摘要：Buhlmann-Straub最精确信用模型是贝叶斯分析在经验费率厘定中最著名的应用之一.但传统Buhlmann-Straub模型在先验信息不足的条件下,难以得出结构参数的无偏后验估计;长期以来,高维数值计算的困难也使得贝叶斯方法的应用受到极大的限制.本文通过对Buhlmann-Straub模型结构的剖析,引入基于Gibbs抽样的马尔可夫链蒙特卡罗（MCMC）模拟方法,构建出风险保费预测值信用估计的贝叶斯模型.实例分析的结果证明了该模型能够在数据缺失的情况下,动态模拟出有关参数的后验分布,求出缺失参数的后验估计,提高计算的精度,从而有助于更有效地甄别出各保单间的非同质程度.

关键词：信用模型 贝叶斯分析 经验费率 马尔可夫链蒙特卡罗模拟 gibbs抽样 

单位：南京理工大学经济管理学院; 南京210094; 湖南大学统计学院; 长沙410079