文献类型：会议

作　　者：胡逸凡 谢远涛

作者单位：对外经济贸易大学保险学院统计与精算学系

会议文献：2022中国保险与风险管理国际年会论文集

会议名称：2022中国保险与风险管理国际年会

会议日期：20220713

会议地点：中国湖南长沙

出版单位：清华大学出版社（TSINGHUAUNIVERSITY...

出版日期：20221100

学会名称：清华大学经济管理学院中国保险与风险管理研究中心

语　　种：中文

摘　　要：保险损失数据通常包含大量零赔款,并且具有厚尾的特征。一旦损失数据的厚尾性没有被精确估计,保费预测和准备金评估的准确性会受到很大影响。在非寿险领域中,分类定价的关键是搭建合适的损失分布模型,刻画保险损失数据的右偏、厚尾和多峰特征。本文的目的是构建两段式基于阈值混合的回归模型,分阶段拟合小额损失和极端损失分布,并捕获被保险人的异质性特征。两阶段通过阈值拼接,其中第一阶段是利用混合GBII分布估计损失数据的主体部分,并对权重参数引入个体风险因素进行回归,而第二阶段是利用广义Pareto分布拟合损失数据的尾部,并构造其位置参数与协变量之间的非线性关系。拼接头部和尾部的阈值也将随着被保险人风险特征的不同而变动。针对模型中的回归系数及其他多个参数,使用极大似然函数法进行参数估计,同时也证明了两段式模型在似然最优化中的有效性。本文选取丹麦火灾数据集和中国医疗险数据集作为实证研究对象,评估两段式基于阈值混合的回归模型的拟合效果,运用AIC和BIC准则、在险价值Va R和TVa R等工具对模型进行诊断检验并与传统GLM的估计结果对比分析。结果表明,两段式回归模型在拟合右偏厚尾的损失数据上具有突出优势,兼顾损失估计的准确性与解释变量回归的灵活性。该模型的主要优势在于能分阶段有效精确地估计右偏、厚尾和多峰损失的头部和尾部,同时对阈值、头部的权重和尾部的位置参数分别引入风险异质性,灵活地刻画厚尾性特征,且系数具有可解释性。这在极端风险的度量和预测、非寿险分类定价和准备金评估方面具有应用价值。

关 键 词：两段式回归模型  混合GBII分布  广义PARETO分布 风险异质性  

分 类 号：F842.6]