基于随机效应零调整回归模型的保险损失预测

在非寿险精算中,对保单的累积损失进行预测是费率厘定的基础。在对累积损失进行预测时通常使用Tweedie回归模型。当损失观察数据中包含大量零索赔的保单时,Tweedie回归模型对零点的拟合容易出现偏差;若用零调整分布代替Tweedie分布,并在模型中引入连续型解释变量的平方函数,可以建立零调整回归模型;如果在零调整回归模型中将水平数较多的分类解释变量作为随机效应处理,可以进一步改善预测结果的合理性。基于一组机动车辆第三者责任保险的损失数据,将不同分布假设下的固定效应模型与随机效应模型进行对比,实证检验了随机效应零调整回归模型在保险损失预测中的优越性。

GAMLSS模型及其在车损险费率厘定中的应用

在车损险费率厘定中,通常假设索赔频率、索赔强度或纯保费服从指数分布族,并对其均值建立广义线性模型,而假设其他参数对所有风险类别都是固定的常数。这种假设在某些情况下并非成立。GAMLSS模型可以在各种分布假设下同时对一个分布的位置参数、尺度参数和形状参数建立参数或非参数的回归模型,具有很大的灵活性。本文在零调整逆高斯分布假设下把GAMLSS模型应用于我国实际的车损险数据,建立了车损险的费率厘定模型,结果表明,这种模型对车损险实际数据的拟合要优于常用的Tweedie分布假设下的广义线性模型。此外,这种模型厘定的风险保费更加公平合理。