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。     

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.