Esscher保费原理下信度估计的比较

在Esscher保费原理下建立了信度模型,得到在Esscher保费原理下,风险保费的Bayes保费、Bayes估计、信度保费与信度估计.比较了这几个估计的异同,并证明了这些估计的相合性.最后,用模拟方法验证了相应的结论.     

Stein损失函数下的保费估计

利用信度理论研究在Stein损失函数下的保费估计问题,分析了贝叶斯估计、信度估计、多层贝叶斯估计3种估计,并计算3种保费估计,比较其结果发现在Stein损失函数下:当样本数n趋于无穷大时,信度保费会收敛到风险保费,且多层贝叶斯估计比贝叶斯估计的稳健性更强.     

基于贝叶斯方法的保费计算的稳健性质

探讨了3类关于保费计算原理的相关问题.首先,结合贝叶斯方法和损失原理定义了贝叶斯保费; 然后,研究了2类保费计算原理的稳健性质问题:带任意污染系数的非贝叶斯保费的稳健性质和基于ε-污染方法讨论的贝叶斯保费关于先验分布的稳健性质; 最后,运用Esscher保费原理分析了当污染在某个分布类变化时保费对污染的响应以及保费的值域.     

基于平衡损失函数下的信度模型

在平方损失的基础上引入惩罚项,构成一种非对称的平衡损失函数。基于这种平衡损失函数,运用贝叶斯统计推断理论得到了贝叶斯保费;结合Bühlmann信度模型和Bühlmann-Straub信度模型,给出了最优线性保费的估计结果。     

方差相关原理下相依聚合风险模型的贝叶斯保费

在经典的聚合风险模型中,常常假设索赔次数和索赔额是相互独立的,然而在实际保险业务中,索赔额和索赔次数常常呈现相依情形.本文通过引入Sarmanov-Lee相依分布族的概念,在索赔次数和索赔额呈现某种特定相依结构的条件下,研究了聚合风险模型下方差相关保费原理的聚合保费和贝叶斯保费,并通过数值模拟,对保费估计的稳健性进行了分析.结果表明,即使参数间的相依程度很小,也会对聚合风险保费和贝叶斯保费带来较大的影响.     

无信息先验下平稳AR(1)模型的贝叶斯推断

研究AR(1)时间序列模型在平稳条件下的贝叶斯推断理论,构造了模型自回归系数和尺度参数的无信息先验分布,推导得到了其后验分布、后验均值、众数、中位数、分位数和最大后验区间估计,最后对几组仿真数据进行了贝叶斯分析.     

聚合风险模型下的信度估计

利用信度理论的方法,建立了Bayes聚合风险的信度模型,得到未来年总索赔的信度保费.进一步地,在多合同模型下,提出了结构参数的无偏估计,并证明了这些估计的统计性质.     

KL分位数估计的Bahadur表示

Bahadur表示对于分位数估计的大样本性质的研究有着重要的作用,本文在独立样本的条件下,证明了KL分位数估计的Bahadur表示及其收敛速度op(k-1/2n),并通过Bahadur表示给出了其渐近正态性和置信区间估计。     

响应变量缺失下加权复合分位数回归估计

目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。     

矩相关保费原理中具有风险相依结构的信度模型

在经典信度理论中,信度估计只适合净保费原理,很难推广到一般的保费原理,并且其假设保单组合不同保单索赔额之间独立,没有考虑风险之间相依性.该文根据一种统一的保费原理(即矩相关保费原理),考虑风险之间的相依性,运用信度理论方法估计风险随机变量的矩母函数,给出在矩相关保费原理中具有风险相依结构的保费估计,并且给出结构参数的无偏估计,从而推广了经典信度理论.