保险损失数据的稳健估计与模型诊断：一种加权似然方法
统计方法学
2022-04-25 v1
摘要
本文提出一种基于得分的加权似然估计器（SWLE），用于对保险损失数据的广义线性模型（GLM）进行稳健估计。SWLE 对离群点表现出有限的敏感性，从理论上证明了其针对模型污染的稳健性。此外，借助专门设计的权重函数有效削弱极端损失对 GLM 参数估计的贡献，大多数统计量仍可解析导出，从而最小化参数校准的计算负担。除稳健估计外，SWLE 还可作为定量诊断工具以检测离群点和系统性模型误设定。受致使保险损失常为随机删失和截断的承保修改所驱动，SWLE 被扩展以容纳删失和截断数据。我们在三个模拟研究和两个真实保险数据集上示例了 SWLE。实证结果表明，若数据集受离群点污染，SWLE 比 MLE 产生更可靠的参数估计。SWLE 诊断工具还以高功效成功检测任何系统性模型误设定，并伴随一些潜在的模型改进。
引用
@article{arxiv.2204.10459,
title = {Robust estimation and model diagnostic of insurance loss data: a weighted likelihood approach},
author = {Tsz Chai Fung},
journal= {arXiv preprint arXiv:2204.10459},
year = {2022}
}