發(fā)布時間：2025-01-14 05:18

　　在一系列車險改革中,國家不斷放寬對車險市場的干預(yù),重視和突出財產(chǎn)保險公司的能動性,獲得更合理的車險費率標準對于財產(chǎn)保險公司和市場發(fā)展愈加重要。車險索賠次數(shù)擬合作為車險費率厘定的重要組成部分,擬合效果的優(yōu)劣將直接影響費率的準確性,因此,獲得合理的費率標準首要解決的應(yīng)是對車險索賠次數(shù)擬合的問題�？紤]到實際車險索賠次數(shù)數(shù)據(jù)中常存在過離散、零膨脹等特征,在這種情況下,仍使用傳統(tǒng)的假設(shè)分布進行數(shù)據(jù)擬合,往往不能準確地刻畫數(shù)據(jù)特征,造成模型擬合效果不佳。而Bell分布類主要包括Bell分布和Bell-Touchard分布(BT分布),這兩種分布不僅具有簡單的表達式,同時具有過離散、零膨脹的分布特征,對于實際車險索賠次數(shù)數(shù)據(jù)的擬合更加合理。因此,本文首次將Bell分布類引入到廣義線性模型中,構(gòu)建Bell回歸模型和BT回歸模型,并將其應(yīng)用到車險索賠次數(shù)擬合中,以此解決傳統(tǒng)假設(shè)分布不能全面刻畫實際車險索賠次數(shù)數(shù)據(jù)中過離散和零膨脹特征的問題。本文的主要內(nèi)容有以下三點:(1)給出了Bell分布和BT分布的參數(shù)估計方法,從而推動BT分布在金融、保險領(lǐng)域中的應(yīng)用。(2)將Bell分布類引入到廣義線性模型中,分別建...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖4.1是否發(fā)生索賠餅狀圖

4Bell分布類及其構(gòu)建的廣義線性模型在車險索賠次數(shù)分布擬合中的研究32如圖4.2所示，其中發(fā)生1次的情況占比為88.91%，發(fā)生2次的情況占比為10.33%，發(fā)生3次和4次的情況占比不足1%。圖4.1是否發(fā)生索賠餅狀圖表4.3索賠次數(shù)頻數(shù)表索賠次數(shù)（次）1234保單數(shù)（份）43....

圖4.2索賠次數(shù)比例餅狀圖

4Bell分布類及其構(gòu)建的廣義線性模型在車險索賠次數(shù)分布擬合中的研究32如圖4.2所示，其中發(fā)生1次的情況占比為88.91%，發(fā)生2次的情況占比為10.33%，發(fā)生3次和4次的情況占比不足1%。圖4.1是否發(fā)生索賠餅狀圖表4.3索賠次數(shù)頻數(shù)表索賠次數(shù)（次）1234保單數(shù)（份）43....

圖4.3保單時長占比頻數(shù)圖

基于Bell分布類的廣義線性模型及其在車險索賠次數(shù)擬合中的應(yīng)用33(2)風(fēng)險暴露數(shù)情況方面在保單變量中，風(fēng)險暴露數(shù)是一個很重要的變量，它表示了一份保單的時長，顯然，具有相同索賠次數(shù)的保單在不同時長下的風(fēng)險是有顯著差異的。將保單時長以2個月為一個單位進行統(tǒng)計比較，圖4.3是保單時長....

圖4.4保單時長占比情況餅狀圖

基于Bell分布類的廣義線性模型及其在車險索賠次數(shù)擬合中的應(yīng)用33(2)風(fēng)險暴露數(shù)情況方面在保單變量中，風(fēng)險暴露數(shù)是一個很重要的變量，它表示了一份保單的時長，顯然，具有相同索賠次數(shù)的保單在不同時長下的風(fēng)險是有顯著差異的。將保單時長以2個月為一個單位進行統(tǒng)計比較，圖4.3是保單時長....

本文編號：4026467