[发明专利]一种物流保险保单的核保方法和装置

说明书

技术领域

本发明涉及金融服务领域，尤其涉及一种物流保险保单的核保方法和装置。

背景技术

随着物流行业越来越发达，物流行业面临的各种风险也在倍加放大。为了降低物流风险给企业带来的巨大影响，越来越多的企业对相关的物流业务进行投保。因此，对于保险公司来说，如何高效地准确评估这类物流业务的风险就显得极其重要。

目前，保险公司一般通过专业的核保人员对物流保险的保单进行风险评估和报价，核保人员得出的核保结果将直接影响保单风险标的的报价以及保险公司的风控管理。

然而，物流保险保单的核保准确率往往与核保人员的专业水平以及从业经验密切相关，不同核保人员对同一件物流保险保单可能得出不同的核保结果，使得物流保险保单的核保准确率受到极大影响；另外，通过核保人员进行人工风险评估，在保证准确率的前提下往往难以提高核保效率，在面对大量的物流保险保单核保任务时，大大增加了核保成本。

发明内容

本发明实施例提供了一种物流保险保单的核保方法和装置，能够提高物流保险保单的核保效率和准确率。

本发明实施例提供的一种物流保险保单的核保方法，包括：

获取目标物流保险保单以及目标报价人信息；

根据所述目标物流保险保单的风险标的信息和投保人信息计算风险标的的第一核保因子；

按照预设的向量模型对所述风险标的信息和所述目标报价人信息进行向量提取，得到所述风险标的的第二核保因子；

将所述第一核保因子和所述第二核保因子作为输入投入至预先训练好的深度学习模型；

获取所述深度学习模型的输出作为所述目标物流保险保单的核保结果。

可选地，所述深度学习模型由以下步骤预先训练得到：

获取作为样本的物流保险保单以及与所述物流保险保单对应的报价人信息；

根据所述物流保险保单的风险标的信息和投保人信息计算风险标的的第一样本因子；

按照预设的向量模型对所述物流保险保单的风险标的信息和所述报价人信息进行向量提取，得到风险标的的第二样本因子；

将所述第一样本因子和所述第二样本因子作为输入投入至所述深度学习模型，得到所述深度学习模型的输出；

将得到的所述输出作为目标，调整所述深度学习模型的隐层参数，以最小化得到的所述输出与所述物流保险保单的核保结果之间的误差；

若所述误差满足预设条件，则确定当前的所述深度学习模型为训练好的深度学习模型。

可选地，所述风险标的信息包括风险标的的类型、运输方式、包装方式和运输的起点终点信息；

所述根据所述目标物流保险保单的风险标的信息和投保人信息计算风险标的的第一核保因子具体包括：

查询所述风险标的的类型对应的标的类型基准损失率作为第一低层调整因子；

确定与所述投保人信息对应的第二低层调整因子；

确定与所述风险标的的运输方式对应的第三低层调整因子；

确定与所述风险标的的包装方式对应的第四低层调整因子；

确定与所述风险标的的运输的起点终点信息对应的第五低层调整因子；

对所述第一低层调整因子、第二低层调整因子、第三低层调整因子、第四低层调整因子和第五低层调整因子进行预处理，得到所述风险标的的第一核保因子。

可选地，所述风险标的信息包括风险标的的承保范围、保额、历史赔付率、市场环境信息和商业竞争信息，所述目标报价人信息包括目标报价人的保险公司信息；

所述按照预设的向量模型对所述风险标的信息和所述目标报价人信息进行向量提取，得到所述风险标的的第二核保因子具体包括：

确定与所述风险标的的承保范围对应的第一数值；

确定与所述风险标的的保额对应的第二数值；

确定与所述风险标的的历史赔付率对应的第三数值；

确定与所述风险标的的市场环境信息对应的第四数值；

确定与所述风险标的的商业竞争信息对应的第五数值；

确定与所述目标报价人的保险公司信息对应的第六数值；

将所述第一数值、第二数值，第三数值、第四数值、第五数值和第六数值导入预设的向量模型，得到所述风险标的的第二核保因子。

可选地，所述获取所述深度学习模型的输出作为所述目标物流保险保单的核保结果具体包括：

判断所述深度学习模型的输出是否满足预设的阈值条件；