基于贝叶斯超离散泊松模型的准备金估计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 引言 | 第11-19页 |
| 1.1 未决赔款准备金的来源以及研究的历史和意义 | 第11-16页 |
| 1.1.1 未决赔款准备金的来源 | 第11页 |
| 1.1.2 未决赔款准备金的研究意义 | 第11-13页 |
| 1.1.3 未决赔款准备金的研究历史及相关文献 | 第13-16页 |
| 1.2 研究内容和本文的努力 | 第16-19页 |
| 1.2.1 本文研究内容 | 第16-17页 |
| 1.2.2 本文的努力 | 第17页 |
| 1.2.3 本文的组织结构 | 第17-19页 |
| 第2章 现有未决赔款准备金评估方法比较分析 | 第19-25页 |
| 2.1 确定性模型评估法 | 第19-21页 |
| 2.1.1 链梯法 | 第19-20页 |
| 2.1.2 B-F法 | 第20-21页 |
| 2.2 随机模型评估法 | 第21-25页 |
| 2.2.1 随机链梯模型 | 第22-23页 |
| 2.2.2 Zehnwirth模型 | 第23-24页 |
| 2.2.3 贝叶斯信度模型 | 第24页 |
| 2.2.4 Bootstrap模型 | 第24-25页 |
| 第3章 贝叶斯超离散泊松模型 | 第25-41页 |
| 3.1 贝叶斯统计理论与方法 | 第25-27页 |
| 3.2 马尔可夫链蒙特卡罗模拟的基本理论 | 第27-29页 |
| 3.3 超离散泊松模型 | 第29-32页 |
| 3.3.1 流量三角形 | 第29-30页 |
| 3.3.2 超离散泊松模型 | 第30-32页 |
| 3.4 均匀先验模型 | 第32-34页 |
| 3.5 伽玛先验模型 | 第34-41页 |
| 3.5.1 信息先验分布的模型 | 第34-36页 |
| 3.5.2 无信息先验分布的模型 | 第36-38页 |
| 3.5.3 强信息先验分布的模型 | 第38-39页 |
| 3.5.4 强信息先验模型与BF法的关系 | 第39-41页 |
| 第4章 模型实证分析与方法比较 | 第41-65页 |
| 4.1 贝叶斯超离散泊松模型(无信息先验分布) | 第42-50页 |
| 4.2 贝叶斯超离散泊松模型(信息先验分布) | 第50-53页 |
| 4.3 贝叶斯超离散泊松模型(强信息先验分布) | 第53-56页 |
| 4.4 广义线性模型 | 第56-60页 |
| 4.4.1 gamma模型 | 第56-57页 |
| 4.4.2 泊松模型 | 第57-59页 |
| 4.4.3 二项分布模型 | 第59-60页 |
| 4.5 实务中估计的未决赔款准备金 | 第60-63页 |
| 4.5.1 链梯法 | 第60-62页 |
| 4.5.2 B-F法 | 第62-63页 |
| 4.6 多种方法的比较 | 第63-65页 |
| 第5章 结论 | 第65-67页 |
| 附录 | 第67-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74页 |
