第五章非寿险定价.ppt

部分信度Z的计算 在NP近似法下，可以得到： 其中： 完全信度的计算 当Z＝1时，C估计量为T，E(N)的值为完全信度值。 此时有： nF的含义是使T达到完全可信的期望索赔次数。 5.4.4 Bühlmann信度模型 最小平方信度：即求使信度估计误差平方的期望达到最小的信度因子Z值。 最小平方信度也要用到先验信息，故最小平方信度模型也被称为贝叶斯信度模型。它是根据特殊分布的泊松-伽玛模型和正态-正态模型进行的推广。 Bühlmann信度模型 Bühlmann-Straub信度模型 设C的信度估计量 可以表示为： 其中T为观察值的期望，M为被估计量的期望。 最小平方信度方法是求满足下式达到最小的Z值： 最小平方信度的基本思想 Bühlmann信度因子Z的计算公式： 其中： n为观察到的索赔次数，当n不断增加时，信度Z趋于1，但永远不会等于1。 K为Bühlmann参数，是过程方差的均值与假设均值的方差之比，即 5.4.4 Bühlmann信度模型 5.4.4 Bühlmann信度模型 式中的v和a是对总方差的分解，即任何一个变量X的总方差可分解为： Bühlmann信度模型假设：对给定的个体风险Θ＝θ，观察值X1,X2,…,Xn独立同分布。即个体风险的规模不会随着时间而变化，且其风险参数θ是一个常数。 例5.11 已知两个风险