基于 D-vine pair copula 依赖感知预测的捆绑保险风险定价与管理增强
统计方法学
2023-10-17 v2
摘要
我们提出了一种针对具有捆绑特征的保险合同所产生的多元风险的依赖感知预测建模框架——这是大型保险公司日益提供的一类重要保单。捆绑特征自然导致多个保险风险的纵向测量，而对此类风险的正确定价与管理对宏观经济的金融稳定具有根本意义。我们构建了一种新颖的预测模型，充分捕捉多元重复风险测量之间的依赖关系。具体而言，每个个体风险的纵向测量首先使用具有 D-vine 结构的 pair copula construction 建模，随后通过灵活的 copula 将多个 D-vine 集成。所提模型为多元纵向数据提供了统一建模框架，可容纳不同尺度的测量，包括连续、离散与混合观测，因而对各种经济研究具有潜在用途。我们提出了一种计算高效的序贯方法用于模型估计与推断，并从理论和模拟研究两方面考察了其性能。在应用中，我们利用某商业财产保险提供商的自有数据考察了多灾因财产保险中的多元捆绑风险。发现所提模型可为若干关键保险业务提供改进的决策。对于承保，我们表明由所提模型定价的经验费率使保险人的净收入提升 9%。对于再保险，我们表明当忽略捆绑保险风险间依赖时，保险人低估了留存保险组合的风险达 10%。
引用
@article{arxiv.1805.07301,
title = {Enhanced Pricing and Management of Bundled Insurance Risks with Dependence-aware Prediction using Pair Copula Construction},
author = {Peng Shi and Zifeng Zhao},
journal= {arXiv preprint arXiv:1805.07301},
year = {2023}
}