基于藤CopulaGAMLSS模型与非寿险准备金评估.docVIP

基于藤CopulaGAMLSS模型与非寿险准备金评估 　　摘要在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上， 建立了各个业务线增量已决赔款的GAMLSS模型， 并将此模型应用于一组具有明显异方差的车险数据， 拟合效果优于均值回归模型. 另外， 在多个业务线的准备金估计中， 不同业务线之间的相依性通过藤Copula函数来描述. 用D藤Copula描述相依关系的GAMLSS模型对准备金的评估结果既优于独立假设下的GAMLSS模型和链梯法对准备金的评估结果，同时还刻画了不同业务线之间的尾部相依性. 　　关键词非寿险；准备金；相依风险；藤Copula；GAMLSS模型 　　中图分类号F222.3 文献标识码A 　　AbstractUnder the assumption that the incremental paid claims of every line of business follow gamma distribution， inverseGaussian distribution and lognormal distribution， respectively， the corresponding GAMLSS models were established. The models were applied to a heteroscedastic data set of auto insurance claims， and the result shows that GAMLSS models are superior to mean regression models in predicting outstanding claim reserve. In practice， different lines of insurance business are， to some extent and their dependence can be captured by Vine Copula functions. The corresponding Vine Copula and GAMLSS models were established. The result shows that D Vine Copulabased GAMLSS model is superior to independent GAMLSS models and Chain Ladder method in claims reserving， and it also describes the tail dependence of different lines of business. 　　Key words nonlife insurance； reserve； dependent risks； Vine Copula； GAMLSS 　　1引言 　　非寿险公司资产负债表上金额最大的负债项目是赔款准备金. 链梯法、案均赔款法、准备金进展法、BF法和广义线性模型等都是针对单个保险业务的准备金评估方法， 这些方法的一个共同特点是仅对赔款准备金的均值进行预测没有考虑数据中的异方差性. 本文对单个保险业务的准备金评估采用基于位置、尺度、形状参数的广义可加模型（GAMLSS）1， 从而可以处理数据中的异方差现象. GAMLSS模型假定响应变量服从比指数分布族更广的一类分布， 系统部分可建立位置、尺度和形状参数与解释变量的回归模型. 　　在多个业务线的准备金估计中， 通常假设不同业务线之间相互独立， 事实上它们之间往往存在一定的相依关系. 如Braun、Schmidt、Merz、Zhang等2-5针对累积已决赔款采用多元链梯法、多元加性方法等评估未决赔款准备金. 而针对增量已决赔款， Peng和Frees6通过Copula回归模型解决了两个业务线在相依情况下的准备金评估问题； Jong7通过Copula函数和因子分析法研究了多个业务线的准备金评估问题. Copula是一种通过单个变量的边缘分布构造多个变量的联合分布的数学方法， 可以将多元随机变量的边缘分布和它们之间的相关结构分开研究， 相关结构不受边缘分布的限制. 多元Gaussian Copula和多元t Copula描述的相关结构是对称的， 并且Gaussian Copula没有尾部相依特征；在多元阿基米德Copula函数中， 一个或者两个参数就代表了任意两个变量之间的相关结构， 且相关结构相同. 可见常用的多元Copula函数解决多个变量之间的相依关系存在着很多限制. 又由于多元问题存在着高维灾难， Joe8、Bedford和Cooke9提出了