贝叶斯统计方法在精算模型中的应用doc .doc

浙江省统计局2012年度统计学术类课题研究报告 课题名称 贝叶斯统计方法在精算模型中的应用 课题负责人 张晓敏 工作单位 宁波大学 填表日期 2013/5/20 浙江省统计局印制 贝叶斯统计方法在精算模型中的应用 摘要 本报告主要研究了贝叶斯统计分析方法在保险精算模型特别是农业保险模型中的应用。贝叶斯方法的核心思想是在充分融合样本信息和先验信息的基础上，推出后验分布及预测分布，所有统计推断及预测都是以后验分布和预测分布为依据。本报告里，我们重点讨论了保险模型里最经典Poisson-Gamma模型，并将该模型成功用于某省小麦保险项目中，给该省的小麦保险条款提出了极有价值的修改意见。 在模型建立的过程中，我们首先整理了该省的农业气象数据，拟合出农业灾害次数及强度的分布规律。考虑到各地区灾害稀少，灾害数据提取难度大，故从该省所有地区的数据中提炼先验分布，再将该省各地区数据作为样本信息，由此估计相关模型参数，拟合效果良好。报告中除了给出所建模的理论保险费率，还通过Montecarlo随机模拟的方法验证了模型的准确性。 报告中所有数据真实可靠，数据处理中使用的是R软件，所有程序代码均列于附录中。 一、项目背景 贝叶斯理论源于《论机会学中一个问题的求解》一文，这是英国学者贝叶斯1763年在皇家学会学报上发表的论文，这篇文章提出了一种全新的统计方法，即作者贝叶斯假设参数服从均匀分布，并对样本观察值进行分析，得出拟合的分布为二项分布，从而对参数进行统计推断。如上述这种对二项分布的参数进行概率推测的方法，即是后来的贝叶斯方法。并且贝叶斯所提出的这种进行统计推断的方法之后不仅被应用于二项分布，还被推广到其他很多的分布上。当今社会快速发展，贝叶斯方法可以用来解决精算、医学、市场预测、概率推理、产品检查以及信号估计等一系列问题。贝叶斯方法的优势在于它的实用性，近年来，贝叶斯方法不论是在理论上还是在实际中都得到了迅速的应用和发展。随着贝叶斯方法的改进和计算机技术的发展，特别是马尔科夫链蒙特卡罗方法和WinBUGS软件的开发和应用，以及全贝叶斯思想和分层贝叶斯集体风险模型的发展，使得贝叶斯方法在各个方面和领域中都得到了广泛的应用。贝叶斯方法的应用很大程度上能够提高我们想要计算的量在后验推断中的方便性和准确性，也有助于保险公司管理一个明显带有风险因素的财务体系，有助于减少不必要的经济损失。这些应用不仅使得现代贝叶斯理论日渐成熟，而且也很大程度上促进了贝叶斯理论的在实际中的应用。 我国的保险精算行业还处于发展的初级阶段，为减少开发投入，产品大都借鉴国外模式，显然忽略了我国国情的特殊性，因此，研究如何将贝叶斯统计方法应用到适合我国国情的精算模型中，既有相当的理论价值，更有现实的战略意义。 二、相关概念及理论说明 贝叶斯方法是以贝叶斯定理为基础而发展起来用于系统地阐述和解决统计问题的方法。一个完整的贝叶斯分析过程包括样本数据的分析、模型分布的构造、先验信息和似然分布的假设以及最后的决策推断。 贝叶斯推断的基本方法：整合关于未知参数的先验信息和样本信息，经由贝叶斯方法得出后验信息，再根据后验信息对未知参数进行预测推断。用简图表示贝叶斯方法，如下： 图1 贝叶斯学派认为：先验分布是在没有进一步的信息的情况下人们对总体参数分布的认识，在获得观测样本后，人们参数分布的评估有了新的认识，其认识的改变结果就反映在后验分布中，即后验分布是综合考虑了先验信息和样本信息的结果。贝叶斯推断是一个由结果推断原因的过程，并且预测结果自然清楚，符合人们习惯的思维方式，即根据所获得的观测信息对先前的看法进行修正。本质上来说说，贝叶斯方法是对一般人的学习过程进行了概括。 1 贝叶斯公式 已知事件发生条件下事件发生的概率称为事件关于事件的条件概率，记作，且 事件组{}满足下列两个条件：，两两互不相容，且；，则称是的一个完备事件组。 贝叶斯公式：设是一个完备事件组，且,则对任意事件，有 是在没有进一步的信息（不知是否发生）的情况下人们对发生可能性的大小的认识，称为先验概率；现在有了新的信息（知道发生），人们对发生的可能性大小有了新的估计，得到条件概率，称为后验概率。 将未知参数视为一个随机变量，的分布已知，把在做统计分析之前就已经知道的分布