混合专家模型中含随机效应的后验风险分类与费率厘定
应用统计
2022-10-03 v1 计量经济学
统计方法学
摘要
在汽车保险中，设计良好的风险分类与费率厘定框架是保险公司盈利与风险管理的关键，同时也能确保投保人根据其风险画像被收取公平保费。本文中，我们提出将一种灵活的回归模型，称为混合 LRMoE，应用于后验风险分类与费率厘定问题，其中引入投保人级随机效应以更好地推断由其索赔历史所反映的风险画像。我们还开发了随机变分期望-条件-最大化算法用于估计模型参数和推断随机效应的后验分布，该算法在数值上高效且可扩展至大型保险组合。随后我们将混合 LRMoE 模型应用于真实的多年期汽车保险数据集，结果表明所提框架对数据拟合更优，并生成准确反映投保人索赔历史的后验保费。
引用
@article{arxiv.2209.15212,
title = {A Posteriori Risk Classification and Ratemaking with Random Effects in the Mixture-of-Experts Model},
author = {Spark C. Tseung and Ian Weng Chan and Tsz Chai Fung and Andrei L. Badescu and X. Sheldon Lin},
journal= {arXiv preprint arXiv:2209.15212},
year = {2022}
}