含缺失數(shù)據(jù)的未決賠款準(zhǔn)備金評(píng)估案例分析

未決賠款準(zhǔn)備金是保險(xiǎn)公司準(zhǔn)備金中重要的組成部分，缺失數(shù)據(jù)會(huì)對(duì)準(zhǔn)備金的估計(jì)結(jié)果產(chǎn)生嚴(yán)重影響。本文對(duì)含有缺失數(shù)據(jù)的非壽險(xiǎn)未決賠款準(zhǔn)備金進(jìn)行具體案例分析，首先通過(guò)SPSS軟件，利用多重插補(bǔ)法進(jìn)行插補(bǔ)得到完整數(shù)據(jù)集，然后運(yùn)用準(zhǔn)備金進(jìn)展法對(duì)不同缺失率下的插補(bǔ)完整數(shù)據(jù)集進(jìn)行未決賠款準(zhǔn)備金估計(jì)，最后對(duì)不同缺失率下得到的未決賠款準(zhǔn)備金估計(jì)值進(jìn)行對(duì)比分析。

缺失率 多重插補(bǔ)

未決賠款準(zhǔn)備金 準(zhǔn)備金進(jìn)展法

原始數(shù)據(jù)

本文所采取原始數(shù)據(jù)來(lái)源于《非壽險(xiǎn)精算（第二版）》324頁(yè)表19-2，該樣本數(shù)據(jù)因?yàn)槠涿恳皇鹿誓甑乃髻r進(jìn)展趨勢(shì)都較為平穩(wěn)，易于分析研究。具體數(shù)據(jù)如表1和表2所示：

用R語(yǔ)言分別隨機(jī)構(gòu)造缺失率為5%、10%、15%的缺失數(shù)據(jù)，并通過(guò)SPSS軟件進(jìn)行多重插補(bǔ)，為方便觀察，在此我們只寫出插補(bǔ)數(shù)據(jù)，形式為：插補(bǔ)值缺失率。多重插補(bǔ)結(jié)果如表3、表4所示：

求出原始數(shù)據(jù)未決賠款準(zhǔn)備金的估計(jì)值，以及在不同缺失率下的多重插補(bǔ)法所得數(shù)據(jù)的未決賠款準(zhǔn)備金的估計(jì)值，如表5所示：

對(duì)多重插補(bǔ)法進(jìn)行分析，發(fā)現(xiàn)在5%缺失率時(shí)，所得結(jié)果相對(duì)誤差為2.5%，在10%缺失率時(shí)，所得結(jié)果相對(duì)誤差稍微增加，為2.62%，而當(dāng)缺失率為15%時(shí)，相對(duì)誤差為5.77%。隨著缺失率的增加，所得結(jié)果的相對(duì)誤差也在增加。在三組缺失率中，當(dāng)缺失率為5%時(shí)，相對(duì)誤差最小。

結(jié)論

本文主要研究了含有缺失值的未決賠款準(zhǔn)備金評(píng)估問(wèn)題，為了處理流量三角形中的缺失值問(wèn)題，本文首先使用R語(yǔ)軟件言構(gòu)造了不同缺失率的缺失數(shù)據(jù)，并保留原始數(shù)據(jù)形成對(duì)照組。通過(guò)SPSS軟件運(yùn)用多重插補(bǔ)法來(lái)填補(bǔ)缺失值。然后結(jié)合準(zhǔn)備金進(jìn)展法，對(duì)未決賠款準(zhǔn)備金估計(jì)值結(jié)果進(jìn)行對(duì)比分析。得出結(jié)論：在含有缺失數(shù)據(jù)的非壽險(xiǎn)未決賠款準(zhǔn)備金評(píng)估中，多重插補(bǔ)法插補(bǔ)效果精確，并在缺失率小的情況下插補(bǔ)效果更加明顯。

[1]Lane F Burgette and Jerome P Reiter.Multiple Imputation for Missing Data via Sequential Regression Trees.Practice of Epidemiology，2010，172：1070-1076.

[2]Mark A. FerroJ]. Annals of Epidemiology，2014，24（1）：75-77.[4]龐新生. 缺失數(shù)據(jù)插補(bǔ)處理方法的比較研究[J]. 統(tǒng)計(jì)與決策. 2012（24）：18-22.

[3]閆春，李延星，孫曉紅，劉志博.考慮離群值的非壽險(xiǎn)準(zhǔn)備金案均賠款法[J].保險(xiǎn)研究，2015（11）：15-24.

[4]李璐. 基于R語(yǔ)言的缺失值填補(bǔ)方法[J]. 統(tǒng)計(jì)與決策. 2012（17）：72-74.

作者簡(jiǎn)介：楊曉偉（1994年-），女，漢族，山東濟(jì)南人，山東科技大學(xué)，碩士研究生，研究方向：保險(xiǎn)精算