基于贝叶斯偏态线性混合模型的费率厘定.pdfVIP

第 3O卷第 1期 统 计 与信 息论 坛 Statistics＆ In[ormarionForum 2o15年 1月 Vo1．3O No．1 Jan．，2Ol5 【统计理论与方法】 基于贝叶斯偏态线性混合模型的费率厘定 王明高 ，孟生旺 (中国人民大学 a．应用统计科学研究中心 ．统计学院，北京 100872) 摘要：线性混合模型是非寿险费率厘定的主要方法之一。通常的线性混合模型假设随机误差项服从正 态分布，而保险损失数据往往具有右偏特征，这使得该模型在非寿险费率厘定中的应用受到一定影响。在通 常的线性混合模型基础上，假设随机误差项服从偏态分布，即可建立偏态线性混合模型，从而改善费率厘定 结果的合理性。基于一组实际的保险损失数据，应用贝叶斯 MCMC方法建立几个不同的偏态线性}昆合模 型，并与正态分布假设下的线性混合模型进行对比，实证检验偏态线性混合模型在非寿险费率厘定中的优 越性 。 关键词：偏态分布；贝叶斯方法；线性混合模型；费率厘定 中图分类号：O212：F840．48 文献标志码：A 文章编号：lo07—3116(2015)Ol—O018—06 ’ ’ ’ · Y／i 一 、 引 言 这里X (绣×p)和Z( ×q)是已知具有满秩的解 在非寿险费率厘定中需要考虑同一个体风险在 释变量矩阵，分别对应于P维的固定效应 向量 和g 不同时间的损失观察数据，同一个体风险的这些观 维的随机效应向量 。随机效应 b和随机误差 ％之 察数据之间具有一定的相关性，不满足相互独立的 间相互独立，服从均值为零，协方差矩阵分别由∑ 假设，所以一般的线性回归模型不再适用，而包含随 和 ；决定的正态分布：b～N0(0， )， ～N(0， 机效应的线性混合模型能够较好地处理这类数据， )，其中协方差矩阵 和 ；分别表示个体之间和 因为随机效应不仅可以解释来 自同一个体风险的损 个体 内部的方差。随机效应不仅可以处理同一个体 失之问所具有的相关性，也可以解释来 自不同个体 不同观察值之间的相关性，还可以处理不同个体之 风险的损失之间所具有的异质性。线性混合模型在 间的差异性。 生物医学、经济、保险精算等领域的研究中具有广泛 在分析具有右偏特征的保险损失数据时，线性 应用 。 混合模型往往缺乏稳健性。为了能够更好地分析非 线性混合模型是一般线性模型的扩展。一般线 对称的保险损失数据，可以在线性混合模型的基础 性模型只有固定效应，而线性混合模型在此基础上 上进行扩展，一种可行的扩展方式是假设随机误差 增加了随机效应。假设损失数据来 自yrt个不同个 服从偏态分布。Arellano—Valle系统地介绍了偏态 体风险，对每个个体风险有 (i一 1，2，…，)个不 分布族 ，并给出了通过对称分布求得偏态分布的方 同时点的观察值，用 y (一 1，2，…m)表示对个 法。Arellano-Valle应用偏态线性混合模型处理非 体 的第J次观察值，则关于y，的线性混合模型可 正态分布的数据，得出了比较稳健的估计结果Ⅲ。 以表示为 ： Ferreira在应用回归模型分析股市数据时发现，随 Y，f—XJ9+Zb+e i—