詹妮弗·S·K·陈。;Choy,S.T.Boris公司;乌迪·马科夫(Udi E.Makov)。 使用广义-(t)分布对损失准备金数据进行稳健贝叶斯分析。 (英语) Zbl 1169.91384号 阿斯汀公牛。 38,第1期,207-230(2008). 摘要:本文提出了一种利用马尔可夫链蒙特卡罗方法和广义-(t)(GT)分布预测保险公司损失准备金的贝叶斯方法。现有的模型和方法无法处理不规则和极端索赔,因此无法准确预测损失准备金。为了开发一个更稳健的不规则索赔模型,本文将传统的正态误差分布扩展到GT分布,GT分布嵌套了几个重尾分布,包括Student-(t)和指数幂分布。结果表明,GT分布可以表示为均匀分布的比例混合(SMU),这有助于使用混合参数实现模型和检测异常值。采用不同的均值函数模型,包括log-ANOVA、log-ANCOVA、状态空间和阈值模型,分析实际损失准备金数据。最后,根据偏差信息准则(DIC)选择最佳模型。 引用于11文件 理学硕士: 91B30型 风险理论,保险(MSC2010) 91B70型 经济学中的随机模型 关键词:贝叶斯方法;状态空间模型;阈值模型;均匀分布比例混合;偏差信息准则 PDF格式BibTeX公司 XML格式引用 \textit{J.S.K.Chan}等人,ASTIN Bull。38,第1号,207--230(2008;Zbl 1169.91384) 全文: 内政部 参考文献: [1] 内政部:10.1017/S0020268100041287·doi:10.1017/S0020268100041287 [2] DOI:10.1081/STA-120022242·Zbl 1184.62024号 ·doi:10.1081/STA-120022242 [3] 内政部:10.1093/biomet/60.3.664·2014年02月68日 ·doi:10.1093/biomet/60.3.664 [4] 内政部:10.1080/10920277.2004.10596152·Zbl 1085.62516号 ·doi:10.1080/10920277.2004.10596152 [5] DOI:10.1007/BF02564434·兹伯利0891.62016 ·doi:10.1007/BF02564434 [6] 数字对象标识码:10.1017/S0515036100013325·doi:10.1017/S0515036100013325 [7] 内政部:10.1111/1467-9868.00179·Zbl 0913.62028号 ·doi:10.1111/1467-9868.00179 [8] 《精算师学会杂志》第19页第31页–(1996年) [9] 麻省理工学院出版社72页,第321页–(1990) [10] DOI:10.2143/AST.24.2.2005074·doi:10.2143/AST.24.2.2005074 [11] 统计分析中的贝叶斯推断(1973)·Zbl 0271.62044号 [12] DOI:10.1017/S0020268100019545·doi:10.1017/S0020268100019545 [13] 内政部:10.1017/S0020268100036714·网址:10.1017/S0020268100036714 [14] DOI:10.10109/数据.1974.1100705·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705 [15] MRC生物统计股(2004年) [16] 内政部:10.1111/1467-9868.00353·Zbl 1067.62010年 ·数字对象标识代码:10.1111/1467-9868.00353 [17] 内政部:10.1080/10920277.2002.10596033·doi:10.1080/10920277.2002.10596033 [18] 内政部:10.1080/10920277.2001.10595987·Zbl 1083.62543号 ·doi:10.1080/10920277.2001.10595987 [19] DOI:10.2143/AST.28.1.519083·Zbl 1168.60311号 ·doi:10.2143/AST.28.1.519083 [20] DOI:10.1214/aos/1176344136·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [21] 内政部:10.1017/S1357321700000222·doi:10.1017/S1357321700000222 [22] 内政部:10.1017/S0020268100036702·doi:10.1017/S0020268100036702 [23] 内政部:10.1080/10920277.2005.10596213·Zbl 1141.62312号 ·doi:10.1080/10920277.2005.10596213 [24] 北美精算杂志6第113页–(2002) [25] DOI:10.1063/1.1699114·数字对象标识代码:10.1063/1.1699114 [26] DOI:10.1017/0266466600013384·网址:10.1017/S0266466600013384 [27] 内政部:10.2307/1927230·doi:10.2307/1927230 [28] 《统计年鉴》第22期(1994年) [29] 北美精算杂志5(2001) [30] 内政部:10.1093/biomet/57.1.97·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97 [31] 内政部:10.1080/01621459.1970.10481190·网址:10.1080/01621459.1970.10481190 [32] DOI:10.1093/biomet/82.4.711·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711 [33] 马尔可夫链蒙特卡罗实践(1998) [34] 贝叶斯数据分析第182页–(2004)·Zbl 1057.62032号 [35] IEEE模式分析和机器智能汇刊6 pp 721–(1984) [36] 内政部:10.1080/01621459.1990.10476213·网址:10.1080/01621459.1990.10476213 [37] 贝叶斯统计6 pp 685–(1999) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。