相对损失函数下的保费估计

在经典的信度理论中,几乎所有的保费模型都建立在纯保费基础上。但是在实际保险业务中,要求收取的保费带有安全负荷。文章在相对损失函数下,建立了保费估计模型,得到了该模型下风险保费的6个估计,即聚合保费、聚合估计、Bayes保费、Bayes估计、信度保费和信度估计,并验证了这些估计的相合性。文章还将这6个估计分为两类,用例子比较了这两类估计的异同。     

已报告未决赔款准备金的线性预测方法

文章研究了多个样本轨道的连续时间的线性预测问题,得到了最优线性预测所要满足的正则方程及其均方误差,并把之应用到RBNS的厘定中来,该方法具有成本低、费时少、在实务中可操作性强等特点.     

指数族分布中参数的经验贝叶斯估计

指数族分布是一类应用广泛的分布类,包括了泊松分布、Gamma分布、Beta分布、二项分布等常见分布.在非寿险中,索赔额或索赔次数过程常常被假定服从指数族分布,由于风险的非齐次性,指数族分布中的参数θ也为随机变量,假定服从指数族共轭先验分布.此时风险参数的估计落入了Bayes框架,风险参数θ的Bayes估计被表达“信度”形式.然而,在实际运用中,由于先验分布与样本分布中仍然含有结构参数,根据样本的边际分布的似然函数估计结构参数,从而获得风险参数的经验Bayes估计,最后证明了该经验Bayes估计是渐近最优的.     

Esscher保费的非参数估计

Esscher保费原理是非寿险精算中最重要的保费原理之一,在精算学中有重要的运用.文章研究了Esscher保费的非参数估计,并证明了估计的强相合性和渐近正态性,最后通过数值模拟的方法验证了估计的收敛速度及渐近正态性.     

离散随机变量概率分布的信度模型

在贝叶斯理论中,随机变量被假设服从某个离散概率分布f(x,θ),而未知参数θ也是随机变量服从某个先验分布π(θ).文章研究了离散概率分布的信度估计,讨论了信度估计的性质.在多样本数据下估计了线性贝叶斯估计中的结构参数,得到了f(x,θ)的经验贝叶斯估计.给出的概率分布律的信度估计可以直接用于实际.