摘要：车险费率厘定是财险公司设计产品的核心内容之一。在传统的纯保费预测模型中,通常建立复合泊松-伽玛模型,该方法没有考虑到大额索赔出现的情况。为此,提出了一种处理大额索赔的频率-强度方法。基于一组机动车损失数据,对索赔频率和索赔强度分别建模。比较不同分布的索赔频率模型,得到零膨胀负二项模型效果较好;在索赔强度建模中,得到大额索赔伽玛模型比伽玛模型效果好。实证检验了带有大额索赔的频率-强度模型在车险费率厘定中的优越性。

摘要：巨灾损失数据具有尖峰厚尾的特征,通常的损失分布模型很难对其进行有效地拟合。针对常见的各类分布(如Gamma,Lognormal,Weibull)和POT-GPD损失分布对巨灾风险损失数据拟合的不足,将截断形式的Mixed Erlang分布与Pareto分布进行组合,构建组合分布模型,充分应用了Mixed Erlang分布对阈值之前损失数据拟合分布形式的灵活性和精确性,以及Pareto分布对阈值之后尾部损失数据拟合的优良性,从而与以往方法相比,能够从整体上更精确地拟合巨灾风险损失数据。在此基础上,对中国1990—2018年4.5级以上地震所造成的直接经济损失数据进行组合分布建模,探讨该组合分布在VaR、TVaR和地震巨灾保险定价等方面的具体应用。研究发现:构建的Mixed Erlang-Pareto组合分布可以较好地拟合地震巨灾风险损失数据,且拟合优度高于Mixed Erlang-GDP组合分布;在忽略其他因素影响下,假定参保率为30%时,应用Mixed Erlang-Pareto分布计算的地震巨灾保险人均纯保费为40~43元左右,和四川省宜宾市城乡居民住宅地震巨灾保险保费相近,说明该地震巨灾保险保费的确定存在一定合理性。此外,对Mixed Erlang-Pareto组合分布拟合优度进一步检验,得出该组合分布也可以较好地拟合洪水损失数据,进一步表明该组合分布对巨灾损失数据拟合的优良性和适用性。本研究可以为巨灾损失风险评估提供一种新的备选模型,也可以作为评估巨灾保险定价机制合理与否的精算依据。

摘要：基于贝叶斯非线性分层模型的一元索赔准备金评估随机性方法,设计了10种合适的模型结构,将非线性分层模型与贝叶斯方法结合起来,应用WinBUGS软件对精算实务中的经典流量三角形数据进行数值分析,并使用MCMC随机模拟方法得到了各种模型结构下最终损失和索赔准备金的完整预测分布及其分布特征。这种方法克服了其他准备金评估模型存在的缺陷,不但可以考虑不同事故年索赔进展的同质性和差异性,而且可以有效度量尾部进展的不确定性。

摘要：在计量经济学设计模型、收集资料、估计模型、检验模型、应用模型(结构分析、经济预测、政策评价)过程中,Eviews软件是必不可少的工具,而WinBUGS软件是贝叶斯计量经济学计算的常用软件。文章以时间序列AR(1)模型为例,运用Gibbs抽样的MCMC方法,介绍了贝叶斯统计方法在计量经济学模型中的应用,分析了在实证中贝叶斯估计与经典计量估计的区别和联系,并指出贝叶斯方法在计量经济学及其他学科广阔的应用前景。