公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于累积损失混合模型的贝叶斯保费研究: 2017年; 商业车险的费率由先验费率和后验费率两部分构成。通常使用广义线性模型厘定先验费率,然后基于个体保单的索赔经验,应用贝叶斯方法计算后验费率。在传统方法中,一般是分别根据索赔次数或索赔强度建立费率厘定模型。本文基于个体保单的累积损失数据建立了一种混合回归模型,并在此基础上计算贝叶斯保费,为非寿险费率厘定提供了一种新方法。在先验费率的厘定中,基于个体保单的累积损失数据建立混合零调整逆高斯回归模型,代替了传统的Tweedie回归模型。对先验费率进行调整时,用个体保单的累积损失代替通常使用的索赔次数或索赔强度,规避了索赔次数与索赔强度之间的相依性可能造成的干扰。; 张永霞孟生旺; 关键词：混合模型汽车保险费率厘定贝叶斯方法

半参数贝叶斯分层分位回归模型及其在保险公司成本分析中的应用被引量：2: 2021年; 本文建立了一种半参数贝叶斯分层分位回归模型,并基于美国NAIC提供的多个保险公司连续多年期的非平衡纵向成本观测数据进行了实证分析.本文主要贡献包括三个方面:一是首次在有限正态混合误差假定下,对具有右偏厚尾性的成本数据建立半参数分层分位回归模型,并考虑到保险公司的聚类性,选用狄利克雷过程先验进行模型非参数部分的估计,进一步推广了分位回归模型在保险精算领域中的应用;二是通过模拟数据研究,系统比较了在非对称拉普拉斯误差假定下和有限正态混合误差假定下,半参数分层分位回归模型对复杂数据的拟合精度及参数估计的精确性,结果表明,有限正态混合误差更能充分捕捉数据的复杂性;三是通过实际观测的保险公司成本数据进行分析,选出了对成本具有较强效应的解释变量,并发现在不同分位数水平下各个解释变量对响应变量的效应具有较大区别.; 张永霞孟生旺田茂再; 关键词：分位回归单指标模型

我国商业车险奖惩系统研究被引量：8: 2016年; 商业车险的费率主要由先验费率和浮动费率两部分构成。先验费率通常使用广义线性模型进行厘定,而浮动费率则是通过奖惩系统(Bonus-Malus System,BMS)对先验费率进行的一种后验调整。我国现行的商业车险BMS存在转移规则不够合理和奖惩系数不尽准确的问题。本文使用动态转移规则,在线性约束下,通过最小化索赔频率真实值与预测值之间的均方误差,求得了BMS的最优奖惩系数,并基于我国某财产保险公司2015年的一组商业车险数据进行了实证研究。结果表明,本文的方法可以有效改善我国现行商业车险BMS存在的不足。; 张永霞孟生旺; 关键词：商业车险浮动费率 BMS

基于贝叶斯的部分线性单指标复合分位回归的研究及其应用被引量：2: 2021年; 从贝叶斯角度出发对部分线性单指标复合分位回归模型展开研究,并将其用于非寿险精算领域中的累积索赔金额数据建模.文中在建模过程中,考虑到数据中常见的解释变量缺失,在复合分位回归的目标函数中进行加权,然后基于复合非对称拉普拉斯分布(CALD)对模型中的参数采用贝叶斯方法进行估计.模型中单指标部分基于三次B-样条展开,为了减少模型中的待估参数,B-样条的系数给定狄利克雷过程先验.文章的主要贡献包括:一、首次从贝叶斯角度出发对部分线性单指标复合分位回归模型进行研究;二、考虑到解释变量的缺失,对复合分位回归的目标函数进行加权,其权重由logistic回归结果确定;三、将文章的模型运用于非寿险精算领域中的累积索赔金额预测中,从模型结果可看出,文章中所提方法比现有方法更优.; 张永霞田茂再; 关键词：贝叶斯

基于累积索赔金额的最优奖惩系统被引量：3: 2017年; 商业汽车保险的费率可以分解为先验费率和后验费率。先验费率是基于被保险车辆的先验风险特征信息(如驾驶人的性别和年龄、车辆使用性质)应用广义线性模型厘定的费率,而后验费率是基于被保险车辆的索赔经验(如索赔次数)应用奖惩系统对先验费率进行调整而得到的费率。厘定先验费率常用的广义线性模型包括索赔频率模型、索赔强度模型和累积索赔金额模型。实际应用中的奖惩系统通常基于被保险车辆的经验索赔次数对先验费率进行调整,没有考虑索赔金额的影响,也没有考虑先验信息的影响,有可能造成重复性的奖励或惩罚。累积索赔金额是被保险车辆在保险期间的索赔金额之和,既包含索赔次数信息,也包含索赔金额信息,可以更加准确地揭示被保险车辆的索赔经验信息。本文应用被保险车辆多年期的纵向累积索赔金额数据建立了一种新的奖惩系统,应用零调整逆高斯回归模型厘定先验费率,并在线性约束下用极大似然法同时估计先验费率因子和奖惩系数,避免了传统奖惩系统对被保险人可能造成的重复性奖励或惩罚,有效改进了后验费率的厘定结果。; 孟生旺张永霞; 关键词：商业车险纵向数据奖惩系统

全选清除导出

共1页<1>

张永霞