本书将改进传统的广义线性模型定价方法，基于非寿险损失数据的零膨胀、过离散、厚尾和相依性等分布特征，把GAMLSS模型与Copula函数、多元分布回归模型有机地结合起来，构建符合非寿险损失分布特点的相依风险精算模型，并引入基于机器学习的车险索赔概率预测模型，实证分析国内的车险损失数据。本书的研究内容和创新之处主要包含以下四个方面。 第一，结合零膨胀二元泊松回归模型和GAMLSS模型，构建相依两阶段损失模型。 第二，结合Copula函数、多元伽马分布回归模型和GAMLSS模型，推广三阶段损失模型。 第三，实证分析相依风险对于非寿险中费率厘定和风险度量的影响。 第四，基于商车费改视角研究保险公司定价能力。

第一章 绪论
第一节 选题背景
第二节 研究意义
第三节 文献综述
第四节 研究内容和创新点
第二章 非寿险损失数据特征及分布
第一节 非寿险损失数据结构及分布特征
第二节 损失次数分布
第三节 损失金额分布
第四节 累计损失分布
第五节 损失分布的尾部特征比较
第三章 广义线性模型
第一节 广义线性模型理论
第二节 模型检验
第三节 实证分析
第四章 GAMLSS模型
第一节 GAMLSS模型结构
第二节 GAMLSS模型的估计与检验
第三节 应用案例
第五章 混合分布回归模型
第一节 混合分布
第二节 分层混合分布回归模型
第三节 应用案例
第六章 相依风险精算模型
第一节 Copula函数概述
第二节 常用Copula函数
第三节 Copula函数参数估计
第四节 相依风险度量
第七章 基于多元分布的相依风险精算模型
第一节 相依两阶段损失模型结构
第二节 多元分布回归模型
第三节 相依两阶段模型损失预测与风险度量
第四节 应用案例
第八章 基于Copula函数的相依风险精算模型
第一节 三阶段模型基础和数据结构
第二节 三阶段模型构建
第三节 三阶段模型损失估计与风险度量
第四节 应用案例
第九章 基于机器学习的车险索赔概率预测模型
第一节 机器学习分类方法原理
第二节 机器学习分类方法的预测能力比较
第三节 车险索赔概率预测模型的构建
第十章 研究结论与展望
第一节 研究结论
第二节 研究不足与展望
参考文献