精算实务中具过度离散结果和误测协变量的层次贝叶斯索赔计数建模
统计方法学
2023-10-12 v1
摘要
过度离散的索赔计数与误测协变量问题在保险业中十分常见。一方面，计数数据中存在过度离散违背了同质性假设；另一方面，协变量中的测量误差凸显了精算实务中的模型风险问题。其后果可能是保费定价不准确，从而对业务竞争力产生负面影响。我们的目标是通过捕捉精算过程中由过度离散结果和误测协变量所引起的观测值之间不可观测的相关性，同时解决这两个建模问题。为此，我们在基于计数的广义线性混合模型（GLMM）与一种流行的非线性建模误差校正工具——Simulation Extrapolation（SIMEX，模拟外推法）——之间建立了新颖联系。我们考虑了一个基于层次贝叶斯范式的建模框架。据我们所知，将层次贝叶斯与 SIMEX 相结合的方法此前未在文献中被讨论过。我们在职场缺勤数据上展示了我们方法的适用性。我们的结果表明，结合 SIMEX 的层次贝叶斯 GLMM 在拟合优度方面优于朴素的 GLMM / SIMEX。
引用
@article{arxiv.2310.07456,
title = {Hierarchical Bayesian Claim Count modeling with Overdispersed Outcome and Mismeasured Covariates in Actuarial Practice},
author = {Minkun Kim},
journal= {arXiv preprint arXiv:2310.07456},
year = {2023}
}