基于累积索赔金额的最优奖惩系统

商业汽车保险的费率可以分解为先验费率和后验费率.先验费率是基于被保险车辆的先验风险特征信息(如驾驶人的性别和年龄、车辆使用性质)应用广义线性模型厘定的费率,而后验费率是基于被保险车辆的索赔经验(如索赔次数)应用奖惩系统对先验费率进行调整而得到的费率.厘定先验费率常用的广义线性模型包括索赔频率模型、索赔强度模型和累积索赔金额模型.实际应用中的奖惩系统通常基于被保险车辆的经验索赔次数对先验费率进行调整,没有考虑索赔金额的影响,也没有考虑先验信息的影响,有可能造成重复性的奖励或惩罚.累积索赔金额是被保险车辆在保险期间的索赔金额之和,既包含索赔次数信息,也包含索赔金额信息,可以更加准确地揭示被保险车辆的索赔经验信息.本文应用被保险车辆多年期的纵向累积索赔金额数据建立了一种新的奖惩系统,应用零调整逆高斯回归模型厘定先验费率,并在线性约束下用极大似然法同时估计先验费率因子和奖惩系数,避免了传统奖惩系统对被保险人可能造成的重复性奖励或惩罚,有效改进了后验费率的厘定结果.     

带干扰保费随机收取具有多个副索赔的相依风险模型的构建

文章根据保险实务中的相关数据,经过数据整理分析,建立了一个带干扰保费随机收取具有多个副索赔的相依风险模型;通过文中所建立的相依风险模型得到随机变量的数字特征和性质,利用鞅方法求出了破产概率的上界和破产概率的一般表达式;最后将索赔相依与独立的情况进行了比较,得出了索赔相依时风险更大的结论。     

基于Tweedie和零调整逆高斯回归的索赔额模型

保险索赔额的分布拟合与回归模型的建立对保险费率厘定、风险因素分类、准备金计提等方面有重要意义,其研究也得到了广泛的发展和应用。文章对索赔额模型的研究与应用进行了简要的回顾分析,并基于Tweedie分布族和零调整逆高斯分布建立索赔额回归模型;以汽车第三者责任保险的损失数据为例,应用这两个回归模型,得到了比较满意的结果。     

巨灾保险索赔数据的极值风险度量

目前,各界对巨灾保险索赔数据呈现的厚尾性已达成共识。本文中,笔者基于指数回归模型构造了厚尾分布的高分位数估计;并将该方法应用于大的火灾保险数据进行实证分析,对大的火灾保险进行风险度量,得到该数据的高分位数。     

贝叶斯随机搜索的多变点模型分析

在多变点模型中借助拉丁变量来计算贝叶斯随机搜索模型,把模型选择问题转化为对拉丁变量后验分布的分析.由于对拉丁变量分量的条件后验分布逐一分析较难实现,文章从拉丁变量整体进行分析,用可逆跳算法可以实现从模型的计算,连续用三个不同的MH算法对拉丁变量的后验分布进行抽样.并对英国司机死亡或者重伤的月度数据集分析,在MAP算法模式下找到了三个变点.     

经济景气指标与实际GDP增长率的混频预测

文章通过构建月度景气指标与季度实际GDP增长率之间的混频动态向量自回归模型,并采用期望最大值算法和卡尔曼滤波来实现混频数据和缺失数据的估计和迭代预测.大量月度景气指标的MFVAR模型的伪实时数据的多步滚动迭代样本外预测结果表明:虽然不同类别的月度景气变量在不同预测期的预测结果存在一定的差异,但实时预报、短期预测,以及组合预测结果均表明混频动态向量自回归预测模型对我国季度实际GDP增长率的实时预报和短期预测具有精确性、有效性与适用性.     

不同分布状态下的个体风险模型的比较

一、问题的提出在保险精算学中,个体风险模型被用来计算同一险种的所有保单的索赔额。对某一险种的N个同质的保单,记其未来的索赔量分别为非负独立的随机变量狖Xk,k=1,2,…狚。设它们具有共同的分布函数F,则总的索赔量为Sx=Nk=1∑Xk。在保险风险理论中,称Sx为个体风险模型(Indi     

随机环境中索赔的动态调整模型

风险理论是对风险进行定量分析和预测的一般理论.在保险经营中,为了确保保险经营活动的稳定性,需要研究保险经营中的风险模型.     

大数据背景下贝叶斯模型平均的理论突破与应用前景

大数据统计分析过程中常面临模型比较和选择的不确定性问题。贝叶斯模型平均(BMA)方法可以通过先验和后验概率度量模型不确定性,并利用后验概率对模型的结果进行加权平均,最终得到更稳健的估计结果。在回顾贝叶斯模型平均发展历程的基础上,介绍贝叶斯模型平均的基本原理,综述其在一些难点问题上的理论进展,并介绍大数据背景下贝叶斯模型平均的应用前景。贝叶斯模型平均与复杂数据分析方法相结合,可能成为大数据研究的新思路。     

结构方程模型的Gibbs抽样与贝叶斯估计

吉布斯(Gibbs)抽样可以在给定协方差数据和参数的先验分布条件下获得结构方程参数的后验分布样本.参数的点估计、区间估计和标准误就可以用这些样本数据计算.然而,在小样本的情况下,不考虑样本规模和似然面形状时,吉布斯抽样能得到较为正确的后验分布.当参数的先验分布充分,它的后验估计值可以被用于对不可识别结构方程模型的参数进行贝叶斯推断.     

金融投资风险控制的多尺度决策

金融投资风险控制是金融投资中要考虑的重要因素.金融数据样本的不确定性可以用统计模型进行描述.文章以金融数据的小波域的统计特性为基础,给出了基于多尺度分析的统计决策.蒙特卡罗仿真实验和分析表明了结论的有效性.     

带有误差为正态分布的SUR回归的贝叶斯分析及其应用

文章研究了带有正态分布SUR模型,采用Jeffreys的不变先验分析Gibbs抽样方法和Direct Monte Carlo(DMC)方法,计算了各参数的贝叶斯后验密度和未来值的预测密度以及其它相关的后验量,如后验置信区间等。通过模拟例子和建立了关于城镇、农村居民家庭平均收入和生活消费支出的SUR模型,将Gibbs抽样方法和DMC方法得出的结果进行了比较。     

经济政策不确定性如何影响金融市场间的流动性协同运动？——基于中国金融周期的视角

金融市场间流动性出现高协同运动是发生危机传染的重要表现之一，因此，针对流动性动态联动效应的研究显得极为重要。本文基于中国金融市场数据测算了2003-2018年间我国股市、债市流动性，并对Colacito等（2011）的混频数据抽样动态条件相关系数模型（DCC-MIDAS）进行了扩展，同时从金融周期视角出发，运用扩展后的模型考察了经济不确定性在不同时间区间内对于流动性波动率和相关性是否存在不同的作用效果。研究结果表明，相较于单因子混频模型，引入经济政策不确定性的多因子混频模型可以更好地捕捉我国股债两市相关性的动态变化；同时，经济政策不确定性的提高会降低股债两市流动性的正相关性，但这一作用效果会在金融周期的拐点处转为加强两者的正相关性。本文不仅为讨论股债两市联动效应提供了流动性的新视角，也为金融市场风险监管提供了重要的参考依据。     

索赔频率与索赔强度的相依性模型

为了解决索赔频率与索赔强度之间的相依性问题,本文提出了一种相依性调整模型,即首先在索赔频率和索赔强度相互独立的假设下预测纯保费,然后通过索赔频率与索赔强度之间的相关关系对独立性假设下的纯保费预测值进行调整.与现有模型相比,该模型的优点是可以将纯保费的预测值分解为两部分,即独立性假设下的纯保费和相依性对纯保费的影响,便于模型的解释和应用.本文将该方法应用于一组实际数据,并与其他方法进行了比较.实证研究结果表明,本文对纯保费的预测结果在一定程度上优于现有模型,而且更加清晰地揭示了索赔频率与索赔强度之间的相依性对纯保费预测值的影响,即纯保费较低的保单受相依性的影响较大,而纯保费较高的保单受相依性的影响较小.     

基于BP神经网络的工程索赔模型

文章在系统分析了工程索赔过程及索赔相关方关系的基础上,依据系统论和神经网络思想,建立了工程索赔管理系统化模型,对此模型进行了详细阐述,并对模型状态进行了分析.利用该模型可以预测工程索赔出现的可能性,解决工程索赔的程序问题,并快速计算出索赔值.同时本文基于模型分析结果,对如何有效提高模型双方的索赔利益行为,发挥索赔管理最大作用,保证项目质量和效益提出了相应的措施.     

我国经济政策不确定性内在统计特征检验

文章使用Baker,Bloom和Davis (2013)测算的指数数据,基于ARFIMA-GAS和ARFIMA-GARCH模型对我国经济政策不确定性的内在统计特征进行检验,发现它具有长记忆性、波动聚集效应和跳跃对未来波动的冲击具有短期效应等特征.因此,政府在制定经济政策时要考虑到政策的稳定性、连续性和时效性.     

一种车险先验风险分布的参数估计方法

采用全体车险保单组合的风险损失数据(即先验信息)作为定价的信度补充,是车险精算定价的主流方法;而得到风险损失的先验分布或特征信息是经验费率定价的基础.文章引入过程和结构方差分析方法对车险索赔过程的先验分布参数进行估计;并提出了针对索赔频率和索赔额模型的参数估计方法.该方法能快速近似估计多参数分布模型,优于传统参数估计方法.     

区域产量保险效率评价模型与实证分析

区域产量保险的效率是决定其实际应用价值的关键。文章通过构建模型测算区域产量保险降低生产者收益风险的程度来评估其效率,并运用水稻产量数据进行实证分析。结果表明,区域产量保险的有效性是有前提条件的;生产者的个体产量与区域产量的相关性越高,区域产量保险的效率越高,区域产量保险降低风险的程度就越高于个体产量保险。     

基于随机效应零调整回归模型的保险损失预测

在非寿险精算中,对保单的累积损失进行预测是费率厘定的基础。在对累积损失进行预测时通常使用Tweedie回归模型。当损失观察数据中包含大量零索赔的保单时,Tweedie回归模型对零点的拟合容易出现偏差;若用零调整分布代替Tweedie分布,并在模型中引入连续型解释变量的平方函数,可以建立零调整回归模型;如果在零调整回归模型中将水平数较多的分类解释变量作为随机效应处理,可以进一步改善预测结果的合理性。基于一组机动车辆第三者责任保险的损失数据,将不同分布假设下的固定效应模型与随机效应模型进行对比,实证检验了随机效应零调整回归模型在保险损失预测中的优越性。     

保险精算中的多零索赔现象探析

文章针对保险中的多零索赔现象建立了不同的模型,并用实际汽车保险数据对这些模型进行了比较分析,为从事精算实务的工作者提供了解决该类问题一种方法.