以Kumaraswamy密度加权的索赔严重程度模型的L估计
统计方法学
2024-12-16 v1 统计理论
应用统计
统计计算
统计理论
摘要
索赔严重程度分布的统计建模对于保险和风险管理至关重要，在那里在参数估计中实现鲁棒性与效率之间的平衡是关键的，以应对模型污染。在文献中，修剪矩法(MTM)和修剪矩法(MWM)是常用的L估计方法，但它们受到刚性加权方案的限制，这些方案要么丢弃，要么均匀地对极端观察值进行下权重，从而限制了其自定义适应性。本文提出了一个以Kumaraswamy密度加权的灵活鲁棒L估计框架，提供了平滑变化的观察特定权重，在保留有价值信息的同时提高了鲁棒性和效率。该框架为参数索赔严重程度模型开发，包括Pareto、lognormal和Fr\'e}chet分布，并在渐近正态性和方差-协方差结构方面提供了理论依据。通过仿真和对美国赔偿损失数据集的应用，所提出的方法在处理异常值和厚尾分布方面优于MTM、MWM和MLE方法，表明它是损失严重程度建模的一个灵活可靠的替代方案。
关键词
引用
@article{arxiv.2412.09830,
title = {$L$-estimation of Claim Severity Models Weighted by Kumaraswamy Density},
author = {Chudamani Poudyal and Gokarna R. Aryal and Keshav Pokhrel},
journal= {arXiv preprint arXiv:2412.09830},
year = {2024}
}