發(fā)布時(shí)間：2018-12-23 11:43

【摘要】：在非壽險(xiǎn)分類費(fèi)率厘定中,廣義線性模型的應(yīng)用十分普遍,但當(dāng)某些費(fèi)率因子的水平數(shù)很多時(shí)(本文稱之為多水平因子),廣義線性模型的估計(jì)結(jié)果將不可靠。解決此類問題的一種方法是把多水平費(fèi)率因子作為隨機(jī)效應(yīng)處理。將多水平費(fèi)率因子作為隨機(jī)效應(yīng)處理可以采取下述三種方法:(1)分別用廣義線性模型和信度模型估計(jì)普通費(fèi)率因子和多水平因子,通過廣義線性模型與Buhlmann-Straub信度模型的迭代應(yīng)用預(yù)測(cè)索賠頻率和索賠強(qiáng)度;(2)應(yīng)用廣義線性混合模型分別預(yù)測(cè)索賠頻率和索賠強(qiáng)度;(3)直接對(duì)經(jīng)驗(yàn)純保費(fèi)數(shù)據(jù)建立Tweedie混合效應(yīng)模型。本文把上述模型應(yīng)用于中國(guó)車損險(xiǎn)實(shí)際數(shù)據(jù)的研究結(jié)果表明,這三種方法比較接近,但從總體上看,廣義線性混合模型的估計(jì)結(jié)果更加可取。
[Abstract]:In the determination of non-life insurance classification rates, the generalized linear model is widely used, but when the level number of some rate factors is large (called multi-level factors in this paper), the estimation results of generalized linear model will not be reliable. One way to solve this problem is to treat the multi-level rate factor as a random effect. The following three methods can be used to deal with multilevel rate factor as random effect: (1) the general rate factor and multi-level factor are estimated by generalized linear model and reliability model, respectively. The iterative application of generalized linear model and Buhlmann-Straub reliability model is used to predict claim frequency and claim strength. (2) the generalized linear mixed model is used to predict the claim frequency and the claim strength, and (3) the Tweedie mixed effect model is established directly for empirical pure premium data. This paper applies the above model to the actual data of car loss risk in China. The results show that these three methods are close to each other, but in general, the estimation results of generalized linear mixed model are preferable.
【作者單位】： 中國(guó)人民大學(xué)應(yīng)用統(tǒng)計(jì)科學(xué)研究中心;
【基金】：教育部重點(diǎn)研究基地重大項(xiàng)目(12JJD790025) 國(guó)家自然科學(xué)基金項(xiàng)目(71171193)
【分類號(hào)】：O212;F840.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張俊嶺;;非壽險(xiǎn)費(fèi)率厘定中的損失函數(shù)研究[J];金融教學(xué)與研究;2012年01期

2 曾理斌;;廣義線性模型在非壽險(xiǎn)費(fèi)率厘定中的運(yùn)用[J];金融經(jīng)濟(jì);2007年18期

3 汪妍;;基于廣義線性模型的分類費(fèi)率厘定方法[J];科技信息;2009年21期

4 李永;孫越芹;夏敏;;小麥保險(xiǎn)費(fèi)率厘定:基于小波分析與非參數(shù)估計(jì)法[J];預(yù)測(cè);2011年04期

5 梁來(lái)存;;我國(guó)糧食單產(chǎn)保險(xiǎn)純費(fèi)率厘定的實(shí)證研究[J];統(tǒng)計(jì)研究;2010年05期

6 李文芳;;基于非參數(shù)核密度法的農(nóng)作物區(qū)域產(chǎn)量保險(xiǎn)費(fèi)率厘定研究[J];生態(tài)經(jīng)濟(jì);2012年04期

7 趙建軍;蔣遠(yuǎn)勝;;基于APH法的水稻區(qū)域產(chǎn)量旱災(zāi)保險(xiǎn)費(fèi)率厘定研究——以四川省為例[J];保險(xiǎn)研究;2012年06期

8 周漢東;蔣學(xué)煉;李炎保;;基于風(fēng)險(xiǎn)量化防波堤工程施工期保險(xiǎn)費(fèi)率厘定[J];海洋工程;2007年03期

9 徐昕;郭念國(guó);;Hurdle模型在非壽險(xiǎn)分類費(fèi)率厘定中的應(yīng)用[J];統(tǒng)計(jì)與決策;2012年09期

10 于洋;;農(nóng)作物產(chǎn)量保險(xiǎn)區(qū)域化差別費(fèi)率厘定的可行性——基于非參數(shù)核密度估計(jì)實(shí)證[J];統(tǒng)計(jì)與信息論壇;2013年10期

相關(guān)博士學(xué)位論文 前1條

1 曾娟;機(jī)動(dòng)車輛保險(xiǎn)分類費(fèi)率厘定原理與方法研究[D];武漢理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前3條

1 朱曦;數(shù)據(jù)挖掘在非壽險(xiǎn)分類費(fèi)率厘定中的運(yùn)用研究[D];湖南大學(xué);2005年

2 王慧萍;我國(guó)機(jī)動(dòng)車輛保險(xiǎn)分類費(fèi)率厘定的實(shí)證研究[D];湖南大學(xué);2005年

3 楊朔;無(wú)賠款優(yōu)待系統(tǒng)的費(fèi)率厘定及其他[D];吉林大學(xué);2006年

，

本文編號(hào)：2389939