CN113298663A - 物流运输平台用户保障业务的动态差异化定价方法及系统 - Google Patents
物流运输平台用户保障业务的动态差异化定价方法及系统 Download PDFInfo
- Publication number
- CN113298663A CN113298663A CN202110646892.2A CN202110646892A CN113298663A CN 113298663 A CN113298663 A CN 113298663A CN 202110646892 A CN202110646892 A CN 202110646892A CN 113298663 A CN113298663 A CN 113298663A
- Authority
- CN
- China
- Prior art keywords
- premium
- pricing
- price
- logistics transportation
- adjustment
- 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
Links
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
-
- 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
- G06Q30/0283—Price estimation or determination
Landscapes
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种物流运输平台用户保障业务的动态差异化定价方法及系统,其方法包括:步骤S1:基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价;步骤S2:建立奖惩系统:利用聚类算法,对目标对象进行分类,进而实现对未来保费基于目标对象的差异化价格的定价;步骤S3:确定价格调整周期,重复步骤S1和步骤S2,从而实现未来保费价格的动态调整。本发明所提出的方法原理简单、计算量小、易于计算机编程实现,可为平台企业用户保障计划提供一种有效的保费动态定价方法,有望在更多的经济、社会、管理、商业、金融等领域得到广泛应用。
Description
技术领域
本发明涉及物流运输领域,具体涉及一种物流运输平台用户保障业务的动态差异化定价方法及系统。
背景技术
平台企业是一种以用户规模带动经济效益的特殊组织,通过用户规模的不断扩大,逐渐增加对企业产品的使用范围和程度,形成持续而稳定的用户增长率。随着国内平台企业近几年的快速发展,行业内竞争激烈,用户规模增长进入瓶颈期,由于用户规模对平台型企业发展具有重要意义,如何提升用户关系以及维护用户利益成了日益重要的研究课题,特别是如何与保险公司合作的来保障用户利益的计划,这部分的设计和定价是一个较新颖的领域。
对于非寿险保险的定价,目前已有较为成熟的方法,主要的定价方法有分类费率即先验费率,传统的方法有单项分析法,最小偏差法,广义线性模型;经验费率即后验费率,主要方法有信度模型以及奖惩系统等;还有分类费率与经验费率相结合方法。但是尚未见到关于平台企业与保险公司合作推出的用户保障计划的定价机制。
发明内容
为了解决上述技术问题,本发明提供一种物流运输平台用户保障业务的动态差异化定价方法及系统。
本发明技术解决方案为:一种物流运输平台用户保障业务的动态差异化定价方法,包括:
步骤S1:基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价;
步骤S2:建立奖惩系统:利用聚类算法,对目标对象进行分类,根据相应类别的调整乘子实现对所述未来保费基于所述目标对象的差异化价格的定价;
步骤S3:确定价格调整周期,重复步骤S1和步骤S2,从而实现所述未来保费价格的动态调整。
本发明与现有技术相比,具有以下优点:
本发明所提出的一种物流运输平台用户保障业务的动态差异化定价方法与系统,针对解决平台保障用户利益计划的定价问题,基于平台的历史损失数据,利用凸组合平均法、期望函数法,建立一个预测未来保费的基础价格定价模型;通过对企业业务的研究,确定影响用户分类的因素,运用聚类算法对目标对象进行分类,通过误差平方和、轮廓系数得分确定类别数K;从合理性出发,找出各级别可能的保费调整乘子,根据不同级别调整乘子的不同组合进行敏感性分析,进而建立奖惩系统;重复基础定价和差异化定价步骤,实现动态定价。本发明所提出的方法原理简单、计算量小、易于计算机编程实现,可为平台企业用户保障计划提供一种有效的保费动态定价方法,有望在更多的经济、社会、管理、商业、金融等领域得到广泛应用。
附图说明
图1为本发明实施例中一种物流运输平台用户保障业务的动态差异化定价方法的流程图;
图2为本发明实施例中一种物流运输平台用户保障业务的动态差异化定价方法中步骤S1:基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价的流程图;
图3为本发明实施例中一种物流运输平台用户保障业务的动态差异化定价方法中步骤S2:建立奖惩系统:利用聚类算法,对目标对象进行分类,根据相应类别的调整乘子实现对未来保费基于目标对象的差异化价格的定价;
图4为本发明实施例中使用误差平方和SSE法进行聚类的结果示意图;
图5为本发明实施例中一种物流运输平台用户保障业务的动态差异化定价系统的结构框图。
具体实施方式
本发明提供了一种物流运输平台用户保障业务的动态差异化定价方法,该方法原理简单、计算量小、易于计算机编程实现,可为平台企业用户保障计划提供一种有效的保费动态定价方法。
为了使本发明的目的、技术方案及优点更加清楚,以下通过具体实施,并结合附图,对本发明进一步详细说明。
实施例一
如图1所示,本发明实施例提供的一种物流运输平台用户保障业务的动态差异化定价方法,包括下述步骤:
步骤S1:基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价;
步骤S2:建立奖惩系统:利用聚类算法,对目标对象进行分类,根据相应类别的调整乘子实现对未来保费基于目标对象的差异化价格的定价;
步骤S3:确定价格调整周期,重复步骤S1和步骤S2,从而实现未来保费价格的动态调整。
如图2所示,在一个实施例中,上述步骤S1:基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价,具体包括:
步骤S11:利用凸组合平均法,建立用上n期的赔付数据来预测当期期望索赔模型,如公式(1)~(3)所示:
E(xt)=at-1E(xt-1)+at-2E(xt-2)+…+at-nE(xt-n) (1)
E(Nt)=at-1E(Nt-1)+at-2E(Nt-2)+…+at-nE(Nt-n) (2)
E(St)=E(xt)*E(Nt) (3)
其中,E(xt)为期望索赔强度;E(Nt)为期望索赔频率;E(St)为当期的期望风险保费;
at为权重系数,须满足以下三个约束条件:
(i)at>0;
(ii)Δat=at-at-1<ε,其中ε是一个小的正常数;
根据所述约束条件,利用下述公式(4)得到时间权重系数:
其中,t是根据预设周期定义的时间刻度;例如以一个季度为周期定义时间刻度,或者以一年为周期定义时间刻度。
举例来说,采用两期预测模型取t=3,代入公式(4)计算两期的权重系数。
at-2=0.414995354,at-1=0.585004646。
将权重系数代入公式(1)~(3)表示的当期期望索赔模型,预测当期的期望风险保费,结果如表1所示。
表1 2021Q1据2020Q3&Q4风险保费预测表
2020Q3 | 2020Q4 | 2021Q1 | |
购买保险数 | 1739 | 1448 | 3329 |
赔付数量 | 188 | 203 | 187 |
赔付总额 | 21581.9 | 18664 | 21036.4 |
E(N<sub>t</sub>) | 0.108108 | 0.140193 | 0.126878 |
E(x<sub>t</sub>) | 114.7973 | 91.94089 | 101.4262 |
E(S<sub>t</sub>) | 12.41052 | 12.8895 | 12.86877 |
表1中2021Q1购买保险数、赔付数量以及赔付总额系发生的真实值,E(xt)和E(Nt)系根据期望索赔模型计算的预测值。综合2021Q1的E(xt)和E(Nt),根据公式(3),计算得到2021Q1E(St)=12.86877,即依据历史数据两期预测的基础保费。
需要说明的是,本发明实施例采用的数据由于该业务在2020年7月刚刚开展,在2020Q3至Q4期间对用户保费进行过一次调整,因此用这两期数据得到的预测值与2021Q1的真实值有一定的偏差,随着未来业务的进一步开展,理赔数据将趋向稳定,基于历史数据预测的准确度会进一步提高。
步骤S12:根据历史赔付数据,确定其分布类型和参数、概率密度函数和分布函数,计算期望损失:
如果存在赔付限额d,并且不超过赔付限额d的情况时,根据下述公式(5)计算期望损失;
其中,f(x)是概率密度函数,F(x)是分布函数;x是赔付金额;
如果不存在赔付限额d,或者存在超过赔付限额d时,根据下述公式(6)计算期望损失:
举例来说,本发明实施例基于WTYT 2020Q3-2021Q1的用户投保数据以及赔付数据,将所有保单数据中未出险的赔付数据填充为0,即得到所有投保数据的赔付情况。
检验历史数据是否服从正态分布、对数正态分布、t分布以及伽马分布,在本发明实施例的校验结果中,历史赔付数据检验结果更倾向于服从正态分布,因此假设历史赔付数据服从正态分布,计算出该正态分布相应的参数为(9.414397544128933,65.5942103192035)。
步骤S13:结合上述步骤,利用下述公式(7)计算当期风险保费:
当期风险保费=λE(St)+(1-λ)Ex (7)
其中,E(St)是当期的期望风险保费,Ex是期望损失;λ为期望风险保费所占的权重。
其中E(St)是步骤S11计算的结果,Ex是步骤S12计算的结果;λ为期望风险保费所占的权重,在没有特殊要求的情况下,λ一般取1/2。
根据公式(7),计算得出2021Q1预测的未来保费的基础价格为22元。
在计算得到保费的基础价格之外,还需要根据不同被保险人,进行保费的差异化定价。因此需要建立一个奖惩系统,以实现差异化定价。
建立一个完整的奖惩系统包括以下步骤:
1)把所有的被保险人划分为有限个等级,每个被保险人的保费只依赖于他所属的等级;
2)新投保的被保险人缴纳初始等级的保险费;
3)被保险人的续期保费取决于他在当期发生赔付导致当期等级变动后的级别。
通过下述步骤S2,以实现奖惩系统对未来保费的差异化价格的定价。
如图3所示,在一个实施例中,上述步骤S2:建立奖惩系统:利用聚类算法,对目标对象进行分类,根据相应类别的调整乘子实现对未来保费基于目标对象的差异化价格的定价,具体包括:
步骤S21:确定目标对象,并用构建唯一ID标识目标对象;
本发明实施例中的目标对象可以单纯是平台用户ID,也可以是结合业务场景下需要细分为一个颗粒的对象,比如结合多个ID的组合ID。举例来说,WTYT运费保障业务中的目标对象指的是特定项目的特定司机,即合并项目编号和司机编号可得到一个唯一ID,以标识目标对象,如下表2所示。
表2所有目标对象ID一览表
所有目标对象ID(共3433个) |
657880szwl0000001 |
657880szwl0000002 |
657880szwl0000003 |
… |
8637684szwl0003629 |
步骤S22:对唯一ID运用聚类算法将有过出险记录的目标对象分为K类,并把从未出险的目标对象定义成一类,总计K+1类;
根据平台企业的具体业务,确定影响用户分类的因素;确定类别数K取值范围。本发明实施例对所用具体聚类算法不做限定,可采用一种聚类算法确定K值,或者多种聚类算法相互验证以确定K值。本发明实施例采用K均值算法并根据误差平方和SSE和轮廓系数得分两种判断标准确定K值。
1)误差平方和SSE,又称残差平方和,根据n个观察值拟合适当的模型后,余下未能拟合部份称为残差,其中y平均表示n个观察值的平均值,所有n个残差平方之和称误差平方和。在回归分析中通常用SSE表示,其大小用来表明函数拟合的好坏。SSE的计算公式如下述公式(8)所示:
如图4所示,K=3是折线图的一个拐点,当K>3,SSE下降的速度放缓,K增加对降低SSE的效果不明显。
2)轮廓系数得分,是评价聚类效果好坏以及确定K的方法,它结合内聚度和分离度两种因素。轮廓系数得分越高,表示具有定义的聚类的模型越好。
对于簇中的每个向量,其中的一个点i来说:
计算a(i)=average(i向量到所有它属于的簇中其它点的距离);
计算b(i)=min(i向量到与它相邻最近的一簇内的所有点的平均距离);
那么i向量轮廓系数计算公式就如下述公式(8)所示:
轮廓系数的值是介于[-1,1],越趋近于1代表内聚度和分离度都相对较优。
本发明实施例计算得到的轮廓系数得分表如下表2所示,由于不支持K=1时计算轮廓系数,因此表从K=2开始,显而易见,K=3时轮廓系数得分最高,最接近于1。
表3轮廓系数得分表
综上所述,误差平方和SSE法和轮廓系数得分法均得到结论K=3。如果二者结论不一致,还可考虑更多的判断准则来确定K值。
步骤S23:确定各类别保费调整乘子取值点集,从而实现对目标对象未来保费的差异化价格;确定可能的保费调整乘子取值点集,原则上保费调整乘子可以从0取到正无穷,但是大部分区间不符合实际情况,因此应该从合理性出发,根据平台企业对该业务的诉求,例如必要利润率等,选取适当的调整乘子。
在保证合理性的前提下,事先确定每个级别调整后的保费范围,例如,在历史数据中,正常保单的保费是15元,因此在22元基础保费上,选取[0.3,0.35,0.4,0.45,0.5]五种调整乘子,并对结果进行四舍五入。
由于本发明实施例中采用的数据中类别1和类别0的目标对象较多,因此调整乘子按0.05等差计算;类别2和类别3的目标对象较少,因此对整体影响不大,因此调整乘子按0.1等差计算。如下表4所示,根据不同类别得到的调整乘子表:
表4不同类别调整乘子表
步骤S24:根据各类别的调整乘子的不同组合进行敏感性分析,计算可得出不同组合的保额总额以及利润率的敏感性结果。
本发明实施例通过Python运算,得出不同组合的保额总额以及利润率的敏感性结果(共计1620行数据),如下表5所示:
表5调整乘子敏感性分析
类别0 | 类别1 | 类别2 | 类别3 | 保费总额 | 利润率 |
0.3 | 0.5 | 0.7 | 0.9 | 53921 | -12.13% |
0.3 | 0.5 | 0.7 | 1 | 53927 | -12.12% |
0.3 | 0.5 | 0.7 | 1.1 | 53933 | -12.11% |
0.3 | 0.5 | 0.7 | 1.2 | 53939 | -12.10% |
0.3 | 0.5 | 0.7 | 1.3 | 53945 | -12.09% |
0.3 | 0.5 | 0.7 | 1.4 | 53951 | -12.08% |
... | ... | ... | ... | ... | ... |
0.5 | 0.9 | 1.2 | 1 | 89134 | 45.25% |
0.5 | 0.9 | 1.2 | 1.1 | 89140 | 45.26% |
0.5 | 0.9 | 1.2 | 1.2 | 89146 | 45.27% |
0.5 | 0.9 | 1.2 | 1.3 | 89152 | 45.28% |
0.5 | 0.9 | 1.2 | 1.4 | 89158 | 45.29% |
在一个实施例中,上述步骤S3:确定价格调整周期,重复步骤S1和步骤S2,从而实现未来保费价格的动态调整。
根据物流运输平台实际使用的需要,定义保费的价格调整周期,利用上述步骤S1确定未来保费的基础价格,利用上述步骤S2根据不同目标对象确定保费差异化价格的定价,从而实现对未来保费价格的动态调整。
本发明所提出的一种物流运输平台用户保障业务的动态差异化定价方法与系统,针对解决平台保障用户利益计划的定价问题,基于平台的历史损失数据,利用凸组合平均法和期望函数法,建立一个预测未来保费的基础价格定价模型;通过对企业业务的研究,确定影响用户分类的因素,运用聚类算法对目标对象进行分类,确定类别数K;从合理性出发,找出各类别可能的保费调整乘子,并根据不同级别调整乘子的不同组合进行敏感性分析,进而建立奖惩系统;重复基础定价和差异化定价步骤,实现动态定价。本发明所提出的方法原理简单、计算量小、易于计算机编程实现,可为平台企业用户保障计划提供一种有效的保费动态定价方法,有望在更多的经济、社会、管理、商业、金融等领域得到广泛应用。
实施例二
如图5所示,本发明实施例提供了一种物流运输平台用户保障业务的动态差异化定价系统,包括下述模块:
保费基础定价模块,用于基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价;
保费差异化定价模块,用于建立奖惩系统:利用聚类算法,对目标对象进行分类,根据相应类别的调整乘子实现对未来保费基于目标对象的差异化价格的定价;
保费价格动态调整模块,用于确定价格调整周期,重复保险基础价格定价模块和保险差异化价格定价模块,从而实现未来保费价格的动态调整。
提供以上实施例仅仅是为了描述本发明的目的,而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明的范围之内。
Claims (4)
1.一种物流运输平台用户保障业务的动态差异化定价方法,其特征在于,包括:
步骤S1:基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价;
步骤S2:建立奖惩系统:利用聚类算法,对目标对象进行分类,根据相应类别的调整乘子实现对所述未来保费基于所述目标对象的差异化价格的定价;
步骤S3:确定价格调整周期,重复步骤S1和步骤S2,从而实现所述未来保费价格的动态调整。
2.根据权利要求1所述的物流运输平台用户保障业务的动态差异化定价方法,其特征在于,所述步骤S1:基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价,具体包括:
步骤S11:利用凸组合平均法,建立用上n期的赔付数据来预测当期期望索赔模型,如公式(1)~(3)所示:
E(xt)=at-1E(xt-1)+at-2E(xt-2)+…+at-nE(xt-n) (1)
E(Nt)=at-1E(Nt-1)+at-2E(Nt-2)+…+at-nE(Nt-n) (2)
E(St)=E(xt)*E(Nt) (3)
其中,E(xt)为期望索赔强度;E(Nt)为期望索赔频率;E(St)为当期的期望风险保费;
at为权重系数,须满足以下三个约束条件:
(i)at>0;
(ii)Δat=at-at-1<ε,其中ε是一个小的正常数;
根据所述约束条件,利用下述公式(4)得到时间权重系数:
其中,t是根据预设周期定义的时间刻度;
步骤S12:根据历史赔付数据,确定其分布类型和参数、概率密度函数和分布函数,计算期望损失:
如果存在赔付限额d,并且不超过所述赔付限额d时,根据下述公式(5)计算期望损失;
其中,f(x)是概率密度函数,F(x)是分布函数;x是赔付金额;
如果不存在所述赔付限额d,或者存在超过所述赔付限额d的情况时,根据下述公式(6)计算期望损失:
步骤S13:结合上述步骤,利用下述公式(7)计算当期风险保费:
当期风险保费=λE(St)+(1-λ)Ex (7)
其中,E(St)是所述当期的期望风险保费,Ex是所述期望损失;λ为期望风险保费所占的权重。
3.根据权利要求1所述的物流运输平台用户保障业务的动态差异化定价方法,其特征在于,所述步骤S2:建立奖惩系统:利用聚类算法,对目标对象进行分类,进而实现对所述未来保费基于所述目标对象的差异化价格的定价,具体包括:
步骤S21:确定目标对象,并用构建唯一ID标识所述目标对象;
步骤S22:对所述唯一ID运用聚类算法将有过出险记录的所述目标对象分为K类,并把从未出险的所述目标对象定义成一类,总计K+1类;
步骤S23:确定各类别保费调整乘子取值点集,从而实现对所述目标对象未来保费的差异化价格;
步骤S24:根据各类别的所述调整乘子的不同组合进行敏感性分析,计算可得出不同组合的保额总额以及利润率的敏感性结果。
4.一种物流运输平台用户保障业务的动态差异化定价系统,其特征在于,包括下述模块:
保费基础定价模块,用于基于物流运输平台的历史损失数据,利用凸组合平均法和期望函数法,实现对未来保费的基础价格的定价;
保费差异化定价模块,用于建立奖惩系统:利用聚类算法,对目标对象进行分类,根据相应类别的调整乘子实现对所述未来保费基于所述目标对象的差异化价格的定价;
保费价格动态调整模块,用于确定价格调整周期,重复所述保险基础价格定价模块和所述保险差异化价格定价模块,从而实现所述未来保费价格的动态调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646892.2A CN113298663A (zh) | 2021-06-10 | 2021-06-10 | 物流运输平台用户保障业务的动态差异化定价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646892.2A CN113298663A (zh) | 2021-06-10 | 2021-06-10 | 物流运输平台用户保障业务的动态差异化定价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298663A true CN113298663A (zh) | 2021-08-24 |
Family
ID=77327751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110646892.2A Pending CN113298663A (zh) | 2021-06-10 | 2021-06-10 | 物流运输平台用户保障业务的动态差异化定价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298663A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023180581A1 (en) | 2022-03-25 | 2023-09-28 | Swiss Reinsurance Company Ltd. | Digital system for forecasting a future damage or loss impact on cargo or cargo logistics services and automated allocating of a damage cover and method thereof |
-
2021
- 2021-06-10 CN CN202110646892.2A patent/CN113298663A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023180581A1 (en) | 2022-03-25 | 2023-09-28 | Swiss Reinsurance Company Ltd. | Digital system for forecasting a future damage or loss impact on cargo or cargo logistics services and automated allocating of a damage cover and method thereof |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arani et al. | Integrated material-financial supply chain master planning under mixed uncertainty | |
Katehakis et al. | Cash‐flow based dynamic inventory management | |
US7962353B1 (en) | Home resale price protection plan | |
CN110503295A (zh) | 供应链金融的风险分析方法、装置、计算终端及存储介质 | |
Hill et al. | Models for optimal lead time reduction | |
WO2001009744A2 (en) | Method for planning key component purchases to optimize revenue | |
KR20010108282A (ko) | 입찰가 판정 방법, 시스템 및 컴퓨터 | |
Malikov | Methodological approaches to assessing and forecasting the tax potential of the region | |
KR20110100188A (ko) | 투자 트랙킹을 위한 시스템 및 방법 | |
Qiu et al. | A robust omnichannel pricing and ordering optimization approach with return policies based on data-driven support vector clustering | |
US8589191B1 (en) | Home resale price protection plan | |
CN113052533A (zh) | 概率产品的库存异动预警与调拨方案更新方法及系统 | |
CN113674040B (zh) | 车辆的报价方法、计算机设备和计算机可读存储介质 | |
Caridad et al. | Corporate rating forecasting using Artificial Intelligence statistical techniques | |
Badakhshan et al. | A simulation-optimization approach for integrating physical and financial flows in a supply chain under economic uncertainty | |
CN113298663A (zh) | 物流运输平台用户保障业务的动态差异化定价方法及系统 | |
Wei | [Retracted] A Machine Learning Algorithm for Supplier Credit Risk Assessment Based on Supply Chain Management | |
US20120116993A1 (en) | Investment management system and method | |
Yunzhang et al. | Trinomial tree based option pricing model in supply chain financing | |
CN117196469A (zh) | 一种基于间歇性序列预测的售后配件可靠安全库存方法 | |
CN107730382A (zh) | 资金池支付优化方法、系统及计算机可读存储介质、设备 | |
Speh et al. | The management of financial resources in logistics | |
Li et al. | Comparative analysis of risk control in logistics and supply chain finance under different pledge fashions | |
US8315889B1 (en) | Home resale value protection plan | |
Dai et al. | Constructing Optimal Portfolio Rebalancing Strategies with a Two-Stage Multiresolution-Grid Model |
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 |