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。     

广义加权平衡指数损失函数下的信度保费

在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险买务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷.文章在指数保费原理的基础上,引入广义加权平衡指数损失函数计算了下一期的信度保费计算公式,从而得出Bayes保费可以写成信度保费形式.     

基于偏正态随机效应模型的信度保费

信度模型是非寿险经验费率厘定的主要方法。传统的Buhlmann-Straub信度模型可以表示为随机截距模型,而随机截距模型假设随机效应服从正态分布。在实际的保险损失数据中,部分个体风险的损失可能远远高于总体平均水平,从而使得不同个体风险之间的风险差异呈现右偏特征。在这种情况下,Buhlmann-Straub模型有可能低估高风险的信度保费。本文在随机截距模型中假设随机效应服从偏正态分布,求得了偏正态随机效应假设下的信度保费。可以证明,Buhlmann-Straub信度保费是其特例。模拟分析和实证研究的结果都表明,偏正态随机效应假设下的信度模型可以更好地预测高风险的信度保费,从而改进传统信度模型的保费估计结果。     

平衡损失函数下的双相依信度估计

文章结合信度定价原理,考虑保费的目标估计,各风险组之间的共同效应以及不同年份之间风险的时间变化效应,得到平衡损失函数下具有双相依结构的信度估计,进一步,导出相应的Bühlmann和Bühl-mann-straub信度估计,从而推广了经典的信度原理。     

索赔相依的非参数近邻估计信度模型

信度理论在非寿险精算理论与实务中具有重要地位,是精算学中最重要的经验保费估计模型。文章在索赔序列满足强混合(α-混合)相依条件的Q阶平稳马尔科夫链的假定下,运用非参数bagged-最近邻估计方法对信度保费进行分析。从实证结果看,本文提出的估计方法有较好的拟合效果。     

信度因子置信区间的估计

文章考虑当风险单元中样本容量不满足完全信度条件时,如何估计信度保费计算公式中置信因子的区间估计;构造了由中心矩组成的统计量,并分析其渐近分布,得到了损失额变异系数的区间估计;根据风险单元的样本容量计算其信度因子的区间估计;并通过一个实例进行了说明.     

结构方程模型下的信度估计

文章给出了结构方程模型下信度估计公式的理论推导,并通过一个实例说明了估计公式的应用。结果表明,结构方程模型下的信度估计方法不但可以估计整体的信度而且可以估计单个项目的信度;同时,把结构方程模型下的信度估计和常用的信度估计公式α系数进行了比较,得出用结构方程模型估计出的信度优于α系数的结论。     

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.     

熵损失函数下广义线性混合模型协方差矩阵谱的分解估计

文章在熵损失函数下,通过计算得到了广义线性混合模型协方差矩阵谱分解估计的风险函数;研究了广义线性混合模型协方差的谱分解估计在一定估计类中的优良性;最终证明了在熵损失函数下,由最小二乘理论得到的无偏估计优于其他两个有偏估计。     

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.     

定时截尾样本下广义逆指数分布参数的Bayes估计

文章在定时截尾样本下,讨论了广义逆指数分布形状参数、可靠度和危险率的极大似然估计。基于指数先验分布,在熵损失、平方损失和Linex损失函数下分别得到形状参数、可靠度和危险率的Bayes估计,并给出了确定超参数的方法。利用数值模拟计算了估计量的各种估计均值和均方误差，研究结果表明,形状参数在熵损失和Linex损失函数下的估计精度较高;可靠度的Bayes估计整体优于极大似然估计;危险率的Bayes估计在Linex损失函数下的效果较好。     

基于联合定价模型的奖惩因子的扩展与比较

信度模型是经验费率厘定的主要方法,其缺陷在于隐含的正态分布假设并不适用于索赔次数,同时也无法分析费率因子对预期保费的影响。若将信度模型与广义线性混合模型相结合,同时考虑保单已知的风险特征信息和潜在的个体风险特征信息,将正态分布假设推广到泊松分布,放宽随机效应假设,即可构建一种扩展的联合定价模型。扩展的联合定价模型不仅能解决定价过程中风险信息重叠的问题,其预测值还具有类似信度模型"收缩估计"的性质。对一组保单索赔次数数据的研究发现,扩展的联合定价模型(泊松-伽马模型)对索赔次数的拟合更加合理,解决了奖惩因子的"过度奖惩"的问题,有效改进了预测结果。     

几何分布可靠度的Bayse估计

本文在几何分布可靠度的先验分布为幂分布时,给出了其在熵损失函数下的E-Bayes估计公式和多层Bayes估计公式。通过实例验证,这两种估计公式都是稳健的,并进一步表明了在熵损失函数下计算出的几何分布可靠度的E-Bayes估计值比多层Bayes估计值的精度更高,稳健性更好,计算简单,便于应用。     

寿命产品可靠度的贝叶斯估计

在与信息论中的熵函数有关的一种新的加权对称熵损失函数下,用参数估计方法研究了寿命服从几何分布的产品可靠度的估计问题。得到了可靠度的贝叶斯估计的一般形式与精确形式并讨论了贝叶斯估计的可容许性。最后研究了可靠度的多层贝叶斯估计,数值算例表明研究结果能为实际生产提供稳健性较高的估计形式。     

基于熵损失和记录值样本的指数分布模型参数的估计

文章在熵损失函数下,基于记录值样本,得到了指数分布参数的最小风险同变估计、Bayes估计和经验Bayes估计,并给出了数值模拟例子。     

Pareto分布中形状参数的估计问题

本文研究了当a已知时,Pareto分布中形状参数的估计。首先求得了θ的一致最小方差无偏估计(UMVUE),并证明了它在平方损失下是不可容许的。当θ有先验信息时,分别在平方损失和熵损失下讨论了θ的Bayes估计,并说明了其容许性。其次,在熵损失下,讨论了一类形如(cT(x) d)-1(d>0)的估计的容许性。最后,给出了θ的置信下限。     

熵损失函数下两参数广义指数分布形状参数的Bayes估计

在熵损失函数下,讨论了两参数广义指数分布形状参数的Bayes估计和可容许估计,并讨论了一类(CT+d)-1形式估计的可容许性和不可容许性。     

对称熵损失函数下两参数Lomax分布形状参数的Bayes估计

在对称熵损失函数下,文章讨论了两参数Lomax分布形状参数的Bayes估计,经验Bayes估计,并讨论了一类(cT+d)~(-1)形式估计的可容许性和不可容许性.     

中国保费收入的预测研究

文章基于1999年1月~2011年8月中国保费收入月度数据,采用最为热门的季节调整方法X12-ARIMA加法模型,对其进行季节调整,得到了经调整后的时间序列和季节调整因子,在假设季节调整因子短期内不发生变化的条件下,采用三种模型估计方法建立经调整后的时间序列模型,从而建立了中国保费收入月度数据短期预测模型。     

广义线性混合模型框架下的信度模型分析

尝试在广义线性混合模型的框架下构建信度模型。在广义线性混合模型框架中,假定被解释变量服从指数簇分布,假定自然参数先验分布为相应的自然共轭先验分布簇,按照Bayes理论,通过特殊构造,给出推论:对随机效应的估计满足经典信度公式。参数估计部分,利用自然共轭先验分布簇参数子列上下极限的性质找出先验分布参数的含义和关系,使用伪似然方法给出信度估计公式。并以特例形式讨论Tweedie模型,对模型进行变形,得到特例的Bühlmann-Straub信度和经典的Bühlmann信度。该模型同时考虑先验信息与后验信息,对整合分类费率与个体经验费率提供一定参考。