实施方式中，使用ILF曲线来填充缺失的层以估计完整的价格结构。在塔式或分层定价结构中缺失层的情况下，唯一已知的变量是总限额可能缺失多少以及间隙位于分层或塔式定价结构中的何处。不可能知道间隙中有多少层，因此创建实际层来填充间隙是不可行的。而是，ILF曲线拟合处理推断连续分布，该连续分布表示在塔中的任何给定级别处哪个价格是合适的。这允许用户获得基于总限额和任何可用的起赔点数据的对于塔的总保险费估计，而不考虑间隙。
在一些实施方式中，确定客户是否希望查看分层或塔式定价结构的对等分析。不同提供者之间的复杂定价结构的准确比较是ILF算法和曲线生成的主要目的。ILF算法已经被设计为支持分层或塔式定价结构的比较，而不管结构差异如何。例如，客户数据可以与包括不同层数和/或不同层组件的对等信息进行比较。ILF算法提供的比较宽度允许更好地洞察客户价值，并可以驱动再保险提供商之间的竞争。
在一些实施方式中，如果期望对等分析(112)，则识别对等体和相关联的对等数据(114)。例如，可以基于提供相同产品的一个或多个承运商来识别对等体。此外，对等体可以被识别为在相同行业和/或相同地理区域内竞争业务的承运商。此外，获得对于识别的对等承运商中的每一个的相关对等数据。相关对等数据可以包括涉及相同或相似定价结构的相同或相似产品。在一个优选实施例中，分层定价优化器的目标是使用户能够设置对对等组进行定义的参数，给它们代理，分层或塔式定价结构通过该代理而成为市场用来作为定价结构的标准检查的基础。可以基于由再保险交换平台收集的交易信息(例如，完成的再保险保单交易)来识别相关对等数据。对等数据可以是时间上受约束的，以识别当前的定价保单。在一个示例中，可以检查与在过去一个月、财政季度、六个月或一年时间段内购买的保单相关的定价结构，以识别与客户的分层或结构化定价计划相关的定价结构。在另一个示例中，对等分析可能涉及呈现定价结构随时间的改变。这种分析可能涉及从多个财政季度或年度获得对等数据。在一个优选实施例中，用于统计计算和图形生成的R编程语言可用于适应大的对等组中的每个分层或塔式定价结构，并获得对于每个分层或塔式定价结构的最优形状参数。然后，最优形状参数可以一起显示在示出如何跨对等组表征价格与风险关系的阿尔法分布中。
如果对于在各种地理区域中的对等体识别对等数据，则可以将分层或塔式定价结构数据调整为客户的本地货币。例如，对等数据可以与在多个国家发生的交易相关。为了比较，可以调整定价信息以呈现诸如美元的通用货币。
在一些实施方式中，确定对于每组对等数据的拟合的曲线信息(116)。可以为与每个识别的对等承运商相关联的所有识别的分层或塔式定价结构生成多个曲线。对于速度和效率，托管在云服务器上的缩放工具可以每夜地计算对于所有可用的对等分层或塔式定价结构(例如，再保险定价结构)的ILF曲线，同时可以实时生成关于单个定价结构的图形和摘要信息以在用户界面中呈现。在这种情况下，识别对等数据(114)可以包括识别和获得所计算的对等ILF曲线。
可替换地，不是对于所有分层或塔式定价结构拟合ILF曲线，而是可以计算ILF表格来表示每个分层或塔式定价结构中的选择层限额处的成本比率。例如，这将要求对损失严重性的所有组件制定一组假设，然后处理将受限于被选取用于估计的离散限额和对于尾部损失概率的可用数据的缺乏(例如，可能发生但历史上还未发生过的极其罕见但严重的损失事件)。由于R编程语言在统计优化问题的有效计算中的强度，发明人选择在优选实施例中使用R编程语言。这种计算能力使它们能够解决稀疏数据的问题，并避免过于繁重且耗时的手动替代方案。使用这种方法，可以在少于五分钟的时间内为数百万的分层或塔式定价结构计算对于所有可能限额的近似ILF比率。
在一些实施方式中，计算总对等度量以在标准检查定价结构中使用(118)。例如，对于给定的地理区域和/或时间框架(例如，月、季度、半年、年等)可以确定中间分层定价结构值。此外，可以每个产品地分析标准检查定价结构。标准检查分析中包括的分层或塔式定价结构可以是与用户规范相匹配的那些结构，使得用户有效地控制相似度，该相似度应当被用作对于分层或塔式定价结构的对等标准检查的基线。
在一些实施方式中，生成对于用户界面的图形布局元素(120)。例如，可以向客户提供具有拟合的ILF曲线的客户数据的布局。使用在步骤102由客户提供的实际层和价格数据以及在步骤106由ILF算法提供的拟合的分层定价结构，可以比较每一个的定价曲线以确定它们在价格和层风险之间的权衡上在何处对准之处以及在何处不同。这使用户能够看到相对于估计的有效定价结构，分层或塔式定价结构的每一层的实际保险范围是否以折扣或保险费而定价。拟合的曲线可允许经纪人评估相对定价结构以确定客户增大或减小保险范围限额将花费多少，或识别由于其潜在风险而过于昂贵的层。
该图形输出的示例在图2A中示出。转到图2A，截屏200示出了实际的每百万保险费曲线202，该曲线表示覆盖有通过计算有界Pareto函数的参数而生成的拟合的ILF曲线204的客户数据。如图所示，曲线202、204两者绘制在分层或塔式定价结构中的可用起赔点和限额上。该图描绘了在分层或塔式定价结构中的每一层206处的拟合的PPM 204与客户的实际PPM 202。绿线低于蓝线的点表示没有最优曲线昂贵的那些层，示出了客户在哪里得到折扣。例如，在查看图2A的图时，客户可以确定在至少25M和50M之间的起赔点206c、206d和206e处的定价是昂贵的，而在高于至少75M的起赔点206g处的定价有折扣。
此外，在请求包括分层或塔式定价结构中的间隙的示例中，填充的缺失层在图2B的截屏210中表示。转向图2B，屏幕截图210示出了实际客户塔式或分层定价信息(202)与拟合的或最优的信息(206)的比较。当将曲线拟合到分层或塔式定价结构时，可以得到阿尔法参数，该阿尔法参数控制曲线的形状并表示当在分层或塔式定价结构中向上行进时PPM下降的速率。例如，使用图2B的图，客户可以在框212中呈现的实际数据中可见与塔式结构中的每个层相关联的保险费。他们还可以看到(在框214中)在塔中的对应于不太可能的损失概率的点处的对于相同限额的保险费下降的速率。框214示出了表示通过将Pareto函数拟合到框212中的数据而得到的形状的通用塔式结构。这使用户能够查看改变保险范围限额或重新安排塔式结构将会得到何种成本权衡。
对于对等分析，在一些实施方式中，向用户呈现拟合的曲线的市场视图。图2C的直方图截屏220表示被包括在所选对等组中的所有分层或塔式定价结构的阿尔法参数的示例分布。因此，用户可以看到单个客户的分层或塔式定价结构阿尔法222相比于(例如，高于或低于)对等组的平均阿尔法224落在哪里。
返回图1，在一些实施方式中，向请求客户的仪表板提供用户界面(122)。例如，用户界面可以包括图2A至2C中表示的图形元素。此外，用户界面可以包含用于深入ILF计算的组件中和/或以其它方式帮助分析数据的多个元素。
在图示中，图3呈现了分层或塔式定价结构信息的示例表格300。表格300表示分层或塔式定价结构的层，该层包括关于客户数据中提供的层限额、起赔点和保险费的细节。此外，每一层包括本地产品名称、交易国家和保险公司名称。
在比较分析中，平均PPM列318表示对于给定起赔点的保险范围的平均价格或每百万美元的保险费，而ILF百分比320表示对于保险范围的特定层的限额的预期成本与基础参考层处的限额成本的比率。“增加限额500m”列324是指客户将该层的限额增加500万美元将花费的美元金额。“增加Att.Pt/减少限额500万”列326是指如果客户将起赔点增加500万美元(从而降低总限额)则其将节省的美元金额。在一些实施例中，用户可以通过不选仪表板用户界面上的“使用5m预计的增长”复选框(未示出)而预计100万的增长。
尽管图1的流程图是关于客户提供特定分层或塔式定价结构数据以用于分析来描述的，但是想象到ILF曲线拟合方法的其它应用。分层或塔式定价优化器工具的真正价值在于其利用(leverage)ILF曲线的快速大规模拟合和市场定价结构分布的建立以用来自用户的非常少的输入构建最优的分层或塔式定价结构的潜能。例如，如果用户可以简单地提供总限额以及层的大致数量和大小，将能够建立经纪人可以在配售前将其用作指导的定价结构。
接下来，参考图4描述根据示例性实施例的计算设备、移动计算设备或服务器的硬件描述。在图4中，计算设备、移动计算设备或服务器包括执行上述处理的CPU 400。处理数据和指令可以存储在存储器402中。这些处理和指令也可以存储在诸如硬盘驱动器(HDD)或便携式存储介质的存储介质盘404上，或者可以远程存储。例如，CPU 400可以提供用于执行图1的方法100的处理电路。此外，要求保护的进步不受发明的处理的指令存储在其上的计算机可读介质的形式的限制。例如，指令可以存储在CD、DVD上、存储在闪存存储器、RAM、ROM、PROM、EPROM、EEPROM、硬盘或计算设备、移动计算设备或服务器与之通信的任何其它信息处理设备中，比如服务器或计算机中。例如，存储器可以存储诸如图3的示例定价结构300的塔式或分层定价结构。
此外，要求保护的进步的一部分可以被提供为与CPU 400和诸如微软Windows 4、UNIX、Solaris、LINUX、Apple MAC-OS和本领域技术人员已知的其它系统的操作系统结合执行的实用程序、后台守护程序或操作系统的组件、或它们的组合。
CPU 400可以是来自美国的英特尔的Xenon或Core处理器，或者来自美国AMD的Opteron处理器，或者可以是本领域普通技术人员可以认识到的其它处理器类型。可替换地，如本领域普通技术人员可以认识到的，CPU 400可以在FPGA、ASIC、PLD上实施，或者使用离散逻辑电路实施。此外，CPU 400可以被实施为协同并行工作以执行上述发明处理的指令的多个处理器。
图4中的计算设备、移动计算设备或服务器还包括网络控制器406，诸如来自美国英特尔公司的英特尔以太网PRO网络接口卡，用于与网络428接口。可以理解，网络428可以是诸如互联网的公共网络，或者是诸如LAN或WAN网络的专用网络，或者是它们的任意组合，并且还可以包括PSTN或ISDN子网络。网络428也可以是有线的，比如以太网，或者可以是无线的，比如包括EDGE、3G和4G无线蜂窝系统的蜂窝网络。无线网络也可以是Wi-Fi、蓝牙或任何其它已知的无线通信形式。
计算设备、移动计算设备或服务器还包括显示控制器408，诸如来自美国NVIDIA公司的NVIDIA GeForce GTX或Quadro图形适配器，以用于与诸如惠普HPL2445w LCD监视器的显示器410接口。通用I/O接口412与键盘和/或鼠标414以及在显示器410上或与显示器410分离的触摸屏面板416接口。通用I/O接口还连接到各种外围设备418，包括诸如来自惠普的OfficeJet或DeskJet的打印机和扫描仪。例如，显示控制器408和显示器410可以使能呈现图2A的截屏200、图2B的截屏210或图2C的截屏220。
声音控制器420也设置在计算设备、移动计算设备或服务器中，诸如来自Creative的Sound Blaster X-Fi Titanium，以与扬声器/麦克风422接口，从而提供声音和/或音乐。
通用存储控制器424将存储介质盘404与通信总线426连接，通信总线426可以是ISA、EISA、VESA、PCI或类似总线，以用于互连计算设备、移动计算设备或服务器的所有组件。为简洁，在此省略对显示器410、键盘和/或鼠标414以及显示控制器408、存储控制器424、网络控制器406、声音控制器420和通用I/O接口412的一般特征和功能的描述，因为这些特征是已知的。
除非另外明确说明，否则可以利用一个或多个处理器实施本文所述的各种功能和/或算法。此外，除非另外明确说明，否则本文描述的任何功能和/或算法可以在一个或多个虚拟处理器上执行，例如在诸如计算机群或云驱动器的一个或多个物理计算系统上执行。
已经参考了根据本公开的实施方式的方法、系统和计算机程序产品的流程图和框图。其各方面由计算机程序指令实施。这些计算机程序指令可以被提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器以产生机器，使得经由计算机或其它可编程数据处理装置的处理器执行的指令创建用于实施流程图和/或框图的一个或多个框中指定的功能/动作的部件。
这些计算机程序指令也可以存储在计算机可读介质中，该计算机可读介质可以指导计算机或其它可编程数据处理装置以特定方式运行，使得存储在计算机可读介质中的指令产生包括指令部件的一件制品，该指令部件实施流程图和/或框图的一个或多个框中指定的功能/动作。
计算机程序指令也可以被加载到计算机或其它可编程数据处理装置上，以使得在计算机或其它可编程装置上执行一系列操作步骤，以产生计算机实施的处理，使得在计算机或其它可编程装置上执行的指令提供用于实施流程图和/或框图的一个或多个框中指定的功能/动作的处理。
此外，本公开不限于本文描述的特定电路元件，也不限于这些元件的特定尺寸和分类。例如，本领域技术人员将理解，本文所述的电路可以基于电池尺寸和化学性质的改变，或者基于要被供电的预期备用负载的要求而适配。
本文描述的功能和特征也可以由系统的各种分布式组件来执行。例如，一个或多个处理器可以执行这些系统功能，其中处理器跨在网络中通信的多个组件而分布。除了各种人机界面和通信设备(例如，显示监视器、智能电话、平板机、个人数字助理(PDA))之外，分布式组件还可以包括可以共享处理的一个或多个客户端和服务器机器，如图5所示。网络可以是诸如LAN或WAN的私有网络，或者可以是诸如互联网的公共网络。对系统的输入可以经由直接用户输入来接收，并且可以实时或作为批处理远程接收。此外，一些实施方式可以在与所描述的模块或硬件不同的模块或硬件上执行。因此，其它实施方式也在可以要求保护的范围内。
在一些实施方式中，本文所述可以与诸如谷歌云平台TM的云计算环境530接口，以执行以上详述的方法或算法的至少一部分。与本文描述的方法相关联的处理可以计算处理器上执行，比如由数据中心534在诸如谷歌计算引擎上执行。例如，数据中心534还可以包括诸如谷歌APP引擎的应用处理器，其可以用作与本文描述的系统的接口，以接收数据并输出相对应的信息。云计算环境530还可以包括一个或多个数据库538或其它数据存储，诸如云存储和查询数据库。在一些实施方式中，诸如谷歌云存储的云存储数据库538可以存储由本文描述的系统提供的已处理和未处理的数据。如上所述，云计算环境530可以支持交易平台的多个参与者的分层或塔式定价结构的可缩放处理。例如，一些数据(例如，用于分析的对等数据)的预处理可以使能对用户评价分层或塔式定价结构的实时响应。
本文描述的系统可以通过安全网关532与云计算环境530通信。在一些实施方式中，安全网关532包括数据库查询接口，诸如谷歌BigQuery平台。
云计算环境102可以包括用于资源管理的供应工具540。供应工具540可以连接到数据中心534的计算设备，以促进数据中心534的计算资源的供应。供应工具540可以经由安全网关532或云控制器536接收对计算资源的请求。供应工具540可以促进到数据中心534的特定计算设备的连接。
网络502表示将云环境530连接到多个客户端设备的一个或多个网络，诸如互联网，在一些示例中，客户端设备诸如蜂窝电话510、平板计算机512、移动计算设备514和桌上型计算设备516。网络502还可以经由无线网络使用各种移动网络服务520来通信，各种移动网络服务520诸如Wi-Fi、蓝牙、包括EDGE、3G和4G无线蜂窝系统的蜂窝网络、或者任何其它已知的无线通信形式。在一些实施例中，网络502对于与客户端设备相关联的本地接口和网络是不可知的，以允许被配置为执行本文描述的处理的本地接口和网络的集成。
贯穿说明书中对“一个实施例”或“实施例”的引用意味着结合实施例描述的具体特征、结构或特性被包括在所公开主题的至少一个实施例中。因此，短语“在一个实施例中”或“在实施例中”在所描述各处的出现不一定指代相同的实施例。此外，具体特征、结构或特性可以在一个或多个实施例中以任何合适的方式组合。此外，所公开主题的实施例意图覆盖其修改和变化。
必须注意，除非上下文另外明确指示，当用在说明书和所附权利要求中时，单数形式“一”、“一个”和“该”包括复数指代物。也就是说，除非另外明确说明，否则本文使用的词语“一个”、“一个”、“该”等包含“一个或多个”的含义。此外，应当理解，本文可以使用的诸如“左”、“右”、“顶”、“底”、“前”、“后”、“侧”、“高度”、“长度”、“宽度”、“上”、“下”、“内”、“外”、“内部”、“外部”等术语仅描述参考点，并不一定将本公开的实施例限制到任何具体的方向或配置。此外，诸如“第一”、“第二”、“第三”等术语仅仅识别本文公开的多个部分、组件、步骤、操作、功能和/或参考点中的一个，并且同样不一定将本公开的实施例限制到任何具体的配置或方向。
此外，在某些实施例中，术语“近似”、“大约”、“接近”、“微小变化”和类似术语通常指包括在20％、10％或优选5％的余量内的识别值以及在其之间的任何值的范围。
除了明确声明或者特征或功能与附加实施例不兼容的情况，结合一个实施例描述的所有功能意图可应用于下面描述的附加实施例。例如，在结合一个实施例明确描述了给定的特征或功能但没有结合替代实施例明确提及的情况下，应当理解，发明人意图可以结合替代实施例部署、利用或实施该特征或功能，除非该特征或功能与替代实施例不兼容。
虽然已经描述了某些实施例，但是这些实施例仅仅是通过示例的方式呈现的，并不意图限制本公开的范围。事实上，本文描述的新颖的方法、装置和系统可以以各种其它形式来体现；此外，在不脱离本公开的精神的情况下，可以做出对本文描述的方法、装置和系统的形式的各种省略、替换和改变。所附权利要求及其等同物意图覆盖将落入本公开的范围和精神内的这些形式或修改。

Claims (20)

1.一种使用分层或塔式定价数据点构建连续定价曲线的方法，包括：
访问第一实体的分层或塔式定价结构数据，所述分层或塔式定价结构数据包括多个定价层，每个定价层包括多个域，所述多个域包括层保险费、层限额和起赔点；
由处理电路使用所述分层或塔式定价结构数据来确定用于表示基于所述分层或塔式定价结构数据的最优有效定价结构的估计的基础曲线算法，其中所述基础曲线算法表示统计分布；
由所述处理电路使用所述基础曲线算法和所述分层或塔式定价结构数据来计算拟合到所述分层或塔式定价结构数据的多个起赔点的拟合的曲线；
由所述处理电路来确定多个对等实体；
访问所述多个对等实体中的每个对等实体的对等分层或塔式定价结构数据，其中各个对等分层或塔式定价结构数据包括与分层或塔式定价结构数据的结构化差异；
对于所述多个对等实体中的每个对等实体，由所述处理电路使用所述基础曲线算法和所述各个对等分层或塔式定价结构数据来计算比较定价结构数据；以及
呈现所述比较定价结构数据和从所述拟合的曲线得到的数据的表示的图形比较，用于用户查看。
2.根据权利要求1所述的方法，进一步包括：
确定所述多个层中的至少一层的至少一个域缺少相对应的值；以及
缩放相关值以估计所述相对应的值。
3.根据权利要求1所述的方法，进一步包括：
确定所述多个层中的至少一层的至少一个域包括第一值，该第一值与所述多个层中的不同一层的第二值冲突；以及
按比例调整相关值，同时维持值之间的比率以保持100％的参与率。
4.根据权利要求1所述的方法，其中访问所述分层或塔式定价结构数据包括在用户界面上呈现所述多个域的一部分的已知值，该用户界面具有用于提供一个或缺失值的用户输入控件。
5.根据权利要求1所述的方法，其中：
所述基础曲线算法是Pareto算法；以及
计算所述拟合的曲线包括
将所述多个层的至少一部分的值识别为起赔点，以及
将Pareto算法拟合到所述起赔点，
其中拟合产生包括阿尔法的Pareto曲线参数。
6.根据权利要求1所述的方法，其中所述比较定价结构数据包括对于所述多个对等实体中的每个对等实体的阿尔法值。
7.根据权利要求1所述的方法，其中计算所述比较定价结构数据包括对于所述多个对等实体中的每个对等实体计算表示所选层限额处的成本比率的表格。
8.根据权利要求1所述的方法，其中呈现所述比较定价结构数据的图形比较包括聚集所述多个对等实体的值。
9.根据权利要求1所述的方法，其中确定所述多个对等实体包括从交易平台的多个成员实体确定所述多个对等实体为向所述分层或塔式定价结构提供相同或相似的产品。
10.根据权利要求1所述的方法，其中访问所述对等分层或塔式定价结构数据包括在预定时间框架内识别所述对等分层或塔式定价结构数据。
11.一种非暂时性计算机可读介质，其上存储有指令，其中所述指令在由处理电路执行时使得所述处理电路：
访问第一实体的分层或塔式定价结构数据，所述分层或塔式定价结构数据包括多个定价层，每个定价层包括多个域，所述多个域包括层保险费、层限额和起赔点；
使用所述分层或塔式定价结构数据来确定用于表示基于所述分层或塔式定价结构数据的最优有效定价结构的估计的基础曲线算法，其中所述基础曲线算法表示统计分布；
将所述基础曲线算法拟合到所述分层或塔式定价结构数据的起赔点以生成拟合的曲线，其中拟合产生包括阿尔法的多个曲线参数；
生成沿着所述基础曲线算法的多个最优有效起赔点和所述拟合的曲线上的起赔点的视觉比较；以及
向计算设备的图形用户界面呈现所述视觉比较。
12.根据权利要求11所述的非暂时性计算机可读介质，其中访问所述分层或塔式定价结构包括从数据库获得所述分层或塔式定价结构。
13.根据权利要求11所述的非暂时性计算机可读介质，其中所述指令在由所述处理电路执行时，使得所述处理电路：
识别所述分层或塔式定价结构数据内缺失的一个或多个值；以及
通过推断沿着所述拟合的曲线的连续分布来估计所述一个或多个值中的每个值。
14.根据权利要求11所述的非暂时性计算机可读介质，其中访问所述分层或塔式定价数据包括通过交易平台上的已完成交易记录识别所述分层或塔式定价数据的至少一部分。
15.根据权利要求11所述的非暂时性计算机可读介质，其中所述分层或塔式定价结构数据包括地理区域。
16.一种系统，包括：
处理电路；和
非暂时性计算机可读数据存储装置，其上存储有指令；
其中所述指令在由所述处理电路执行时，使得所述处理电路
访问多组分层或塔式定价结构数据，所述分层或塔式定价结构数据包括多个定价层，每个定价层包括多个域，所述多个域包括层保险费、层限额和起赔点，其中
分层或塔式定价结构数据的组之间存在结构差异，使得所述多组分层或塔式定价结构数据对于直接比较不兼容，
对于所述多组分层或塔式定价结构数据中的每组
使用各自的分层或塔式定价结构数据，确定用于表示基于各自的分层或塔式定价结构数据的最优有效定价结构的估计的基础曲线算法，其中所述基础曲线算法表示统计分布，以及
将所述基础曲线算法拟合到所述分层或塔式定价结构数据的起赔点以生成拟合的曲线，其中拟合产生包括阿尔法的多个曲线参数，
跨所述多组分层或塔式定价结构数据，聚集部分地从各个拟合的曲线得到的度量，以及
使得在计算设备的显示器上呈现以下中的至少一个的视觉比较：a)聚集的曲线参数度量和所述多组分层或塔式定价结构数据中的至少一组的各自的曲线参数，以及b)聚集定价度量和所述多组分层或塔式定价结构数据中的至少一组的相对应的定价度量。
17.根据权利要求16所述的系统，其中所述多组分层或塔式定价结构数据包括同一实体随时间的分层或塔式定价结构数据。
18.根据权利要求16所述的系统，其中：
所述多组分层或塔式定价结构数据包括多个实体随时间的分层或塔式定价结构数据；以及
通过从交易平台访问已完成交易的记录来获得所述分层或塔式定价结构数据。
19.根据权利要求16所述的系统，其中所述呈现包括对等分层或定价结构随时间的改变与对于所选实体的分层或塔式定价结构随时间的改变的视觉比较。
20.根据权利要求16所述的系统，其中，所述聚集的曲线参数度量包括对等阿尔法值与所选实体的阿尔法值相对比的分布。
CN201780080110.5A 2016-12-23 2017-12-26 对具有变化定价成分的复杂分层或塔式定价结构进行定价比较的方法和系统 Pending CN110622195A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662438723P 2016-12-23 2016-12-23
US62/438,723 2016-12-23
PCT/SG2017/050647 WO2018117977A1 (en) 2016-12-23 2017-12-26 Methods and systems for performing pricing comparisons of complex layered or tower pricing structures with varying pricing components

Publications (1)

Publication Number Publication Date
CN110622195A true CN110622195A (zh) 2019-12-27

Family

ID=61094575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780080110.5A Pending CN110622195A (zh) 2016-12-23 2017-12-26 对具有变化定价成分的复杂分层或塔式定价结构进行定价比较的方法和系统

Country Status (4)

Country Link
US (1) US20180181974A1 (zh)
EP (1) EP3559889A1 (zh)
CN (1) CN110622195A (zh)
WO (1) WO2018117977A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10951695B2 (en) 2019-02-14 2021-03-16 Aon Global Operations Se Singapore Branch System and methods for identification of peer entities
US11561983B2 (en) 2019-03-07 2023-01-24 Throughputer, Inc. Online trained object property estimator
US11620557B2 (en) 2019-03-07 2023-04-04 Throughputer, Inc. Online trained object property estimator
US11604867B2 (en) 2019-04-01 2023-03-14 Throughputer, Inc. Graphic pattern-based authentication with adjustable challenge level
WO2020247800A1 (en) 2019-06-05 2020-12-10 Throughputer, Inc. Graphic pattern-based passcode generation and authentication
US10896190B1 (en) * 2019-07-10 2021-01-19 The Prudential Insurance Company Of America Display tool
US11348129B2 (en) * 2020-02-06 2022-05-31 Mastercard International Incorporated System and method for determining optimum price curve and dynamically updating product price
US20220114525A1 (en) * 2020-10-12 2022-04-14 Microsoft Technology Licensing, Llc Peer group benchmark generation and presentation
US20220188852A1 (en) * 2020-12-10 2022-06-16 International Business Machines Corporation Optimal pricing iteration via sub-component analysis
CN116957751B (zh) * 2023-09-20 2023-12-19 淄博海草软件服务有限公司 一种订单业务异常监控方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101578618A (zh) * 2006-10-11 2009-11-11 玫瑰蓝公司 钻石评估方法、装置及计算机可读介质产品
CN102542506A (zh) * 2005-04-11 2012-07-04 超级衍生品公司 给金融工具定价的方法和系统
US8543430B1 (en) * 2011-08-02 2013-09-24 State Farm Mutual Automobile Insurance Company Systems and methods for providing customized marketing information
CN104657878A (zh) * 2013-11-21 2015-05-27 国际商业机器公司 用于对数据集进行推荐和定价的方法和系统
CN106030626A (zh) * 2013-12-11 2016-10-12 天巡有限公司 用于提供诸如飞机票价可用性的票价可用性的方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542506A (zh) * 2005-04-11 2012-07-04 超级衍生品公司 给金融工具定价的方法和系统
CN101578618A (zh) * 2006-10-11 2009-11-11 玫瑰蓝公司 钻石评估方法、装置及计算机可读介质产品
US8543430B1 (en) * 2011-08-02 2013-09-24 State Farm Mutual Automobile Insurance Company Systems and methods for providing customized marketing information
CN104657878A (zh) * 2013-11-21 2015-05-27 国际商业机器公司 用于对数据集进行推荐和定价的方法和系统
CN106030626A (zh) * 2013-12-11 2016-10-12 天巡有限公司 用于提供诸如飞机票价可用性的票价可用性的方法和系统

Also Published As

Publication number Publication date
US20180181974A1 (en) 2018-06-28
EP3559889A1 (en) 2019-10-30
WO2018117977A1 (en) 2018-06-28

Similar Documents

Publication Publication Date Title
CN110622195A (zh) 对具有变化定价成分的复杂分层或塔式定价结构进行定价比较的方法和系统
US20220405851A1 (en) Dashboard interface, platform, and environment for matching subscribers with subscription providers and presenting enhanced subscription provider performance metrics
US8244559B2 (en) Cloud computing resource broker
JP6034890B2 (ja) 仕様、推定、原因となるドライバの発見及びマーケット反応弾性又はリフト係数の自動化
US20200252423A1 (en) Systems and methods for vulnerability assessment and remedy identification
CN110837587B (zh) 一种基于机器学习的数据匹配方法和系统
US8725541B2 (en) Systems and methods for rating and pricing insurance policies
Cheng et al. Alternative approach to credit scoring by DEA: Evaluating borrowers with respect to PFI projects
JP2021525412A (ja) リソース配分の予測およびモデリングならびにリソース入手オファーの生成、調整、および承認のための装置および方法
US11823276B2 (en) Resource allocation
US11816735B2 (en) System and method for evaluating a service provider of a retirement plan
CA2357268A1 (en) System and method for optimizing benefit plan designs
US11100409B2 (en) Machine learning assisted transaction component settlement
US20140289007A1 (en) Scenario based customer lifetime value determination
US20240212041A1 (en) Automatic data segmentation system
US7962351B2 (en) Systems and methods for determining cost of insurance rates
US9201768B1 (en) System, method, and computer program for recommending a number of test cases and effort to allocate to one or more business processes associated with a software testing project
CN109711859A (zh) 客户终生价值的预测方法及装置、存储介质、计算机设备
WO2017016403A1 (zh) 确定业务对象品牌指数信息的方法及装置
US20160042462A1 (en) System and method for administering insurance data to mitigate future risks
Poordavoodi et al. Measuring the Efficiency of Financial Cloud Services in the Banking Industry Using the Modified Dynamic DEA with Network Structure: The Case of Iran E-Banking.
JP2006126955A (ja) 業者評価支援装置及び業者評価支援方法
WO2015073035A1 (en) Selecting and allocating
US20230135611A1 (en) Online Platform for Carbon Offsetting with Automatically Identified Impacting Measures
CN112990669B (zh) 产品数据分析方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191227

WD01 Invention patent application deemed withdrawn after publication