Bayesian CART models for aggregate claim modeling
创建于 更新于
摘要
本论文提出了三种贝叶斯分类回归树（BCART）模型用于保险赔付金额的建模，即频率-严重性模型、顺序模型和联合模型，构建了适用于多响应变量的通用BCART框架。通过比较多种分布，发现魏布尔分布优于伽马和对数正态分布，能更好捕捉尾部特性。同时引入顺序BCART和联合BCART模型以反映赔付次数与平均严重性间的依赖关系，优于传统假设独立的频率-严重性模型。模型性能通过仿真实验和真实保险数据验证，并设计了树间相似度评价和模型选择指标以提升模型的解释性和预测效果 [page::0][page::2][page::4][page::7][page::21][page::35][page::39].
