非寿险费率厘定中的分类费率因子研究

在非寿险保险业务中,风险特征完全相同的个体风险是几乎不存在的,即使存在,保险公司也不可能或很难将它们区分开来。因此,保险公司只是将风险近似相同的保险标的划分在同一个类别里,用于划分风险的变量就是"分类费率因子"。在保险实务中,分类变量的选择必须考虑到各方面的具体要求,同时分类变量过多,会使每个类别的保单数量相对减少,这将影响到大数法则的应用。在风险划分的过程中,必须综合考虑风险基础、经验费率系统、市场运作等各个方面的情况,为保险公司厘定一个合理、公平、有效的保险产品价格。

GAMLSS在非寿险费率分析中的应用

从广义线性模型(GLM)的局限性出发,分析了几种常见的扩展模型,并重点深入分析了基于位置、尺度、形状的广义可加模型(GAMLSS)。最后对一组保险数据建立了损失频率和损失强度的GAMLSS模型,并与GLM做了对比分析。从不同角度研究了GAMLSS在非寿险费率分析中的应用,本文的研究将丰富非寿险费率分析方法。

基于HLM2的算例分析及其在中国非寿险精算中的思考

随着保险业务的拓展和深化,财产保险中越来越多地出现具有相关性和层次性的保险数据。分层线性模型对此类数据的处理能充分地体现在数据的分析中,在国际精算领域中的应用处于起步阶段。文章分析了分层线性模型具有二层、三层结构的数据特点,采用线性混合模型和分层线性模型方法,完成了二层结构数据的模型构建、实现与比较。

有限混合分布在车险费率厘定中的应用

"大数据"时代,保险损失数据结构日益复杂,传统分布类型无法准确、全面地反映数据的分布特征,需要更多灵活的模型,而有限混合分布对于刻画与分析真实索赔次数与索赔额分布提供了一个更多的选择。分析几种典型的有限混合分布,结合gamlss分布族构建了基于不同的有限混合分布的费率厘定模型。以一组车险损失数据为例进行实证分析,结果说明相对于传统的分布类型而言,有限混合分布具有较强的可实施性,有助于改善模型的拟合效果。