近年来,我国经济的快速发展带动了国民生活水平的提高,国民对养老保障的需求日益增强,人口老龄化趋势也增加了人民对寿险的需求量。对于保险公司,客户需求量的增加带来了业务增长,同时也带来了风险。核保是保险公司控制客户风险的第一关,也是最重要的风险防线。目前保险行业在核保环节普遍采取人工核保的方法,业务量的增加使得核保人员工作量接近饱和。并且人工核保过于依赖核保人员的主观判断和业务水平等情况,导致核保效率难以提升。因此应用统计方法,形成智能核保模型,提升核保质量和核保效率是保险公司的重要需求之一。本文从实际工作的需求出发,运用统计方法,初步构建了智能核保模型,达到发现潜在影响风险的相关变量并测算核保结论,提高核保效率的目的。本文构建智能核保模型进行核保结论判定时,除了考虑其核保结论,也加入对客户出险风险的评估,若客户未来出险风险较高,其最终核保结论判定为未通过。因此本文基于两个风险方面,即客户购买保险前核保环节未通过的风险和客户被承保后出险风险进行具体研究。首先通过数据描述,初步探查客户的群体特征与客户风险的关系。基于两个风险方面分别建立基于逻辑回归的核保结论初步判别模型和出险结论初步判别模型,应用模型探究对核保结果影响显著的变量,为保险相关从业人员提供参考,辅助其进行客户风险管理和定向营销。随后本文为提升模型对风险预测的准确性,建立了基于随机森林算法的核保结论判别提升模型和出险结论判别提升模型。从客户被承保前的核保环节未通过风险和客户被承保后出险风险两方面对投保人风险进行评估。在依次从两方面预测客户风险后,综合两方面结论,决定是否对客户承保,即得出客户的最终核保结论。本文将两个风险模型结合,形成智能核保模型。在辅助相关从业人员了解客户风险特征的同时,在应用智能核保模型提升核保效率和核保准确性上进行了有效探讨,在较高准确率的水平下初步完成智能核保模型的建立。