基于累积损失混合模型的贝叶斯保费研究

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。     

相依风险条件下的汽车保险定价模型

车险保费由纯保费和附加保费两部分构成,其中纯保费往往占到保费的60%左右,主要用于覆盖保险公司的期望赔付金额,因此,纯保费预测是汽车保险定价的关键和基础。泊松-伽马模型和Tweedie模型是纯保费预测的两种主流模型。它们之间既有联系,又有区别。泊松-伽马模型中隐含了索赔频率与案均赔款之间相互独立的假设。当索赔频率与案均赔款之间存在负相依关系时,泊松-伽马模型可能高估保费,而存在正相依关系时可能低估保费。本文通过数据模拟的方法,分析了相依性对两种模型的影响,发现无论相依性如何变化,两种模型的对费率因子的估计值几乎相等。最后,通过一组实际数据的实证研究表明,两种模型的预测能力不相上下,其中Tweedie模型的预测误差略小,而泊松-伽马模型的稳健性略高。     

多维地震风险模型与保险基金测算北大核心CSSCI

本文选取我国大陆地区1990~2019年的地震灾害数据为研究样本,以地震造成的直接经济损失、死亡人数和受伤人数三个维度为研究对象,建立了复杂数据结构下的多维地震风险模型。在不同期限结构和不同偿付水平下,运用蒙特卡洛模拟算法测算了我国地震保险基金的风险规模和保费水平。与传统的巨灾精算模型相比,多维地震风险模型不仅解决了连续型、离散型和半连续型数据的联合建模问题,还能够更好地刻画多维地震风险之间非对称的相依结构。实际分析表明,在巨灾风险度量中考虑复杂的相依结构能够更好地分散地震的尾部风险,有效地减少政府的财政负担,提高地震保险的风险覆盖水平,为完善我国地震巨灾保险制度提供理论支撑。