本项目采用的贝叶斯统计推断技术在拟合未来损失或资产收益的分布时,使用贝叶斯MCMC(Markov Chain Monte Carlo)算法形成一个测分布的随机样本,这种随机性就从方法论上将参数的不确定性问题纳入考虑范畴。而基于模型边缘似然的贝叶斯因子为模型是否是产生观察数据的真正随机机制,提供了简洁直观的判断标准,可实时预警所设模型的适用性和优劣性。这些技术方法再结合优选熵风险中性转换模型,基于王变换再抽样的风险中性模拟技术,和基于收敛抽样样本的数值模拟技术,为防范参数和模型不确定性风险提供关键的技术手段,能大幅提高产品定价和资本要求风险度量的精度,对结构复杂的新型寿险产品的开发和风险管理都将具有非常重要的意义。
本项目采用的贝叶斯统计推断技术在拟合未来损失或资产收益的分布时,使用贝叶斯MCMC(Markov Chain Monte Carlo)算法形成一个来自预测分布的随机样本,这种随机性就从方法论上将参数的不确定性问题纳入考虑范畴。而基于模型边缘似然的贝叶斯因子为模型是否是产生观察数据的真正随机机制,提供了简洁直观的判断标准,可实时预警所设模型的适用性和优劣性。这些技术方法再结合优选熵风险中性转换模型,基于王变换再抽样的风险中性模拟技术,和基于收敛抽样样本的数值模拟技术,为防范参数和模型不确定性风险提供关键的技术手段,能大幅提高产品定价和资本要求风险度量的精度,对结构复杂的新型寿险产品的开发和风险管理都将具有非常重要的意义。