R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口

可下载资源

通过对数链接从（标准）广义线性模型获得的预测

> reg1=glm(cout~ageconducteur+agevehicule,data=base,family=Gamma(link="log"))

可视化预测平均成本的代码如下：首先，我们必须计算特定值的预测，

专栏

精算科学

关于结合数学、统计方法以及程序语言对经济活动来做风险分析、评估的见解。

探索专栏 ➔

> pred=function(x,y){
+ predict(reg,newdata=data.frame(ageconducteur=x,
+ agevehicule=y),type="response")

然后，我们使用此函数来计算网格上的值，

​

​

如果我们使用因子，而不是连续变量（这两个变量的简化版本），我们可以使用glm函数

（我们考虑的是笛卡尔乘积，因此将针对乘积，驾驶员年龄和汽车年龄的每个乘积计算值）

显然，我们在这里缺少了一些东西，让我们使用样条曲线平滑这两个变量，

使用加法平滑函数，我们获得了一个对称图（由于加法特性）

我不能在广义线性模型中使用双变量样条，但是考虑到广义可加模型（现在绝对不是可加模型），它确实可以工作。更准确地说，投资组合的分布是这两个协变量的函数，如下所示

​

因此，驾驶一辆新车的年轻驾驶员的比例和驾驶一辆非常旧的汽车的老年驾驶员的比例相当小……如果目标是找到合适的位置，则应更仔细地看一下预测，但如果目标是为了使每个人都能获得保险，也许我们应该允许某些司机的价格被低估（尤其是在投资组合中很少见的情况下）。并且应该记住，平均成本对巨额亏损极为敏感。