基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

具有时间变化效应的信度模型

利用信度理论方法研究了具有时间变化效应的风险保费的估计问题.结论表明,具有时间变化效应的信度模型,其信度估计仍然是个体索赔数据与聚合保费的加权平均,且信度因子依赖时间变化效应,从而推广了经典的信度原理     

零膨胀泊松模型中风险参数的贝叶斯估计

该文建立了贝叶斯模型,讨论了零膨胀泊松分布中参数的估计问题.在平方损失函数、Linex损失函数和Stein损失函数下得到了风险参数的贝叶斯估计.进而,引进了信度理论,在平方损失函数下得到了风险参数的信度估计,证明了估计的相合性.最后,通过数值模拟的方法对估计的收敛性进行了比较.     

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.     

基于混合指数型损失厌恶函数的投资组合模型

结合前景理论的核心思想,该文从期望效用最大化的角度研究不同风险资产的配置问题.在线性损失厌恶函数的基础上,该文结合指数效用函数的性质,提出了一个新的效用函数——混合指数型损失厌恶函数,建立了混合指数型损失厌恶投资组合(MELA)模型,并对中国股票市场数据进行实证研究,得出MELA模型优于均值-方差模型的结论.     

误差等相关的信度模型（英）

首先,在假设误差呈现等相关的正态-正态分布下得到Bayes保费,表明正是精确信度的形式.其次,建立了误差等相关的Bühlmann信度模型,得到了相应的 信度估计.在引进了合同之间的自然权重后将该模型推广到Bühlmann-Straub信度情形.但是结果表明,在Bühlmann-Straub模型下信度估计仅拥有广义的“信度”形式.     

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.     

在帕累托模型中风险度量的统计分析

在帕累托风险模型中,该文研究了在险价值及其相关风险度量的关系,给出了在险价值、期望短缺、尾条件期望、条件在险价值等风险度量的计算方法; 进而,利用极大似然法和矩估计法得到了这些风险度量的估计,证明了估计的相合性和渐近正态性; 最后利用数值模拟的方法验证了在不同样本下估计的收敛速度.     

Pareto风险模型中分位数保费的贝叶斯估计

分位数保费原理是非寿险精算中的一种重要的保费原理,在保险中有重要的应用.建立分位数保费原理的Pareto风险模型,通过引入损失函数,结合一些统计技巧,给出了分位数保费原理下风险保费的贝叶斯保费、贝叶斯估计、极大似然估计以及分位数估计.进而,讨论了这些估计的统计性质.最后,利用数值模拟的方法比较了这些估计的平均误差.     

基于Copula相依模型的指数保费预测

指数保费原理是非寿险精算中的一种重要保费原理,在理论和实际中都有重要应用.然而,大部分关于指数保费的统计推断文献都假设风险是相互独立或条件独立的,这种独立性在实际中并不一定成立.基于Copula相依模型,给出了指数保费的预测,并讨论了保费预测的性质.最后给出了在Calyton Copula模型下指数保费预测公式.