简介：基于保险周期与承保周期的不同含义，利用1985—2012年的样本数据，本文利用cF滤波法计算了非寿险三大险种的保险周期与承保周期，并用多元回归模型分析比较了影响不同险种保险周期与承保周期的不同因素。研究结果发现：不同险种的保险周期基本一致，都为4至8年左右，也基本同时达到波峰或波谷；不同险种保险周期的影响因素也基本相同，主要受GDP、利率等宏观经济变量因素的影响。但是，不同险种的承保周期具有很大的差异，不但承保周期的长度差异很大，而且也并非同时达到波峰或波谷；不同险种承保周期的影响因素也各不相同，其中机动车辆保险的承保周期受各种因素的影响比较明显，而其他险种则除受赔款支出影响之外，其他因素的影响并不明显。因此，保险监管部门的逆周期监管应以承保周期为主要对象，并根据不同险种区别对待。

简介：本文采用CF滤波法对我国1980年至2008年的非寿险市场承保赔付率进行研究，发现我国非寿险市场存在着承保周期现象，周期长度为4～5年不等。在进一步对我国承保周期形成机制的分析中，本文验证了制度冲击假说和经济周期假说对解释我国承保周期现象的适用性，并得出非理性定价假说和承保力约束假说对我国承保周期现象的解释力不充分的结论。

简介：互联网和大数据技术的融合让个体生理数据分析成为可能，并进一步推动个体健康风险量化，本文在此背景下，探讨人工智能与保险融合的新路径，提出了以生理年龄作为个体健康的风险量化指标，进而作为定价基础的新模式。本研究根据保险特征，优化深度学习技术，通过分析人体老化的生理特征，建立了基于手背纹理照片的生理年龄评价模型，在大量数据的支持下，可以获得稳健、精准的生理年龄定量评价结果。本文还讨论了以深度学习为代表的人工智能技术与保险融合的模式，提出了可能的结合点以及对应的比较结果。鉴于生理年龄可以更充分反映投保人的“健康风险”信息，论文认为该模式具有很好的应用价值，并通过分析现状，认为当前是保险公司建立“人工智能大脑”的关键时期。