未决赔款准备金估计方法的最新进展

astings算法和Gibbs抽样组成，其基本思想是；通过重复抽样，建立一个平稳分布为所求后验分布的Markov链，从而得到后验分布的样本，基于这些样本再作各种统计推断。它在精算学中的使用越来越广泛，随着新问题的不断出现，MCMC方法的研究也日益增多。
　　在Ioannis  Ntzoufras和Petros  Dellaportas的文章中，作者将贝叶斯理论用于未决赔款准备金估计问题的四个模型中，在模型的求解中采用MCMC方法。
　　(1)对数正态模型(Log-Normal  Model)。在此模型中，先对流量三角形中的赔付额数据按照通货膨胀率进行折算，然后取对数进行调整，最后，假设所得数据服从正态分布建立模型。在模型的求解中，假设各参数的先验分布为正态分布和伽玛分布，然后利用贝叶斯方法求解。
　　(2)对数正态多元模型(Log-Normal  Multinomial  Model)。在模型(1)的基础上，对数正态多元模型进一步考虑了索赔次数的信息，假定所求参数服从多元分布。模型的解法与(1)类似。
　　(3)赔付额的状态空间模型(State  Space  Modelling  of  Claim  Amounts)。状态空间模型也称作动态线性模型(Dynamic  Linear  Model)，它是由两个方程确定的模型：一方程描述过程的观测如何随机地依赖于当前得到状态参数；另一方程描述状态参数如何随时间变化，表示了系统内部的动态变化和随机扰动。模型通过迭代算法，引入先验分布求解。
　　(4)平均赔付额的状态空间模型(State  Space  Modelling  of  Average  Claim  Amounts  Per  Accident)。此模型对模型(3)进行了推广，进一步考虑了索赔次数的信息，假定所求参数服从多元分布。模型解法与(3)类似。
　　以上四个模型，模型(2)和模型(4)要优于模型(1)和模型(3)。因为模型(2)和模型(4)是模型(1)和模型(3)的推广，不仅考虑了赔付额的数据，而且还考虑了索赔次数的信息。在未决赔款准备金估计方法的应用方面，重点不在于数据的拟合，而在于数据的预测，所以，比较模型优劣的一个显著标准是比较模型之间的预测精度。
　　　　三、我国未决赔款准备金估计方法研究的建议
　　1.重视非寿险精算的教育工作。目前，在我国非寿险精算的教育几乎刚刚起步，与寿险精算教育相比，非寿险精算的教育还比较落后，非寿险精算人员也相对匮乏。这种状况与我国非寿险业务在我国保险业中的地位和其飞速发展的形势很不协调。高等院校的相关系所应当给予高度重视，加强非寿险精算的教育工作。在教学中，应强化学生的数理基础，加大在数理方法方面的应用。现在国外精算学研究人员已普遍采用数理模型进行精算研究，没有深厚的数理基础，难以与国际进行交流。
　　2.加强非寿险精算的研究工作。我国非寿险精算的研究工作与国际精算研究水平还存在很大差距，保险监管机关、保险公司和高等院校应当共同努力，加强非寿险精算的研究工作。争取我国非寿险精算研究在较短的时间内有较大的起色。在未决赔款准备金估计方法研究方面，应紧跟国际前沿，了解国际精算研究方法的新动向。
　　3.加强理论与实践的结合。应大胆引用国际上先进的未决赔款估算方法，结合国内的实际情况，进行模型的改进和方法的调整。国内各保险公司应积极推广运用，不断地提高估算未决赔款准备金的精确度。高等院校和保险公司应加强联系，学生不能仅限于纸上谈兵，应尽量深入实际，真正做到学以致用，研以致用。

《未决赔款准备金估计方法的最新进展(第2页)》