One-Shot Individual Claims Reserving
创建于 更新于
摘要
本论文提出基于链梯法（chain‑ladder）的一次性（one‑shot）微观（个案）准备金预测框架：以投影到终值（PtU）因子为核心，将PtU因子从聚合比率问题提升为回归/机器学习问题，从而实现对已报未结（RBNS）个案的一次性终值预测；在两个5×5小样本数据集中发现，简单的线性回归在预测性能与计算效率上均优于或可匹敌复杂神经网络，并且可通过个案历史自助法（individual history bootstrap）评估估计不确定性 [page::0][page::34].
