关于我国地震灾害损失分布函数的研究

文章以1978～2006年间我国发生的183起地震灾害事故为样本,选取地震损失额、每年发生地震次数为指标,建立我国地震灾害损失分布函数。针对地震损失额利用经验剩余函数值分析损失分布集中程度、初步估计损失分布函数,分组处理样本数据、拟合分布图像、参数估计、单个样本非参数检验,确定损失分布函数为对数正态分布;针对每年发生地震灾害次数初步估计分布函数,通过历史频率与理论概率比较判断拟合效果、确定分布函数为泊松分布。     

拟合索赔数据的一种新方法：叠加分布模型

一、引言保险公司在收取续保费时,要充分利用每一个投保人的索赔历史记录,这些历史记录包括各投保期的索赔次数以及每一次索赔的大小等等。根据这些信息,保险公司利用损失分布模型将这些信息数据拟合出来,然后预测在续保期内投保人将给保险公司带来的损失。在对数据进行拟合以前,保险公司要选择合适的损失模型。就目前而言,拟合索赔大小的模型包括指数分布模型、伽马分布模型、对数正态分布模型、帕累托分布模型等;拟合索赔次数的损失模型有很多,包括泊松分布模型、负二项分布模型、泊松—逆高斯分布模型等。这些模型在拟合数据时都有比较良…     

广义线性混合模型及其在非寿险信度费率厘定中的应用

近年来,国内外精算学者开始将广义线性混合模型用于信度模型费率厘定中,但他们对因变量的推广仅仅推广到负二项分布。在前人的研究基础上,将因变量进一步推广到负二项K、广义泊松、双泊松等分布,然后用极大似然估计中的限制性虚拟似然法和自适应高斯求积法对参数进行估计,最后用美国劳工补偿保险进行实证分析。结果表明:负二项K(K=1.947)广义线性混合模型对数据拟合效果最好,其次为负二项1、负二项2、双泊松、广义泊松和泊松广义线性混合模型。     

模糊风险下的ASF模型和中国巨灾保险实证研究

为了解释保险公司对巨灾风险的普遍厌恶,并探讨巨灾的承保条件,文章在模糊风险假设下建立了ASF模型,给出了巨灾保险中资本金、保单数量、损失金额、概率及相关系数等关键因子的理论分析;实证研究了中国地震数据,探讨了符合经验的费率水平和损失边界,这从某种程度上解释了巨灾保险供给不足的现象,提出了一种评估承保风险的办法。研究结果显示,地震并非不可保风险。文章还从保险公司和国家层面针对如何承保巨灾提出了相关的政策建议。     

基于copula回归模型的损失预测

在非寿险损失预测的广义线性模型中,通常假设损失次数与损失强度相互独立,事实上二者之间往往存在一定的相依关系,可通过copula函数来刻画.在损失已经发生的条件下,假设损失次数服从零截断泊松分布,损失强度服从伽玛分布,可以建立损失次数与损失强度相互依赖的copula回归模型.把损失强度的分布扩展到逆高斯分布,并将此模型应用于一组车险保单数据进行实证研究.结果表明:该模型不但在损失预测方面优于独立假设下的广义线性模型,而且也优于损失强度服从伽马分布假设下的copula回归模型.     

神经网络模型与车险索赔频率预测

汽车保险广受社会关注,且在财产保险公司具有举足轻重的地位,因此汽车保险的索赔频率预测模型一直是非寿险精算理论和应用研究的重点之一。目前最为流行的索赔频率预测模型是广义线性模型,其中包括泊松回归、负二项回归和泊松-逆高斯回归等。本文基于一组实际的车险损失数据,对索赔频率的各种广义线性模型与神经网络模型和回归树模型进行了比较,得出了一些新的结论,即神经网络模型的拟合效果优于广义线性模型,在广义线性模型中,泊松回归的拟合效果优于负二项回归和泊松-逆高斯回归。线性回归模型的拟合效果最差,回归树模型的拟合效果略好于线性回归模型。     

随机效应零膨胀索赔次数回归模型

索赔频率预测是非寿险费率厘定的重要组成部分。最常使用的索赔频率预测模型是泊松回归和负二项回归,以及与它们相对应的零膨胀回归模型。但是,当索赔次数观察值既具有零膨胀特征,又存在组内相依结构时,上述模型都不能很好地拟合实际数据。为此,本文在泊松分布、负二项分布、广义泊松分布、P型负二项分布等条件下分别建立了随机效应零膨胀损失次数回归模型。为了改进模型的预测效果,对于连续型的解释变量,还引入了二次平滑项,并建立了结构性零比例与解释变量之间的回归关系。基于一组实际索赔次数数据的实证分析结果表明,该模型可以显著改进现有模型的拟合效果。     

POT模型在巨灾损失预测中的应用——基于MCMC方法的估计

极值统计学主要研究随机事件极端情况的统计规律性。运用POT模型拟合中国暴雨损失数据,确定损失超出量的分布形式。实证分析表明,借助POT模型对巨灾风险损失分布进行估计是较为合理的,但当数据量较小时,使用基于Gibbs抽样的MCMC方法估计POT模型的参数,可以解决样本数据不足导致的极大似然估计中误差增大的问题。     

基于极值理论的地震巨灾债券定价

文章利用极值理论对损失尾部风险的良好估计能力,将极值理论运用到巨灾债券的定价之中.在分析1990-2006年间我国大陆发生的直接经济损失超过1000万元的地震损失数据的基础上,运用蒙特卡罗模拟和极值理论中的BMM方法为地震巨灾债券进行了定价;为巨灾债券在我国的运用提供了参考.     

非寿险未决赔款准备金评估的两阶段广义线性混合模型

文章考虑了赔付额和赔付次数两种赔付信息,建立两阶段广义线性混合模型.为提高模型的适用范围,将赔付次数的分布假设由通常的泊松分布推广到过度分散泊松分布,将案均赔付额的分布假设由通常的伽玛分布拓宽到ED*类分布.通过对Hoerl曲线的改进来刻画赔付损失的进展模式,改善了模型的线性预估量.为了刻画不同模型的预测效果,给出了模型均方误差的理论推导和估计方法.以实际的保险数据为例,利用R软件进行实证分析.结果表明,建立的模型提高了未决赔款准备金评估的预测精度和适用范围.     

On Fisher’s dispersion test for integer-valued autoregressive Poisson models with applications

The integer-valued autoregressive (INAR) model has been widely used in diverse fields. Since the task of identifying the underlying distribution of time-series models is a crucial step for further inferences, we consider the goodness-of-fit test for the Poisson assumption on first-order INAR models. For a test, we employ Fisher’s dispersion test due to its simplicity and then derive its null limiting distribution. As an illustration, a simulation study and real data analysis are conducted for the counts of coal mining disasters, the monthly crime data set from New South Wales, and the annual numbers of worldwide earthquakes.     

The empirical Bayes estimators of the parameter of the Poisson distribution with a conjugate gamma prior under Stein's loss function

For the hierarchical Poisson and gamma model, we calculate the Bayes posterior estimator of the parameter of the Poisson distribution under Stein's loss function which penalizes gross overestimation and gross underestimation equally and the corresponding Posterior Expected Stein's Loss (PESL). We also obtain the Bayes posterior estimator of the parameter under the squared error loss and the corresponding PESL. Moreover, we obtain the empirical Bayes estimators of the parameter of the Poisson distribution with a conjugate gamma prior by two methods. In numerical simulations, we have illustrated: The two inequalities of the Bayes posterior estimators and the PESLs; the moment estimators and the Maximum Likelihood Estimators (MLEs) are consistent estimators of the hyperparameters; the goodness-of-fit of the model to the simulated data. The numerical results indicate that the MLEs are better than the moment estimators when estimating the hyperparameters. Finally, we exploit the attendance data on 314 high school juniors from two urban high schools to illustrate our theoretical studies.     

我国社会保障基尼系数的讨论与估算

 内容提要：我国收入基尼系数的扩大已被大多数学者研究与认同,但基于收入“二次分配”的社会保障基尼系数的研究还十分欠缺。本文认为社会保障作为收入再分配的重要手段之一是对人均社会福利收入分配的补充与调整,在社会经济资源配置过程中起着重要作用。本文采用相对平均差的基尼系数方法对我国社会保障差异化程度进行离散型数据分析,发现我国社会保障基尼系数值较高,但总体上有缩小趋势;其中,主要表现在养老保险与其他社会保险项目发展的不平衡性与区域差异性,所以应进一步加强全民养老保险与医疗保险制度建设,促进工伤、失业保险制度的协同发展。建立全国统筹的社会保障制度,协调各社会保险项目的平衡发展关系对于缩小社会保险基尼系数有重要现实意义。     

基于GB2分布的贝叶斯相依性准备金评估模型

非寿险精算的核心问题之一是对未决赔款准备金进行准确评估。非寿险未决赔款准备金评估通常使用增量赔款或累积赔款的流量三角形数据。在未决赔款准备金评估中,多条业务线的流量三角形数据之间通常存在一定的相依关系,这种相依关系对保险公司总准备金的评估结果具有重要影响。从本质上看,未决赔款准备金是一个随机变量,其损失分布存在一定的多样性。因此,在未决赔款准备金的评估中选择合适的分布至关重要。GB2分布是一种包含四个参数的连续型分布,具有灵活的密度函数,分布形状更加灵活,许多常见分布都是它的特例,适宜处理不同特点的未决赔款流量三角形数据。为了考虑不同业务线之间的相依关系对未决赔款准备金评估结果的影响,本文基于GB2分布建立了一种相依性准备金评估模型,该模型首先假设不同业务线的增量赔款服从GB2分布,并在分布的期望中引入事故年和进展年作为解释变量,引入日历年随机效应描述各条业务线之间的相依关系;然后借助贝叶斯HMC方法进行参数估计和未决赔款准备金预测,最后给出了总准备金的预测分布和评估结果。本文将该方法应用到两条业务线的流量三角形数据进行实证研究,并与现有其他方法进行了比较。实证研究结果表明,基于GB2分布的相依性准备金评估模型对未决赔款准备金的尾部风险和不确定性的考虑更加充分,更加适用于评估具有厚尾或者长尾特征的准备金数据。     

交强险的成本因素分析

 内容提要：本文应用聚类分析方法和Beta回归模型对2009年度交强险审计报告所披露的交强险经营数据进行了分析。结果表明,交强险在31个地区的赔付率差异显著,主要影响因素包括人均收入水平、物价指数、人均交通支出和人均车辆数。交强险9个业务类别之间的赔付率差异也很明显,表明现行保费水平存在严重的不公平。各地区的赔付率和费用率之间存在反常的负向相关关系,反映了交强险在费用分摊中存在某种不合理现象。保险公司的经营费用率在不同地区之间和不同业务类别之间都没有显著差异,主要受保险公司业务规模的影响,规模经济效应显著。     

Earthquakes occurrences estimation through a parametric semi-Markov approach

The estimation of earthquakes’ occurrences prediction in seismic areas is a challenging problem in seismology and earthquake engineering. Indeed, the prevention and the quantification of possible damage provoked by destructive earthquakes are directly linked to this kind of prevision. In our paper, we adopt a parametric semi-Markov approach. This model assumes that a sequence of earthquakes is seen as a Markov process and besides it permits to take into consideration the more realistic assumption of events’ dependence in space and time. The elapsed time between two consecutive events is modeled as a general Weibull distribution. We determine then the transition probabilities and the so-called crossing states probabilities. We conclude then with a Monte Carlo simulation and the model is validated through a large database containing real data.     

再保险业务风险分布特征的实证分析

再保险人的整体风险管理能力、水平和行为将直接影响再保险公司的整体风险管理绩效以及整个保险市场的稳定。本文使用极值理论模拟了再保险业务的风险分布特征,比较了成数再保险和非比例再保险业务风险分布的差异,认为再保险业务损失分布不服从正态分布,具有厚尾性;成数业务损失分布具有均值大、方差小的特点,而非比例业务损失分布的均值较小,但方差较大;在高置信水平条件下,非比例业务的风险损失率远远大于成数业务。因此,再保险公司应当大力发展非比例再保险业务,并增强资本实力,积极拓展业范围,在国际市场上分散风险。     

Functional Form for the Zero-Inflated Generalized Poisson Regression Model

The generalized Poisson (GP) regression is an increasingly popular approach for modeling overdispersed as well as underdispersed count data. Several parameterizations have been performed for the GP regression, and the two well known models, the GP-1 and the GP-2, have been applied. The GP-P regression, which has been recently proposed, has the advantage of nesting the GP-1 and the GP-2 parametrically, besides allowing the statistical tests of the GP-1 and the GP-2 against a more general alternative. In several cases, count data often have excessive number of zero outcomes than are expected in the Poisson. This zero-inflation phenomenon is a specific cause of overdispersion, and the zero-inflated Poisson (ZIP) regression model has been proposed. However, if the data continue to suggest additional overdispersion, the zero-inflated negative binomial (ZINB-1 and ZINB-2) and the zero-inflated generalized Poisson (ZIGP-1 and ZIGP-2) regression models have been considered as alternatives. This article proposes a functional form of the ZIGP which mixes a distribution degenerate at zero with a GP-P distribution. The suggested model has the advantage of nesting the ZIP and the two well known ZIGP (ZIGP-1 and ZIGP-2) regression models, besides allowing the statistical tests of the ZIGP-1 and the ZIGP-2 against a more general alternative. The ZIP and the functional form of the ZIGP regression models are fitted, compared and tested on two sets of count data; the Malaysian insurance claim data and the German healthcare data.