Insurance claim risk scoring with machine learning algorithms: A case study on developing a predictive system for assessing corporate customers' claim risk

Abstract

Predictive learning algorithms offer tools to automate and improve insurance risk management. The aim of this thesis is to study classification algorithms in risk scoring applications and to evaluate them in the creation of insurance claim risk scores from customer risk survey data. Another goal for the thesis is to quantify weights for risk survey questions using machine learning methods. This case study consists of a critical literature review and a quantitative analysis where the risk scoring systems were developed and their performance on test data evaluated. Logistic regression, Support Vector Machines, Extreme Gradient Boosted Trees (XGBT) and a Feed Forward Neural Network were used to predict claim risk from customer risk survey data. The results of the study show that with the test data, XGBT was the most accurate, predicting the risk class of a customer with 73% accuracy. Nonetheless, it is worth mentioning that all tested algorithms were suitable for the task. The results also suggest that machine learning risk prediction enables analysis of individual risk factors, and that feature importance metrics can be used to quantify weights for risk survey questions.

Ennustavilla koneoppimisen algoritmeilla on suuri potentiaali vakuutusalan riskiarvioinnin automatisoinnissa ja kehityksessä. Tämän pro-gradu-tutkimuksen tavoitteena on tutkia luokittelualgoritmeja riskiarvioinnin työkaluna. Tarkoituksena on tuottaa yritysasiakkaan vahinkoriskiarvio riskikartoitusdatasta. Toisena tavoitteena on kartoituskysymysten painokertoimien määrittäminen koneoppimisen menetelmillä. Tutkimus koostuu kriittisestä kirjallisuuskatsauksesta sekä kvantitatiivisesta case-tutkimuksesta, jossa kehitettiin neljä eri algoritmeihin perustuvaa riskiarviojärjestelmää ja arvioitiin ne testidataa hyödyntäen. Casetutkimuksessa ennustettiin korvausriskiä kartoitusdatasta käyttäen logistista regressiota, tukivektorikonetta, Extreme Gradient Boosted Trees (XGBT) -algoritmia ja eteenpäin syöttävää neuroverkkoa. XGBT riskiluokitteli testiasiakkaat parhaiten 73 prosentin osumatarkkuudella, mutta tulosten perusteella jokainen testattu algoritmi soveltuu tehtävään. Lisäksi tuloksista käy ilmi, että algoritmien laskemia muuttujien merkittävyyskertoimia voidaan käyttää kartoituskysymysten painokertoimien määrittämisessä.