本文建立了索賠次數(shù)的多風(fēng)險類別混合泊松分布。首先,考慮索賠次數(shù)的零膨脹、厚尾性和異質(zhì)性等特征,建立風(fēng)險類別待定的開放式混合泊松分布（OMP分布）,開放式結(jié)構(gòu)使該分布對實際數(shù)據(jù)的多樣特征和風(fēng)險類別具有良好的自適應(yīng)性;其次,定義混合權(quán)重參數(shù)的iSCAD懲罰函數(shù),實現(xiàn)對權(quán)重參數(shù)的篩選;最后,借助EM算法求得分布參數(shù),實現(xiàn)對各風(fēng)險類別下索賠次數(shù)的估計。借助iSCAD懲罰函數(shù),本文給出最優(yōu)混合數(shù),避免傳統(tǒng)混合分布中主觀選擇的弊端,克服傳統(tǒng)混合分布中結(jié)構(gòu)復(fù)雜、參數(shù)估計沒有顯式表達(dá)式、估計結(jié)果不便于解釋等問題。基于三組風(fēng)險特征多樣數(shù)據(jù)的實證分析,本文發(fā)現(xiàn)OMP分布可以顯著改進(jìn)現(xiàn)有模型的擬合效果。 

【文章來源】：統(tǒng)計研究. 2019,36(03)北大核心CSSCI

【文章頁數(shù)】：13 頁

【文章目錄】：
一、引言
二、模型建立
    (一) OMP分布
    (二) 相關(guān)分布
三、參數(shù)估計
    (一) iSCAD懲罰函數(shù)
    (二) EM算法
    (三) 初始值的選取
    (四) 模型評價
四、實例分析
    (一) 零膨脹數(shù)據(jù)
    (二) 厚尾數(shù)據(jù)
    (三) 異質(zhì)性數(shù)據(jù)
五、總結(jié)


【參考文獻(xiàn)】：
期刊論文
[1]零膨脹損失次數(shù)的貝葉斯分位回歸模型[J]. 楊亮,孟生旺.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2017(05)
[2]隨機效應(yīng)零膨脹索賠次數(shù)回歸模型[J]. 孟生旺,楊亮.  統(tǒng)計研究. 2015(11)
[3]指數(shù)類混合型索賠次數(shù)的分布及其應(yīng)用[J]. 毛澤春,劉錦萼.  應(yīng)用概率統(tǒng)計. 2008(01)
[4]免賠額和NCD賠付條件下保險索賠次數(shù)的分布[J]. 毛澤春,劉錦萼.  中國管理科學(xué). 2005(05)



本文編號：3576352