极端阈值的灵活化：基于广义贝叶斯模型平均
环与代数
2025-04-30 v1
摘要
保险产品经常涵盖来自多种来源的重大索赔。为了准确地建模这些产品的损失，精算模型必须考虑高风险索赔。广泛使用的策略是应用混合模型，对给定阈值以下的损失拟合一个分布，并使用极值理论来建模超出阈值的损失。然而，选择合适的阈值仍是一个没有统一解决方案的开放问题。贝叶斯模型平均 (BMA) 提供了一个有前景的替代方案，通过同时考虑多个阈值来实现这一点。本文我们展示了一个误差积分 BMA 算法能够有效检测适应预测变量的异构最优阈值，通过混合模型的组合来实现这一点。该方法通过捕获完整的损失分布并减轻对阈值选择的敏感性来提高模型的准确性。我们使用模拟研究和来自加拿大保险公司的汽车索赔数据集对所提出的方法进行了验证。作为一种特殊案例，我们也研究了均匀设置，即选择单个最优阈值，并将其与基于适合度检验所应用的自动选择算法进行比较。
引用
@article{arxiv.2504.20217,
title = {The Szendrei Expansion of Restriction Semigroupoids},
author = {Rafael Haag and Wesley G. Lautenschlaeger and Thaísa Tamusiunas},
journal= {arXiv preprint arXiv:2504.20217},
year = {2025}
}