基于X12-LSTM模型的保费收入预测研究

摘要：

经济新常态下保费收入预测是学术界和业界共同关注的话题.考虑到保费收入时间序列数据具有强烈的季节性特点,文中构建基于长短期记忆(Long Short-Term Memory,LSTM)神经网络的X12-LSTM模型以预测保费收入,并与简单LSTM模型、SARIMA模型和BP神经网络进行对比.实验结果表明,X12-LSTM模型对保费收入的预测最准确且稳定度最好.相比简单LSTM模型,X12-LSTM模型在准确度方面提升8％,在稳定度方面提升8％,说明X12-LSTM模型是对简单LSTM模型的有效改进,更适用于具有季节性特征的数据预测.

关键词：X12季节调整法、长短期记忆神经网络、保费收入预测、季节性、SARIMA

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：512-516