مدل
ناپارامتری بیزی و کاربرد آن در پیشبینی خسارت بیمه
چکیده
پیشبینی خسارت بیمه یکی از محورهای همیشگی علوم بیمه آماری (اكچوئری)
در بخش بیمه بوده است. به دلیل وجود ویژگیهای پیچیده مانند چولگی، دم
بلند و چند مُدی، معمولاً استفاده از مدلهای پارامتری رایج برای توصیف توزیع خسارت کافی نیست و مستلزم
استفادهی معقولانه از روشهای بیزی میباشد. در این مطالعه، ما مدل آمیخته گاوسی را بر اساس احتمالات پیشین فرآیند دیریکله
بررسی میکنیم. با استفاده از سه مجموعه داده
بیمه اتومبیل، ما از روش Probit stick-breaking
برای گنجاندن تأثیر متغیرهای کمکی در وزن مولفه آمیخته استفاده
میکنیم، ساختار سلسله مراتبی آن را بهبود میدهیم و یک مدل ناپارامتری بیزی پیشنهاد
میدهیم که میتواند الگوی رگرسیون منحصر به فرد نمونههای مختلف را شناسایی کند. علاوه بر این، برای اعمال تقریب بهبودیافته، الگوریتم بهروزرسانی پیشرفته نمونهگیری برشی در مدل متناهی
آمیخته ادغام میشود. ما چارچوب خود را با
چهار تکنیک رگرسیون عمومی مقایسه می کنیم: سه مدل خطی تعمیمیافته
و یک مدل ANOVA وابسته به فرآیند دیریکله. نتایج آزمایشات نشان میدهند که چارچوب پیشنهادی
به صورت انعطافپذیر توزیع زیان واقعی در مجموعههای داده بیمه را توصیف میکند و عملکرد
برتر را در درستی برازش داده و پیش بینیهای برونیابی نشان میدهد، بنابراین استفاده
از روشهای بیزی در بخش بیمه را تا حد زیادی رواج میدهد.
کلمات کلیدی:
مدل ناپارامتری بیزی، آمیخته فرآیند دیریکله، Probit stick-breaking، نمونهگیری برشی (ورقه ورقه شده)، زیان غیرصفر
Link: https://faratarjome.ir/u/news/مدل-ناپارامتری-بیزی-و-کاربرد-آن-در-پیشبینی-خسارت-بیمه9.html