Statistical Learning of Trade Credit Insurance Network Data with Applications to Ratemaking and Reserving
针对贸易信用保险索赔数据复杂、预测建模不足的问题，提出双变量网络增强广义线性混合模型及可扩展随机期望最大化算法，显著提升模型拟合与预测精度，助力费率厘定与准备金计提。
2025-09-25 stat.AP
Quantum Amplitude Estimation for Catastrophe Insurance Tail-Risk Pricing: Empirical Convergence and NISQ Noise Analysis
本文研究量子幅值估计在灾难保险尾部风险定价中的应用，通过实验证明其在尾部风险估计中的优势，指出离散化是当前瓶颈。
2026-03-10 cs.AI cs.CE stat.AP
Tweedie Gradient Boosting for Extremely Unbalanced Zero-inflated Data
Tweedie的复合泊松模型是一个流行的方法来模拟保险索赔的概率质量为零和非负，高度右偏分布。特别是，零索赔比例过大的极不平衡数据并不罕见，即使是传统的Tweedie模型也可能无法令人满意地拟合数据。在本文中，我们提出了一个助推辅助零膨胀Tweedie模型，称为EMTboost，允许零概率质量超过传统模型。我们在其Tweedie模型组件上做了一个非参数假设，与线性模型不同，它能够捕捉预测变量之间的非线性、不连续性和复杂的高阶相互作用。开发了一种专门的期望最大化算法，该算法集成了分块坐标下降策略和梯度树提升算法来估计关键模型参数。我们使用大量的模拟和数据分析的合成零膨胀的汽车保险索赔数据来说明我们的方法的预测性能。
2019-11-15 stat.CO stat.ME
Quantum support vector regression for disability insurance
我们提出了一个混合的经典-量子方法建模转移概率在健康和残疾保险。将逻辑失能起始概率的建模表示为支持向量回归问题。使用量子特征映射，数据被映射到属于量子特征空间的量子态，其中相关联的核由量子态之间的内积确定。这个量子核可以在量子计算机上有效地估计。我们在IBM Yorktown量子计算机上进行实验，将模型拟合到瑞典保险公司的残疾初始数据。
2021-09-03 stat.CO
Approximate Bayesian Computation and Model Validation for Repulsive Spatial Point Processes
在许多涉及空间点模式的应用中，我们发现了抑制或排斥的证据。最常用的一类模型，这样的设置是吉布斯点过程。最近的一个替代方法，至少对统计界来说，是决定点过程。在这里，我们研究模型拟合和推理这两类过程中的贝叶斯框架。虽然可以使用通常的MCMC模型拟合，但算法很复杂，并且并不总是表现良好。我们建议使用近似贝叶斯计算（ABC）这样的拟合。这种方法变得很有吸引力，因为虽然可能性对于这些过程来说非常具有挑战性，但是给定参数值的实现的生成相对简单。因此，ABC拟合方法非常适合这些模型。此外，这种模拟使它们非常适合后验预测推理以及模型评估。我们提供了所有上述的细节，以及一些模拟调查和一个说明性的分析点模式的树数据表现出排斥。补充材料中包括R代码和数据集。
2016-08-26 stat.CO stat.ME
Goodness-of-fit statistics for approximate Bayesian computation
近似贝叶斯计算是一种统计框架，它使用数值模拟来校准和比较模型。近似贝叶斯计算依赖于数值模拟，而不是计算似然函数，这使得它适用于生态学和进化中的复杂模型。与统计建模一样，评估拟合优度是近似贝叶斯计算的基本步骤。在这里，我们介绍了一种基于假设检验的拟合优度方法。我们引入了两个检验统计量的基础上的平均距离之间的数值汇总的数据和模拟的。一个检验统计量依赖于用先验预测分布模拟的汇总，而另一个依赖于后验预测分布的模拟。对于不同的聚结模型，我们发现，统计校准良好，这意味着第一类错误可以控制。然而，两种统计量的统计功效在20%至100%的模型中变化极大。在人口推断模型中，这两种统计数据之间的功效差异可以忽略不计，但在一个额外的纯统计示例中，差异很大。在分析重新排序数据以评估人类人口模型时，这两个统计数据证实，亚洲和欧洲数据不能排除非洲以外的瓶颈。我们还考虑了两种形态的蝴蝶物种复杂的背景下模型。一个拟合优度统计量表明两个模型的拟合差，使用后验预测检查确定了导致拟合差的数值总结。拟合优度的统计检验应促进近似贝叶斯计算中模型拟合的评估。基于先验预测分布模拟的检验统计量在R abc包的gfit函数中实现。
2016-01-15 stat.ME
Marked Cox Models for IBNR Claims Count: Continuous and Discretized Approaches with Dirichlet-Driven Reporting Delays
University of Toronto（多伦多大学）
本文提出了一种基于隐马尔可夫模型的标记Cox模型，通过连续和离散化方法结合Dirichlet分布，改进IBNR索赔数的估计精度。
2024-09-19 stat.AP
Adversarial Variational Bayes Methods for Tweedie Compound Poisson Mixed Models
特威迪复合泊松-伽马模型通常用于对离散概率质量为零的非负连续数据进行建模。具有随机效应的混合模型说明了与数据中的分组层次相关的协方差结构。Tweedie混合模型的一个重要应用是为保险单定价，例如汽车保险。然而，棘手的似然函数，未知的方差函数，以及混合效应的层次结构，提出了相当大的挑战，在特威迪的推论。在这项研究中，我们通过变分推断方法来处理贝叶斯Tweedie混合效应模型。特别是，我们通过在对抗环境中训练的隐式模型来增强后验近似。为了减少梯度的方差，我们重新参数化随机效应，并整合出Tweedie的一个局部潜变量。我们还采用了灵活的超先验，以确保近似的丰富性。我们的方法进行评估模拟和真实世界的数据。结果表明，与传统的MCMC等推理方法相比，该方法对随机效应的估计偏差更小，预测性能更好，同时提供了更丰富的方差函数估计。
2019-02-03 stat.AP stat.ML
A Copula Based Bayesian Approach for Paid-Incurred Claims Models for Non-Life Insurance Reserving
我们的文章认为，最近开发的随机模型，结合索赔支付和发生的损失信息到一个连贯的准备金方法。特别地，我们结合Hertig et al.（1985）和Gogol et al.（1993）的索赔准备金模型，发展了一个分层贝叶斯支付-发生-索赔模型族。在这个过程中，我们扩展了Merz等人（2010）的独立对数正态模型，通过使用数据增强混合Copula支付-发生索赔模型来合并不同的依赖结构。将支付和已发生的损失纳入未偿损失负债和由此产生的准备金的完整预测分布的估计中的效用和影响在以下情况下得到证明：（i）独立支付（P）数据模型;（ii）Merz等人（2010）的独立支付-已发生索赔（PIC）数据模型;（iii）一种新的相关滞后年伸缩块对角高斯Copula PIC数据模型，通过变换结合共轭;（iv）一种新的数据增强混合阿基米德Copula相关PIC数据模型。通过一类自适应马尔可夫链蒙特卡罗抽样算法，在这样的模型中的推理。这些方法结合了一个数据增强框架，用于有效地评估基于Copula的PIC模型在损失预留三角形中的可能性。自适应策略基于由对称矩阵的指数表示正定协方差矩阵，如Leonard等人（1992）所提出的。
2012-12-09 q-fin.RM stat.AP stat.CO
Bayesian Analysis of Loss Ratios Using the Reversible Jump Algorithm
本文研究了一类保险赔付率模型的选择问题。我们使用一个可逆的跳跃算法，我们的模型歧视，并显示如何香草可逆跳跃算法可以改进使用可逆跳跃计算的最新方法进展。
2011-01-06 stat.AP stat.CO
Fitting logistic multilevel models with crossed random effects via Bayesian Integrated Nested Laplace Approximations: a simulation study
拟合具有二进制响应的交叉分类多水平模型具有挑战性。在这种情况下，一个有前途的方法是贝叶斯推断通过集成嵌套拉普拉斯近似（INLA），它在几个潜变量模型中表现良好。因此，我们设计了一个系统的模拟研究，以评估INLA的性能与交叉分类的logistic数据下定义的随机效应方差的大小，观察的数量，集群的数量，和交叉分类的程度不同的情况下。在模拟中，INLA与流行的极大似然法通过拉普拉斯近似进行了系统的比较。通过对经典蝾螈交配数据的应用，我们比较了INLA与最佳性能的方法。考虑到计算速度和一般良好的性能，INLA原来是一个有价值的方法来拟合所考虑的交叉分类模型。
2016-07-20 stat.CO
Bayesian spatially varying coefficient models in the spBayes R package
本文描述并说明了spBayes（版本0.4-2）R包中用于拟合空间变系数模型的新功能。新的spSVC函数使用计算效率高的马尔可夫链蒙特卡罗算法，并扩展了仅拟合空间变化截距回归模型的当前spBayes函数，以拟合回归设计矩阵中任意列集的独立或多元高斯过程随机效应。讨论并演示了spSVC的新添加的OpenMP并行化选项，以及用于联合和逐点预测以及模型拟合诊断的帮助函数。所提出的模型的效用说明使用PM10分析在中欧。
2019-12-30 stat.CO
Churn modeling of life insurance policies via statistical and machine learning methods -- Analysis of important features
TU Dortmund University（多特蒙德工业大学）
人寿保险公司通常拥有涵盖多个系统和数据库的大量数据。这些数据通常用于分析过去和描述现在。考虑到过去，对未来的预测大多是通过传统的统计方法。到目前为止，仅进行了一些尝试来通过机器学习方法进行估计。在这项工作中，在两个部分股票的客户的个人合同取消行为建模的各种分类方法的援助。部分股票的私人养老金和养老金政策被认为是。我们描述了用于建模的数据，它们的结构以及它们的清洗方式。所使用的模型进行校准的基础上，广泛的调整过程，然后以图形方式评估其拟合优度和一个变量的相关性概念的帮助下，我们调查哪些功能显着影响个人合同取消行为。
2022-02-18 cs.LG stat.AP stat.CO
New Bayesian method for estimation of Value at Risk and Conditional Value at Risk
本文提出一种新贝叶斯方法，利用极值理论和高度信息丰富的先验，通过Metropolis-Hastings算法估计金融保险领域的风险价值与条件风险价值，并通过模拟和实例验证了其准确性与实用性。
2023-06-21 stat.CO stat.ME
Bayesian Bell regression model for fitting of overdispersed count data with application
本研究针对过度离散计数数据的分析需求，提出结合G-先验与平坦正态先验的贝叶斯Bell回归模型，经模拟与真实数据验证，G-先验估计效果更优，为计数数据分析的先验选择提供参考。
2024-03-11 stat.AP stat.CO
A Bayesian approach for fitting semi-Markov mixture models of cancer latency to individual-level data
本文提出一种基于数据增广MCMC的完全贝叶斯方法，将半马尔可夫混合模型拟合至个体水平数据，用于量化不确定性、模型选择及估计癌症筛查过度诊断率，并在模拟数据与美国乳腺癌监测联盟数据上验证了有效性。
2025-08-13 stat.AP stat.CO stat.ME
