基于参数和非参数贝叶斯的风险边际分位数函数

分位数回归揭示了上分位数或下分位数的r espo NSE之间的关系，这对估计保险和金融应用中的风险边际和VaR具有重要意义。与均值回归相比，它对重尾数据更为稳健。我们比较了参数分位数回归和非参数分位数回归的性能。在参数化工作中，我们建立了五个模型，即AL、PP、GB2、GG和gamma。AL模型提供了最好的结果。我们还研究了三种不同的回归结构，即ANCOVA、ANOVA和泊松二次回归。方差分析模型在我们的实证数据研究中表现最好。此外，我们采用了最佳性能med模型，即带有方差分析均值和方差函数的AL模型来估计风险边际。带有动态形状参数p的广义AL模型为我们提供了一种数学上一致的估计风险边际的方法。总的来说，我们的研究结果表明，这种新的风险边际框架为准备金目的提供了相当大的潜在收益。然而，缺点是当数据稀少时，分位数函数可能在极端分位数处过度交叉。极端分位数可能无法准确估计。虽然这个问题还没有简单的解决方案，但我们相信在使用这个框架时意识到这个局限性是很重要的。参考文献[1]澳大利亚审慎监管局，审慎标准GPS 320，精算及相关事项。（2012年5月）。http://www.apra.gov.au/CrossIndustry/Consultations/Documents/Draft-GPS-320-Actuarial-and[2] N.H.宾厄姆、C.M.戈尔迪和Teugels，J.L.（1989）规则变量。剑桥大学出版社。[3] 蔡，Y.（201 0）多项式幂帕累托分位数函数模型。极端，13291-314。[4] Claeskens，G和Hjort，N.L.（2008）。模型选择和模型平均，剑桥。[5] 克鲁兹，M.G.和彼得斯，G.W。

Shevchenko，P.V.（2014）《重尾风险建模的进展：操作风险手册》，John Wiley&Sons。[6] 康明斯，J.D.，麦克唐纳，J.B.和克雷格，M.（2007）风险损失分布和损失准备金支付尾部建模。《应用经济学评论》，3（1-2），1-23。[7] Chan，J.S.K.，Choy，S.T.B.和Makov，U.E.（2008）使用广义T分布对损失准备金数据进行稳健贝叶斯分析。《阿斯汀公报》，38（1），207-230。[8] Dong，A.X.D.和Chan，J.S.K.（2013）使用具有广义b eta分布的动态模型对损失准备金进行贝叶斯分析。保险：数学与经济学，53（2），355-365。[9] Denison，D.G.T.，Holmes，C.C.，Mallick，B.K.和Smith，A.F.M.（2002）非线性分类和回归的贝叶斯方法Wiley。[10] de Alba，E.（2002）未决索赔准备金的贝叶斯估计。《北美精算杂志》，6（4），1-20。[11] Engle，R.和Manganelli，S.（2004）鱼子酱：根据回归分位数的条件自回归风险值。《商业与经济统计杂志》，22（4），367-381。[12] 古韦茨，M.J.，达恩，J.，德谢珀，A.，2000年。现值函数的随机上界。《风险与保险理论杂志》，67（1），1-14。[13] 胡勇，格里马克·Y，R.B.，和廉，H.（2012）。单指数模型的贝叶斯分位数回归。《统计与计算》，23（4），437-454。[14] Kaas，R.，Dhaene，J.，和Goovaerts M.（2000）随机变量和的上界和下界。保险：数学与经济学，27（2），151-168。[15] Koenker，R.和K.Hallock（2001）分位数回归：导论。《经济展望杂志》，15143-156。[16] K.马歇尔、S.柯林斯、M.霍德森和O\'Dowd C。

（2008）评估风险边际的框架。由澳大利亚精算师协会风险保证金工作组编制，第16届普通保险研讨会，2008年11月9日至12日，澳大利亚库勒姆。[17] 纳尔逊、查尔斯·R.和安德鲁·F·西格尔。（1987）产量曲线的简约建模。商业杂志60（4），473-489。[18] Ntzoufras，I.和Dellaportas，P.（2002）未偿索赔准备金的贝叶斯建模纳入公司评级索赔计数不确定性。《北美精算杂志》，6（1），113-128。[19] Paulson，A.S.和Fa ris，N.J.（1985）衡量年度总索赔额分布的实用方法。康明斯，J.D.教育，财产责任保险的战略规划和建模。马萨诸塞州诺威尔：KluwerAcademic出版社。[20] Peters G.W.，Shevchenko P.V.，Wuthrich M.V.（2009）在两个复合泊松模型中保留索赔的模型不确定性。《阿斯汀公报》，39（1），1-33。[21]Peters，G.W.，Byrnes，A.D.和Shevchenko，P.V.（2011）运营风险保险的影响：是否值得为严重损失投保或投保？。保险：数学与经济学，48（2），287-303。[22]Peters，G.W.，Shevchenko，P.V.，Young，M.和Yip，W.（2011）α-稳定双随机复合过程操作风险的分析损失分配方法模型及对资本分配的影响。保险：数学与经济学，49（3），565-579。[23]Peters，G.W.，Targino，R.S.和Shevchenko P.V.（2013）理解运营风险资本近似值：一阶和二阶。治理与监管（特邀发行第八届国际会议“银行业的国际竞争：理论与实践”，乌克兰苏米），2（3），58-79。[24]Smith，A.F.M.和Roberts，G.O.（1993）B通过Gibbs采样器和相关马尔科夫链蒙特卡罗方法进行的ayesian计算。

《皇家统计学会杂志》，B辑，55，3-23。[25]Spiegelhalter，D.，Thomas，A.和B est，N.（2000）使用Windows版本的Gibs采样进行贝叶斯推断（WinBugs），使用MCMC方法和Gibbs采样器进行贝叶斯分析的软件。http://www.mrc-bsu.cam.ac.uk/bugs/.[26]Spiegelhalter，D.，Best，N.G.，Carlin，B.P.和Van der Linde，A.（2002）模型复杂性和拟合的贝叶斯度量。（附讨论），皇家统计学会杂志B，64583-616。[27]Stacy，E.W.（1962）伽马分布概论，《数理统计年鉴》，331187-92。[28]Gyorgy，S.和Shaw W.T.（2008）分位数力学。《欧洲应用数学杂志》，19（2），87-112。[29]Taylor，G.C.（2000）损失准备金：精算观点（波士顿：Kluwer学术出版社）。[30]Ver rall，R.J.和Wuthrich，M.（2013）索赔准备金中参数减少的可逆跳跃马尔可夫链蒙特卡罗方法。《北美精算杂志》（即将出版）[31]俞，K.，张，J.（2005）。三参数非对称拉普拉斯分布及其推广。《统计学理论与方法通讯》，34（9），18 67-1879。[32]张勇，杜基奇诉古斯扎J.（2012）。预测保险赔付的贝叶斯非线性模型。《皇家统计学会杂志》，A，175，1-20。[33]Yu，K.，Moyeed，R.A.（2001）。贝叶斯分位数回归。和概率统计学家。附录I图18：以色列付款数据图19:QLD CTP付款数据