Mlinex损失函数下的信度递归模型

用Mlinex损失函数代替平方损失函数,得到了一个信度递归模型,即第t+1年的信度保费是第t年的索赔额、第t年的信度保费和集体保费的加权和.证明了该信度递归模型对年份较近的索赔额赋予更大的权重,对年份较远的索赔额赋予较小的权重.     

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。     

熵平衡损失下的信度保费

通过引入具有非对称性的平衡损失函数, 给出在该损失函数下的信度保费和最优信度保费及信度因子的非参数估计, 并通过随机模拟验证了所给方法的可行性. 结果表明, 这种新的非对称损失函数比对称损失函数能更好地衡量风险, 更公平地索取保费.     

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.     

MLINEX损失函数下具有风险相依效应的信度模型

该文既考虑了制定保费的公平性、合理性,又考虑了各风险组之间的相依效应,利用信度理论的方法得到了MLINEX损失函数下Bühlmann-Straub模型的具有特殊相依效应的信度保费,进而推导出MLINEX损失函数下Bühlmann模型的具有此种相依效应的信度保费,也得到了结构参数的估计量,因此,推广了经典信度理论.     

Mlinex损失函数下逆伽马分布尺度参数的Bayes估计

在Mlinex损失函数下,本文首次讨论了逆伽马分布尺度参数的Bayes估计及其可容许性,并对该分布的一个充分统计量的逆线性形式的容许性进行了分析,然后使用蒙特卡洛模拟阐明小样本情形下尺度参数的Bayes估计的精度一般优于其最大似然估计和Minimax估计,与一致最小方差无偏估计相当。     

复合Mlinex损失函数下对数Weibull分布参数的Bayes估计

基于复合Mlinex损失函数,研究了对数Weibull分布的参数在先验分布为伽玛分布下的Bayes估计,E-Bayes估计和多层Bayes估计。并且用数值模拟的方法进行验证,结果表明3种估计方法的稳健性好。     

指数保费原理下似然比方法的信度估计

根据极大似然思想,构建了一个似然比函数,并且在平衡损失函数下得到了相应地信度估计,从而推广了经典的信度理论.     

Mlinex损失函数下Weibull分布的Bayes估计

基于Mlinex损失函数,在逐步增加Ⅱ型截尾样本下,讨论Weibull分布参数的Bayes估计．取逆伽玛分布为共轭先验分布,给出参数的Bayes估计,证明估计的可容许性．通过数值模拟,说明Mlinex损失函数下估计的稳健性．     

复合Mlinex对称损失下k阶Erlang分布参数的Bayes估计

在Mlinex损失函数基础上定义了复合Mlinex对称损失函数;在复合Mlinex对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计、E-Bayes估计及多层Bayes估计,并证明了其容许性;最后通过MATLAB模拟检验了参数的3种Bayes估计的合理性和优良性。     

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.     

基于历史索赔不同分布的信度估计

基于加权平衡损失函数和Esscher损失函数,考虑在给定条件下历史时期的保费仅在相互独立的情形时,得到信度因子表达式,并以此给出了下一期的信度保费。     

基于对称熵损失和记录值的一类分布族参数的估计

在对称熵损失函数下,基于记录值样本,得到了一类分布族参数的Bayes估计和经验Bayes估计,并讨论了一类逆线性(cT+d)-1形式估计的可容许性和不可容许性.     

不同损失函数下偏正态分布的Bayes估计

在二次损失函数和平衡损失函数下, 研究偏正态分布的Bayes估计及估计的优良性, 给出了不同模拟方法的结果, 并比较了不同损失函数下Bayes估计的差异性.