| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-13页 |
| 1.3 研究思路及方法 | 第13-14页 |
| 1.3.1 研究思路 | 第13页 |
| 1.3.2 研究方法 | 第13-14页 |
| 1.4 创新与不足 | 第14-16页 |
| 1.4.1 本文创新点 | 第14页 |
| 1.4.2 存在的不足 | 第14-16页 |
| 第2章 大数据理论及对保险公司的意义 | 第16-22页 |
| 2.1 大数据的概念及主要研究方法 | 第16-18页 |
| 2.1.1 大数据概念 | 第16-17页 |
| 2.1.2 大数据的主要研究方法 | 第17-18页 |
| 2.2 保险公司应用大数据的意义 | 第18-20页 |
| 2.3 利用大数据优化寿险公司核保能力的意义 | 第20-22页 |
| 第3章 AC寿险公司核保能力优化的必要性 | 第22-25页 |
| 3.1 AC寿险公司概况 | 第22页 |
| 3.2 AC寿险公司核保现状 | 第22-23页 |
| 3.3 AC寿险公司核保能力优化的必要性 | 第23-25页 |
| 第4章 利用大数据提升AC寿险公司核保效率的实证研究 | 第25-35页 |
| 4.1 模型建设目标及思路 | 第25-26页 |
| 4.2 模型应用过程 | 第26-32页 |
| 4.2.1 数据准备 | 第26-27页 |
| 4.2.2 模型方程及公式 | 第27-28页 |
| 4.2.3 建模代码 | 第28-30页 |
| 4.2.4 分值计算 | 第30-31页 |
| 4.2.5 模型实施方式 | 第31-32页 |
| 4.3 模型实施效果 | 第32-35页 |
| 4.3.1 模型单体检验情况 | 第32-34页 |
| 4.3.2 综合模型检验情况 | 第34页 |
| 4.3.3 预计模型使用效益 | 第34-35页 |
| 第5章 结论与建议 | 第35-42页 |
| 5.1 模型结论 | 第35-39页 |
| 5.1.1 与风险主要关联的核保因子 | 第35-37页 |
| 5.1.2 风险与产品组合有关 | 第37-38页 |
| 5.1.3 风险与被保人特征有关 | 第38-39页 |
| 5.2 利用大数据优化保险公司核保能力的建议 | 第39-42页 |
| 5.2.1 逐步完善预测模型 | 第39页 |
| 5.2.2 建立运营大数据仓库 | 第39-40页 |
| 5.2.3 补充新的核保风险因子 | 第40页 |
| 5.2.4 广泛收集客户数据 | 第40-41页 |
| 5.2.5 开发一体化核保引擎 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 附录A 模型公式 | 第44-46页 |
| 致谢 | 第46-47页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第47-48页 |