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（Short-TermMemorLSTM）神经网络的X12-LSTM模型以预测保费收入，并与简单Longy，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LSTM模型、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。
