基于X12-LSTM模型的保费收入预测研究

作者：刁莉^*; 王宁

来源：计算机科学, 2020, S1: 512-516.

• 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

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。

• 单位
  北京交通大学; 中央财经大学