零膨胀模型在非寿险中应用

分类费率厘定中最常使用的模型之一是泊松回归模型，但当损失次数数据存在零膨胀特征时，通常会采用零膨胀模型来解决。本文讨论一些零膨胀模型在非寿险中的应用，并通过对一组汽车保险损失数据的拟合，发现零膨胀模型可以有效改善对实际损失数据的拟合效果。     

分位数回归在非寿险产品费率厘定中的应用

文章首先分析了非寿险产品费率厘定中的零索赔额现象;指出了线性回归模型和广义线性模型在非寿险产品费率厘定中存在的问题和不足;分析了分位数回归模型在非寿险产品费率厘定中的优点,并结合实例,给出了实证分析.结果表明,分位数回归模型更能从整体上反映出费率厘定变量之间的关系及其对索赔额的影响.     

美国统计高等教育的现状及其发展趋势

统计学专业已经成为当今美国最热门的专业之一。美国统计学会的最新报告详细介绍了统计学和生物统计学专业的科研经费、学生就业及薪金水平等情况。美国国家卫生研究院于2001年和2003年先后两次召开专题会议,研讨生物统计学专业人才的培养、美国学界呼吁：加强下一代统计和生物统计专业人才的培养,特别要重视多重背景高层次统计学专业人才的培养。     

Hurdle模型在非寿险分类费率厘定中的应用

泊松回归模型是常用的索赔次数预测模型。但在实务中,索赔次数往往具有零膨胀特征,如果继续使用泊松模型会低估参数的标准误差,高估其显著性水平,从而在模型中保留多余的解释变量,产生不准确费率厘定结果。Hurdel模型是一个二阶段模型,可以将索赔次数分为两个部分来处理。因此,利用该模型的这一性质来处理费率厘定中具有零膨胀特征的索赔数据,可以有效地改善拟合效果。     

基于中位数回归模型非寿险精算中费率因子的显著性判别分析

广义线性模型作为分类费率厘定的重要工具,面临着如何选择损失变量分布的问题,而且对于存在巨额索赔的数据费率因子的显著性判别往往不具有稳健性.文章利用中位数回归模型弥补了广义线性模型的这些不足,结合实际数据对费率因子的各水平进行显著性判别,并与其他常用损失模型的拟合结果进行比较.结果表明,中位数回归模型在费率因子的显著性判别方面更具有客观性和稳健性.     

广义线性模型的性质及其在非寿险中的应用

广义线性模型的误差项服从指数分布族，通常的指数分布族包括正态分布、泊松分布、二项分布、伽玛分布、逆高斯分布等，这些分布模型在非寿险精算中都有广泛的应用。在对上述常见模型特点分析的同时，用实际数据进行了拟合，为精算师在实务工作中提供了些建议。     

零膨胀泊松模型的改进在零次索赔建模中的应用

零膨胀是非寿险精算中的一种常见现象,国内外许多学者对此进行了研究分析,而最具影响力的方法是零膨胀泊松模型与Hurdle模型,但这两个方法在区分零之间的差别时存在不足。实际中,产生零次索赔的保单持有人并非全部同质,如何提取零中所包含的信息对保险公司来说是重要的。鉴此,基于零膨胀泊松模型与Hurdle模型的思想,提出修正的零膨胀泊松模型,并利用非寿险精算中的实际数据,对新模型进行了拟合分析。与零膨胀泊松模型拟合结果的比较说明,修正的零膨胀模型在零的处理上更符合实际情况,更能体现零中所包含的信息。