基于随机序未决赔款准备金分布函数的界值

在应用随机序的定义和性质的基础上,结合未决赔款准备金分布情况和排队模型的分析方法,研究未决赔款准备金分布函数的界值。根据保单组合的损失的发生和报告与赔付的随机过程在不同的序关系下的分析,得到针对未来某一时间段内的OCR类赔付责任,保险公司需计提的未决赔款准备金分布函数的上界和下界。给出了计算实例,并与以往使用的未决赔款准备金的计提方法进行了比较。     

基于NBUE和HNBUE的未决赔款准备金分布函数的界值

根据保单组合的损失赔付额分布函数为NBUE和HNBUE分布类的性质,应用排队模型的分析方法,进一步研究了未决赔款准备金分布函数的界值,在已知损失赔付额分布函数的均值和方差的条件下,得到针对未来某一时间段内保险公司所需计提的未决赔款准备金分布函数的上界和下界,且给出的计算实例表明所得到的未决赔款准备金分布函数的上界和下界是十分有效的.     

基于一阶矩和二阶矩的未决赔款准备金分布函数的界值

应用排队模型的分析方法，研究了未决赔款准备金分布函数，并根据保单组合的损失赔付额分 布函数的性质，在已知其均值和方差的条件下，讨论了针对未来某一时间段内保险公司所需计提的未决赔款准备金分布函数的上界和下界，而且给出的计算实例表明所得到的未决赔款准备金分布函数的上界和下界是十分有效的.     

基于厚尾分布的非寿险准备金评估模型

未决赔款准备金评估是财产保险公司偿付能力管理的核心工作,通常使用的评估方法是广义线性模型.当增量赔款数据存在尖峰厚尾特征时,广义线性模型的传统分布假设可能与实际数据不相符合.此外,保险公司的多条业务线之间往往存在一定的相依关系,这就要求对总准备金的评估结果进行相应调整.本文使用三种新的厚尾分布(即幂Frechet分布、广义对数Moyal分布和全尾伽马分布)代替传统模型中使用的伽马分布、对数正态分布和GB2分布假设,考察它们在未决赔款准备金评估中的应用效果,并应用Copula函数描述了不同业务线之间的相依关系.借助参数化bootsrap和蒙特卡罗随机模拟方法,给出了准备金的预测分布和风险度量值.基于一组实际数据的研究结果表明,厚尾分布对于改善未决赔款准备金的预测效果具有很高的应用价值,而相依性的调整也使得准备金的预测结果更加合理.     

卡尔曼滤波在非寿险未决赔款准备金估算中的应用

在历史数据缺乏和数据质量较低的情况下,非寿险公司应用传统的准备金估计方法常存在估计精度不高的问题.本文通过状态空间来描述非寿险赔付过程,应用卡尔曼滤波来估计状态空间的转换参数,并分别预测损失频率和损失程度从而动态地估计未决赔款准备金.实证分析表明,在历史数据较少争存在错误数据的情况下,本方法对改善未决赔款准备金的估计是有效的.     

准备金评估的贝叶斯分层分位回归模型

基于AL(asymmetric Laplace)分布建立了贝叶斯分层参数化分位回归模型,并与传统的非参数化分位回归模型进行了比较.通过蒙特卡洛方法从参数的后验分布中反复抽样,借助分位函数的表达式,获得了准备金风险边际的分布,进而给出了风险边际的置信区间.基于一组增量赔款数据的分析结果表明,贝叶斯分层参数化分位回归模型可显著改善传统分位回归模型对未决赔款准备金的预测效果,并为保险公司的风险管理提供更多有价值的信息.     

非寿险未决赔款准备金评估的广义线性模型平滑性改进

保险索赔历史数据不足,可靠性不高,将严重影响保险公司对未决赔款准备金的评估精度。本文借鉴国内外相关研究经验,研究了准备金评估模型中的平滑问题,介绍了一种以广义线性模型为框架,考虑事故年因子、发展期因子和日历年因子为主要影响因素的平滑化模型,并结合利用Bootstrap法,给出了模型的参数估计方法和未决赔款准备金的预测分布与均方误差等其他统计特征度量。平滑化方法可有效减少随机模型的参数个数,使得参数估计变平稳,提高模型的索赔尾部数据处理能力。     

相依风险的车险准备金评估

在多个业务线的准备金估计中,通常假设不同业务线之间相互独立,事实上它们之间往往存在一定的相依关系.它们的相依性可以通过藤Copula函数来描述.藤Copula是解决多个相依随机变量的强有力工具.本文在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款相互依赖的藤Copula回归模型,并将此模型应用于一组实际的车险数据,结果表明,考虑相依关系的藤Copula回归模型对准备金的评估结果要优于独立假设下的回归模型对准备金的评估结果.     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.     

马尔可夫链利率风险模型中破产赤字的分布函数及其界值

应用损失赔付额分布函数的分布类的特性，在假设随机利率服从马尔可夫链的条件下，研究了风险模型中破产时刻赤字的分布函数和界值。并且使用一个具有单调性的算子，给出了一种更实用更有效的对破产时刻赤字分布函数渐进估计的方法。     

缺乏先验信息条件下的对数正态分布车险索赔额定价模型

假定车险索赔额服从对数正态损失分布,并且其结构方差和过程方差存在显著差异,通过分析全体车险保单组合的历史索赔损失数据,估计出结构方差和过程方差的先验参数,从而得到个体保单未来索赔额的最优估计模型；在此基础上,给出了一个既考虑索赔频率又考虑索赔严重性的车险经验费率定价模型.     

索赔为两类一般到达的保险风险问题

应用 Markov骨架过程的方法 ,研究了索赔为两类一般到达的保险风险模型 ,分别得到了破产时间与破产时刻前后资产盈余的联合分布以及破产时间的分布 .由此可计算出人们关心的一些重要指标 ,为保险公司的安全运营提供决策依据.     

我国商业车险奖惩系统的构建与评价

在商业车险定价中,通常根据保单的先验风险特征信息建立广义线性模型来厘定先验费率,然后根据保单的历史索赔信息应用奖惩系统对先验费率进行调整.本文基于一组商业车险保单2010-2015年的索赔次数数据,分别在泊松-伽马分布假设和负二项-贝塔分布假设下构建了奖惩系统,运用贝叶斯方法和极大似然法估计了模型参数,测算了奖惩系数,并与我国现行的奖惩系数进行了比较.实证研究结果表明,我国现行奖惩系统的设计结构比较单一,对保单经验索赔信息的使用不充分,且奖惩幅度过于温和.本文构建的奖惩系统充分利用了保单的先验风险特征信息与历史索赔信息,有效避免了对保单的重复性奖励和惩罚,提高了费率厘定结果的准确性和合理性.     

计算费率的新方法——改进的NCD系统

在当今各国比较流行的NCD系统的基础上，提出了改进，考虑了索赔度对被保险人历史记录，进而对其相应缴纳保费的影响，同时使被保险人的保费同其所承担风险具有一致性。尤其对我国车险市场费率混乱的情况下，采用此系统更能保护被保险人的利益，提高保险人的决策水平。     

先验与后验相结合的汽车保险索赔模型

在传统的汽车定价中,建立索赔模型通常使用后验经验估费法,这种后验方法因为忽略重要的先验信息而存在缺陷。本文提出了先验与后验方法相结合的新索赔模型,并使用信度理论对新老模型进行比较分析,最后给出了具体计算方法和实例。研究表明,新索赔模型不仅使车险定价更公平合理,降低定价风险;而且易于运用。     

保险公司破产概率的估计及随机模拟

研究人寿保险的破产模型 ,其中保单到达和索赔发生时刻为相互独立的 Poisson流 ,索赔额服从指数分布 .针对此模型给出了 t时刻之前破产概率的一个上界估计 ,并给出了破产概率的随机模拟计算流程和一个具体例子的数值模拟结果.     

一类索赔时间相依的离散时间的二元风险模型的破产概率

研究一类索赔时间相依的离散时间的二元风险模型，模型中假设每次主索赔可能引起一次副索赔，而每次副索赔有可能推迟发生。通过引入辅助模型得到有限时间生存概率的递推公式，并在某些特殊情形下得到有限时间生存概率和最终破产概率的明确表达式。