对数正态保险赔付强度数据损失模型的稳健估计
统计方法学
2024-02-22 v4
摘要
本学术研究的主要目标是针对受不同损失控制机制（例如保险与金融业中的截断（因免赔额）、删失（因保单限额）与缩放（因共保比例）影响的）对数正态保险赔付强度数据集，开发两种用于均值与方差估计的步骤——最大似然估计量（MLE）与修剪矩法（MTM）。我们推导了赔付-逐赔付与赔付-逐损失数据集的最大似然估计方程，其可由任何现有迭代数值方法轻松求解。这些估计量的渐近分布通过 Fisher 信息矩阵确立。进一步，为兼顾效率与稳健性并去除某些数据点处的点质量，我们针对前述变换数据场景下的对数正态索赔强度模型开发了动态 MTM 估计步骤。我们确立了这些 MTM 估计量的渐近分布性质及其与相应 MLE 的比较，并辅以广泛的模拟研究。仅作说明之用，给出了 1500 个美国补偿损失的数值示例，阐释了本文所确立结果的实用表现。
引用
@article{arxiv.2103.02089,
title = {Robust Estimation of Loss Models for Lognormal Insurance Payment Severity Data},
author = {Chudamani Poudyal},
journal= {arXiv preprint arXiv:2103.02089},
year = {2024}
}