准备金评估的贝叶斯分层分位回归模型

发布时间：2021-06-15 13:00

　　基于AL（asymmetric Laplace）分布建立了贝叶斯分层参数化分位回归模型,并与传统的非参数化分位回归模型进行了比较.通过蒙特卡洛方法从参数的后验分布中反复抽样,借助分位函数的表达式,获得了准备金风险边际的分布,进而给出了风险边际的置信区间.基于一组增量赔款数据的分析结果表明,贝叶斯分层参数化分位回归模型可显著改善传统分位回归模型对未决赔款准备金的预测效果,并为保险公司的风险管理提供更多有价值的信息. 

【文章来源】：系统工程学报. 2019,34(05)北大核心CSCD

【文章页数】：11 页

【参考文献】：
期刊论文
[1]极端VaR风险测度的新方法:QRNN+POT[J]. 许启发,陈士俊,蒋翠侠,刘曦.  系统工程学报. 2016(01)



本文编号：3231100