随机损失储备：依赖性与估计
统计方法学
2024-10-22 v1 风险管理
应用统计
摘要
当今保险公司必须考虑业务之间可能的复杂依赖关系。在损失储备领域，已有许多参数和非参数模型试图捕捉业务线之间的依赖性。常见方法是使用 additive background risk models (ABRMs)，通过 common shock model 提供丰富且可解释的依赖结构。然而，ABRMs 往往受限。可能捕捉必要特征的模型可能难以估计参数。例如，某些 Tweedie、稳定分布等模型因缺乏概率密度函数 (例如由于没有闭式似然函数) 而难以估计。我们应用了 [Carrasco and Florens, 2000] 提出的连续广义矩方法 (CGMM) 的一种修改形式，提供与最大似然估计 (MLE) 相当的估计器用于损失储备。我们检查了如 [Avanzi 等, 2016] 提出的模型以及来自稳定分布族的一种相关但新颖的模型。我们的 CGMM 估计方法在 MLE 不实用时提供常规非贝叶斯估计。
引用
@article{arxiv.2410.14985,
title = {Stochastic Loss Reserving: Dependence and Estimation},
author = {Andrew Fleck and Edward Furman and Yang Shen},
journal= {arXiv preprint arXiv:2410.14985},
year = {2024}
}
备注
42 pages. Preprint of paper from author's PhD thesis