浅谈参数估计与贝叶斯风险决策分析在保险中应用.docVIP

浅谈参数估计与贝叶斯风险决策分析在保险中应用 　　[摘 要]保险公司所从事的经济活动具有风险，尤其是在财险中，存在历史数据难以获得足够的样本，或者统计样本不符合要求等问题。本文提出将参数估计与贝叶斯风险决策分析应用于保险公司的经营活动中，简述参数估计与贝叶斯风险决策分析的基本原理，并通过具体实例，给出相应步骤和方法。 　　[关键词]参数估计 贝叶斯决策 期望收益 　　作者简介：王秀瑜（1983-），女，山东青岛人，硕士研究生，研究方向：风险管理与保险；郭春增（1984-），男，山东潍坊人，硕士研究生，研究方向：风险管理与保险。 　　 　　保险公司如同企业一样，所做的经营决策大多是在一种不确定的情况下进行的，具有一定的风险。经营决策的科学性及稳定性在很大程度上依赖于对未来决策所涉及各自然状态的程度。由于各自然状态的程度存在不确定性，在保险实务中，尤其是在财险中，往往难以获得足够的样本，或者统计样本不符合要求，那么必然就需要参考评估人的一些主观评判，并可再利用新获得的经验记录来修正原来的估计。这种主观判断与修正就是参数估计与贝叶斯风险决策分析的基本原理。 　　 　　一、参数估计 　　参数估计是依据样本信息来推断总体未知量的过程，只有对有关位置数据进行估计，了解这一分布的状况才能解决问题。具体内容包括： 　　（一）估计量的置息度 　　 　　等式左边表示估计量和参数的误差不超过一定范围误差限△x的概率，等式右边属于这一区间范围内各样本平均值出现的概率之和p。此式表示误差限△x总体伴随着一个置信度，即抽样估计置信度，就是表明估计量和参数的误差不超过一定范围的概率保证程度p。 　　（二）总体参数的区间估计 　　在总体均值置信区间表示为 　　 　　其估计置信度为1-a，a为显著性水平。 　　（三）样本量的确定 　　一项调查所需要的样本量取决于调查估计值的期望准确度，一般准确度取决于下列因素：所研究总体指标的变异程度、总体的规模、调查所采用的抽样和估计方法以及调查回答率。对样本量计算的基本步骤为： 　　第一步，计算初始样本量 　　 　　其中△x为误差限 　　P代表变异程度 　　在这里p的取值要求研究指标具有最大的变异成度，其调查需求量的样本量也最大。对于只取两个值的指标即二元变量，则当这两个值在总体各以50%的比例出现时，总体指标变异程度最大，那么算出来的样本是最可靠的。 　　第二步，根据总体大小调整样本量 　　 　　N为总体 　　第三步，根据回答率进行调整，确定最终样本量 　　 　　 r为回答率，n就是在约束条件下最优的调查样本数。 　　 　　二、贝叶斯估计理论 　　设 为一完备事件组，事件B仅在完备事件组中某一事件发生时才发生，而且P(B)0，在事件B出现的条件下，事件 出现的条件概率用表示，则由如下贝斯公式求出， 　　 　　上式中 表示在事件 发生的条件下B发生的条件概率， P(B)是事件 B发生的全概率，即： 　　 　　 　　三、引例 　　目前车险险种赔付率上升影响了公司盈利，某保险公司针对车险进行决策时面临两种选择：推出新产品还是仍然生产老产品。为了确定应采取哪种选择更吻合市场需求，公司将对其进行经验测算，必要时对其市场调研。公司进行市场调研时规定要求：针对本市10000个投保人进行调研（这些大量独立的投保人随机变量近似的服从正态分布），调研结果估计量要以95%的概率落在总体误差限2%的范围之内。调研时回答率采用经验值为90%。经过风险和经济测算，决策矩阵如下表示 　　 　　E(A1)=0.65×7+0.35×(-2)=3.85 　　E(A2)=0.65×(-3)+0.35×9=1.2 　　按期望值决策，E(A1) E(A2)，保险公司自然选择推出新产品。如果要收集新信息，考虑到追加的信息收集要付出代价，暂且不计调研成本，计算公司进行调研的情况，再来进行得与失的思考： 　　（一）进行样本量的确定 　　为了确定n，需要有P值，对于本例属于两个值的指标即二元变量，那么算出来的样本是最可靠的p可取50%，方差在P=Q=50%最大。 　　 　　根据无回答率进行调整 　　保险公司需要从10000名投保人中随机抽取2426人进行调研。本文在确定样本n时涉及到一些问题，然而它是一种简单的说明。在实践中，调研多目标时，那时要考虑几个估计量。 　　（二）假设通过2426人的调查，得出条件概率 ，如下图所示： 　　 　　从上表可以看出，市场调研认为畅销的准确性比认为滞销的准确性高一点，同时还会出现得不出确定结果的情况。现在保险公司关心的是，当得到一个调查结果时，实际上两种可能状态的概率各是多少，也就是要找出修正后的先验概率： 　　利用贝叶斯公式求出