关于 CAS 专著系列
CAS 专著是权威的、经过同行评审的、深入的著作，重点关注财产和意外险精算实践中的重要主题。首部专著《使用贝叶斯 MCMC 模型进行随机损失准备》于 2015 年 XNUMX 月出版。
CAS 专著系列计划实现了对现有 CAS 文献进行重要补充的目标，每本专著均能够全面论述单一主题。
这些专著只是 CAS 为其成员提供相关信息、研究和资源的一种方式，他们可以直接在工作中应用这些信息、研究和资源，以促进职业发展。
专著编辑委员会
布兰登史密斯， 椅子
马可·德·维吉利斯
阿里·伊斯哈格
珍妮丝·杨（Janice Young）
赵雨涵
朱婷
出版专著
CAS 专著第 16 号——从广义线性模型到综合保险定价：技术与挑战
作者：艾伦·查克、大卫·迪肯、蒙特塞拉特·吉伦和马克斯·马蒂内利
《从广义线性模型到综合保险定价》一书着重探讨了精算师在制定费率方案时面临的实际挑战。作者将严谨的统计学方法与实践经验相结合，提供了一个全面、现代的框架，用于构建透明、可靠且高效的保险定价模型。
《从广义线性模型到综合保险定价》一书着重探讨了精算师在制定费率方案时面临的实际挑战。作者将严谨的统计学方法与实践经验相结合，提供了一个全面、现代的框架，用于构建透明、可靠且高效的保险定价模型。
CAS专著第15号——资本建模与投资组合管理导论
约翰·A·梅杰和斯蒂芬·J·米尔登霍尔著
《资本建模与投资组合管理导论》是一本全面介绍财产险领域资本模型构建、理解和应用的指南。本书提出了一个统一的框架，整合了定价、再保险策略、资本充足率、绩效衡量和投资组合优化等内容。本书涵盖的主题包括：业务运营、资本充足率和风险来源、定价和分配、频谱风险度量以及资本模型评估。
《资本建模与投资组合管理导论》是一本全面介绍财产险领域资本模型构建、理解和应用的指南。本书提出了一个统一的框架，整合了定价、再保险策略、资本充足率、绩效衡量和投资组合优化等内容。本书涵盖的主题包括：业务运营、资本充足率和风险来源、定价和分配、频谱风险度量以及资本模型评估。
CAS 专著第 14 号 - 精算师实用混合模型
作者：Ernesto Schirmacher，博士，FSA，CSPA
《精算师实用混合模型》向精算师介绍了强大的混合模型框架，该框架通过融入可信度原则，扩展了线性和广义线性模型。一些著名的可信度模型被证明是线性混合模型的特例，这使得精算师能够利用标准统计工具来评估、改进和扩展这些模型。随后，本书介绍了广义线性混合模型，它放宽了线性混合模型的一些约束，使其在保险行业中得到更广泛的应用。
《精算师实用混合模型》向精算师介绍了强大的混合模型框架，该框架通过融入可信度原则，扩展了线性和广义线性模型。一些著名的可信度模型被证明是线性混合模型的特例，这使得精算师能够利用标准统计工具来评估、改进和扩展这些模型。随后，本书介绍了广义线性混合模型，它放宽了线性混合模型的一些约束，使其在保险行业中得到更广泛的应用。
CAS 专著第 13 号 - 惩罚回归和套索可信度
预测模型在保险行业中发挥着至关重要的作用，广义线性模型 (GLM) 通常用于频率、严重程度和纯保费损失建模。然而，传统 GLM 的一个关键限制是它们无法有效地纳入精算可信度，因为它们假设无论样本量如何，数据都是完全可信的。这可能会导致结果不理想，尤其是对于数据有限的细分市场，因为 GLM 估计本身不会根据波动性或缺乏可信度进行调整。
为了解决这个问题，本文引入了惩罚回归，特别是套索惩罚，作为将可信度纳入预测模型的解决方案。套索回归是一种“可信度加权”程序，允许精算师通过减少对大型数据集的依赖来更有效地管理数据约束。该方法符合精算实践标准第 25 号 (ASOP 25)，并要求从传统的 p 值分析转向基于可信度的模型系数解释。
本专著介绍了套索可信度的实际应用，以及它如何帮助同时评估系数的显著性和大小，而 GLM 则只关注统计显著性。讨论包括直观的实施指导，强调了调整惩罚参数比传统 p 值评估的简单性和稳健性。
该专著已被纳入考试 8 的教学大纲。
为了解决这个问题，本文引入了惩罚回归，特别是套索惩罚，作为将可信度纳入预测模型的解决方案。套索回归是一种“可信度加权”程序，允许精算师通过减少对大型数据集的依赖来更有效地管理数据约束。该方法符合精算实践标准第 25 号 (ASOP 25)，并要求从传统的 p 值分析转向基于可信度的模型系数解释。
本专著介绍了套索可信度的实际应用，以及它如何帮助同时评估系数的显著性和大小，而 GLM 则只关注统计显著性。讨论包括直观的实施指导，强调了调整惩罚参数比传统 p 值评估的简单性和稳健性。
该专著已被纳入考试 8 的教学大纲。
CAS 专著第 12 号 - 精算师和企业风险管理：整合储备金变动性
作者：Mark R. Shapland 和 Jeffrey A. Courchene
各种储备变动模型的开发主要由量化储备不确定性的需求所驱动。《精算师与企业风险管理：整合储备变动》超越了量化，并探讨了储备变动的其他方面，以便将这些关键风险指标更全面地整合到更大的企业风险管理框架中。它使用案例研究来讨论和说明将定期储备和储备变动分析的输出整合到更广泛的企业风险管理流程中的过程。这种方法的结果包括产生有价值的绩效指标，并加强精算职能部门与其他保险职能部门之间的沟通渠道，这两者对管理层都很有价值。
各种储备变动模型的开发主要由量化储备不确定性的需求所驱动。《精算师与企业风险管理：整合储备变动》超越了量化，并探讨了储备变动的其他方面，以便将这些关键风险指标更全面地整合到更大的企业风险管理框架中。它使用案例研究来讨论和说明将定期储备和储备变动分析的输出整合到更广泛的企业风险管理流程中的过程。这种方法的结果包括产生有价值的绩效指标，并加强精算职能部门与其他保险职能部门之间的沟通渠道，这两者对管理层都很有价值。
CAS 专著第 11 号 - 联邦所得税 - 影响财产和意外险保险公司的条款：对 1988 年 Almagro/Ghezzi 论文和 2007 年 Feldblum 论文的更新
作者：Arlene M. Richardson，FCAS、MAAA 和 Joel S. Chansky，FCAS、MAAA
本文概述了 2017 年联邦所得税立法（称为《减税与就业法案》，本文中称为“2017 FITL”）中影响财产和意外伤害保险公司的关键条款，这些条款均自 31 年 2017 月 1986 日之后开始的纳税年度生效。其中一些条款影响所有企业纳税人，而另一些条款则仅适用于财产和意外伤害保险公司。本文的重点是税后收入以及财产和意外伤害保险公司在优化税后收入时可能考虑的策略。本文中的税收计算是在较高层面上进行的，并非旨在捕捉实际纳税申报表的所有细微差别和细节。相反，这些示例和计算旨在说明税法变化的影响，以及不同的投资和定价策略对税后收入的影响。本文第一部分介绍了2017年和1986年联邦税收主要变化的背景信息以及这些变化对财产和意外险保险公司的影响。1986年税收改革法案（本文中称为“2017年FITL”）是31年FITL之前联邦税法的最后一次重大变化。历史背景对于理解我们的处境很重要。我们还提供了一家名义公司截至2017年2017月2017日的损益表和资产负债表，并以此为基础测试2017年FITL各项变化的影响。本文第二部分重点关注2018年FITL对财产和意外险保险公司投资策略的影响。本文第三部分a）重点关注财产和意外险保险公司边际税率和损失准备金折现规则的变化，以及b）量化这些变化对名义公司税后收入的影响。本文的第四部分也是最后一部分讨论了财产和意外险保险公司的定价考虑因素，并说明了 2017 年 FITL 之前和之后的税后收入（以内部收益率表示）。本文提供了一种示例方法，用于量化 2017 年保费率的百分比变化，以实现与 2018 年 FITL 通过之前用于公布 XNUMX 年保费率的定价模型相同的内部收益率，其中仅将税法变化作为“变量”。
本文概述了 2017 年联邦所得税立法（称为《减税与就业法案》，本文中称为“2017 FITL”）中影响财产和意外伤害保险公司的关键条款，这些条款均自 31 年 2017 月 1986 日之后开始的纳税年度生效。其中一些条款影响所有企业纳税人，而另一些条款则仅适用于财产和意外伤害保险公司。本文的重点是税后收入以及财产和意外伤害保险公司在优化税后收入时可能考虑的策略。本文中的税收计算是在较高层面上进行的，并非旨在捕捉实际纳税申报表的所有细微差别和细节。相反，这些示例和计算旨在说明税法变化的影响，以及不同的投资和定价策略对税后收入的影响。本文第一部分介绍了2017年和1986年联邦税收主要变化的背景信息以及这些变化对财产和意外险保险公司的影响。1986年税收改革法案（本文中称为“2017年FITL”）是31年FITL之前联邦税法的最后一次重大变化。历史背景对于理解我们的处境很重要。我们还提供了一家名义公司截至2017年2017月2017日的损益表和资产负债表，并以此为基础测试2017年FITL各项变化的影响。本文第二部分重点关注2018年FITL对财产和意外险保险公司投资策略的影响。本文第三部分a）重点关注财产和意外险保险公司边际税率和损失准备金折现规则的变化，以及b）量化这些变化对名义公司税后收入的影响。本文的第四部分也是最后一部分讨论了财产和意外险保险公司的定价考虑因素，并说明了 2017 年 FITL 之前和之后的税后收入（以内部收益率表示）。本文提供了一种示例方法，用于量化 2017 年保费率的百分比变化，以实现与 2018 年 FITL 通过之前用于公布 XNUMX 年保费率的定价模型相同的内部收益率，其中仅将税法变化作为“变量”。
CAS 专著第 10 号 - 使用 Hayne MLE 模型：从业者指南
作者：Mark Shapland
本专著阐述了 Hayne MLE 建模框架的实际应用，该框架是估算未付索赔分布的强大工具。它首先使用标准符号回顾 Hayne MLE 建模框架。然后，它涵盖了许多实际数据问题，并解决了模型假设的诊断测试。接下来，它探讨了对基本框架的各种增强，以使模型能够解决与准备金和定价风险相关的其他问题。最后，由于没有一个模型是完美的，因此探索了将 Hayne MLE 模型结果与其他各种模型相结合或可信度加权的方法，以得出分布的“最佳估计”。
本专著阐述了 Hayne MLE 建模框架的实际应用，该框架是估算未付索赔分布的强大工具。它首先使用标准符号回顾 Hayne MLE 建模框架。然后，它涵盖了许多实际数据问题，并解决了模型假设的诊断测试。接下来，它探讨了对基本框架的各种增强，以使模型能够解决与准备金和定价风险相关的其他问题。最后，由于没有一个模型是完美的，因此探索了将 Hayne MLE 模型结果与其他各种模型相结合或可信度加权的方法，以得出分布的“最佳估计”。
CAS 专著第 9 号 — 财产和意外事故保险行业的数据质量管理
作者：Graham Hall、Mark Jones、Kevin Madigan 和 Steve Zheng
可靠的数据一直是财产和意外事故保险公司运营不可或缺的一部分，但随着机器学习和人工智能等新数据源和分析方法的出现，数据质量的重要性也显著增加。“垃圾进，垃圾出”这句话从未如此贴切，精算师越来越需要了解和量化数据质量对其工作的影响。本专著从第 1 节开始，介绍了数据质量管理的概念，包括对数据质量含义的讨论。第 2 节讨论了数据质量对不同精算流程和产品线的影响，随后在第 3 节介绍了财产和意外事故保险市场中数据质量的现状，该现状是根据对 CAS 成员的调查得出的。第 4 节分析了最重要的全球保险监管制度对数据质量的处理。在第 5 节中，作者描述了设计数据质量管理框架时的关键考虑因素，包括数据架构和技术/系统设计；常见数据模型，包括关系数据模型和 NoSQL 数据模型；以及数据治理。基于关系数据模型，作者定义了一系列数据异常类型，并在第 6 节中使用这些类型正式定义数据质量度量。最后，在第 7 节中，讨论并演示了数据质量改进/归因技术，该技术基于样本保险数据集。各节的排序考虑了读者的意图。对于有兴趣了解数据质量管理概述及其重要性的读者，建议重点阅读第 1 至第 4 节。对于希望更技术性和更实际地了解构建数据库和处理异常数据的读者，应从第 1 节开始，然后再重点阅读第 5 至第 7 节。
可靠的数据一直是财产和意外事故保险公司运营不可或缺的一部分，但随着机器学习和人工智能等新数据源和分析方法的出现，数据质量的重要性也显著增加。“垃圾进，垃圾出”这句话从未如此贴切，精算师越来越需要了解和量化数据质量对其工作的影响。本专著从第 1 节开始，介绍了数据质量管理的概念，包括对数据质量含义的讨论。第 2 节讨论了数据质量对不同精算流程和产品线的影响，随后在第 3 节介绍了财产和意外事故保险市场中数据质量的现状，该现状是根据对 CAS 成员的调查得出的。第 4 节分析了最重要的全球保险监管制度对数据质量的处理。在第 5 节中，作者描述了设计数据质量管理框架时的关键考虑因素，包括数据架构和技术/系统设计；常见数据模型，包括关系数据模型和 NoSQL 数据模型；以及数据治理。基于关系数据模型，作者定义了一系列数据异常类型，并在第 6 节中使用这些类型正式定义数据质量度量。最后，在第 7 节中，讨论并演示了数据质量改进/归因技术，该技术基于样本保险数据集。各节的排序考虑了读者的意图。对于有兴趣了解数据质量管理概述及其重要性的读者，建议重点阅读第 1 至第 4 节。对于希望更技术性和更实际地了解构建数据库和处理异常数据的读者，应从第 1 节开始，然后再重点阅读第 5 至第 7 节。
CAS 专著第 8 号 — 使用贝叶斯 MCMC 模型进行随机损失准备（第二版）
作者 Glenn Meyers
贝叶斯马尔可夫链蒙特卡罗 (MCMC) 模型的出现为精算师在随机模型开发方面提供了前所未有的灵活性。另一项最新进展是在 CAS 网站上发布了一个数据库，该数据库包含数百个带有结果的损失发展三角形。本专著首先测试了 Mack 模型在已发生数据上的性能，以及 Bootstrap 过度分散泊松模型在已付款数据上的性能。然后提出了比上述模型性能更好的贝叶斯 MCMC 模型。所研究的特征包括 (1) 识别已发生数据中事故年份之间的相关性，(2) 允许已付款数据中索赔解决率的变化，以及 (3) 结合已付款和已发生数据的统一模型。本专著继续研究保险业务之间的依赖关系，并提出了一种计算资本成本风险保证金的方法。
贝叶斯马尔可夫链蒙特卡罗 (MCMC) 模型的出现为精算师在随机模型开发方面提供了前所未有的灵活性。另一项最新进展是在 CAS 网站上发布了一个数据库，该数据库包含数百个带有结果的损失发展三角形。本专著首先测试了 Mack 模型在已发生数据上的性能，以及 Bootstrap 过度分散泊松模型在已付款数据上的性能。然后提出了比上述模型性能更好的贝叶斯 MCMC 模型。所研究的特征包括 (1) 识别已发生数据中事故年份之间的相关性，(2) 允许已付款数据中索赔解决率的变化，以及 (3) 结合已付款和已发生数据的统一模型。本专著继续研究保险业务之间的依赖关系，并提出了一种计算资本成本风险保证金的方法。
CAS 专著第 6 号 – 参数估计的机器学习方法
作者：Jim Kunce 和 Som Chatterjee
在这本专著《参数估计的机器学习方法》（CAS 专著系列的第六卷）中，CAS 研究员 Jim Kunce 和 Som Chatterjee 讨论了如何使用机器学习技术解决保险问题。他们的模型可以使用任何基于回归的机器学习算法来分析统计分布的参数与与特定问题相关的特征之间的非线性关系。与传统的分层和分段不同，作者的参数估计的机器学习方法 (MLAPE) 从数据中学习底层参数组并使用验证来确保适当的预测能力。
在这本专著《参数估计的机器学习方法》（CAS 专著系列的第六卷）中，CAS 研究员 Jim Kunce 和 Som Chatterjee 讨论了如何使用机器学习技术解决保险问题。他们的模型可以使用任何基于回归的机器学习算法来分析统计分布的参数与与特定问题相关的特征之间的非线性关系。与传统的分层和分段不同，作者的参数估计的机器学习方法 (MLAPE) 从数据中学习底层参数组并使用验证来确保适当的预测能力。
CAS 专著第 5 号：保险评级的广义线性模型，第二版（2 年修订版）
作者：马克·戈德伯德、阿南德·卡雷、丹·特维特和德米特里·古勒
在这本专著《保险评级的广义线性模型》中，作者 Mark Goldburd、Anand Khare、Dan Tevet 和 Dmitriy Guller 撰写了一份全面的指南，介绍如何使用广义线性模型 (GLM) 创建保险评级计划，重点是实际应用。虽然有许多教科书和论文解释 GLM，但对于希望从头到尾了解 GLM 模型构建过程的精算师来说，这本专著是“一站式服务”。这本专著已被纳入考试 8 的教学大纲。
在这本专著《保险评级的广义线性模型》中，作者 Mark Goldburd、Anand Khare、Dan Tevet 和 Dmitriy Guller 撰写了一份全面的指南，介绍如何使用广义线性模型 (GLM) 创建保险评级计划，重点是实际应用。虽然有许多教科书和论文解释 GLM，但对于希望从头到尾了解 GLM 模型构建过程的精算师来说，这本专著是“一站式服务”。这本专著已被纳入考试 8 的教学大纲。
CAS 专著第 4 号 – 使用 ODP Bootstrap 模型：实践者指南
作者：Mark Shapland
在这本专著《使用 ODP 引导模型：从业者指南》（新 CAS 专著系列的第四卷）中，作者、CAS 研究员 Mark R. Shapland 讨论了处理 ODP 引导模型局限性的实际问题和解决方案，包括选择最佳假设和针对具体情况的最佳模型的实际考虑。重点是“实际”，本文说明了精算师评估模型是否运行良好所需的诊断工具。
该专著已被纳入考试 7 的教学大纲。
在这本专著《使用 ODP 引导模型：从业者指南》（新 CAS 专著系列的第四卷）中，作者、CAS 研究员 Mark R. Shapland 讨论了处理 ODP 引导模型局限性的实际问题和解决方案，包括选择最佳假设和针对具体情况的最佳模型的实际考虑。重点是“实际”，本文说明了精算师评估模型是否运行良好所需的诊断工具。
该专著已被纳入考试 7 的教学大纲。
CAS 专著第 3 号 – 使用广义线性模型进行随机损失准备
作者：Greg Taylor 和 Gráinne McGuire
在本专著中，作者 Greg Taylor 和 Gráinne McGuire 讨论了用于损失准备的广义线性模型 (GLM)，首先重点介绍了链阶梯。链阶梯是在 GLM 环境中制定的，损失准备的统计分布也是如此。然后使用此结构来测试是否需要脱离链阶梯模型，并考虑适合 GLM 框架的链阶梯模型的自然扩展。
该专著已被纳入考试 7 的教学大纲。
在本专著中，作者 Greg Taylor 和 Gráinne McGuire 讨论了用于损失准备的广义线性模型 (GLM)，首先重点介绍了链阶梯。链阶梯是在 GLM 环境中制定的，损失准备的统计分布也是如此。然后使用此结构来测试是否需要脱离链阶梯模型，并考虑适合 GLM 框架的链阶梯模型的自然扩展。
该专著已被纳入考试 7 的教学大纲。
CAS 专著第 2 号 – 精算师的分布
作者：David Bahnemann
在《精算师的分布》一书中，David Bahnemann 总结了精算实践中的两个重要元素：参数分布的学术介绍和这些分布在精算范式中的应用。重点是使用拟合实证索赔数据的参数分布来解决标准精算问题，例如创建增加的限额因子、免赔额定价以及评估总限额的影响。
该专著已被纳入考试 8 的教学大纲。
在《精算师的分布》一书中，David Bahnemann 总结了精算实践中的两个重要元素：参数分布的学术介绍和这些分布在精算范式中的应用。重点是使用拟合实证索赔数据的参数分布来解决标准精算问题，例如创建增加的限额因子、免赔额定价以及评估总限额的影响。
该专著已被纳入考试 8 的教学大纲。
CAS 专著第 1 号 – 使用贝叶斯 MCMC 模型进行随机损失准备
作者：Glenn Meyers，FCAS、MAAA、CERA
该专著经修订更新为CAS专著第8号。
在本专著中，Glenn Meyers 介绍了一种测试两种损失准备金方法预测能力的新方法。本书使用 CAS 创建的数据库，该数据库包含数百个具有结果的损失发展三角形，首先测试 Mack 模型对已发生数据的性能，以及 Bootstrap Overdispersed Poisson 模型对已支付数据的性能。由于贝叶斯 MCMC 模型的出现为精算师提供了前所未有的随机模型开发灵活性，因此本专著随后确定了一些性能优于上述模型的贝叶斯 MCMC（马尔可夫链蒙特卡罗）模型。请注意，现在有本专著的修订版（专著 #8）。
该专著已被纳入考试 7 的教学大纲。
该专著经修订更新为CAS专著第8号。
在本专著中，Glenn Meyers 介绍了一种测试两种损失准备金方法预测能力的新方法。本书使用 CAS 创建的数据库，该数据库包含数百个具有结果的损失发展三角形，首先测试 Mack 模型对已发生数据的性能，以及 Bootstrap Overdispersed Poisson 模型对已支付数据的性能。由于贝叶斯 MCMC 模型的出现为精算师提供了前所未有的随机模型开发灵活性，因此本专著随后确定了一些性能优于上述模型的贝叶斯 MCMC（马尔可夫链蒙特卡罗）模型。请注意，现在有本专著的修订版（专著 #8）。
该专著已被纳入考试 7 的教学大纲。
发展学专著
这些作品目前正由作者团队与CAS专著编辑委员会合作撰写。完成后，它们将以CAS专著的形式出版。
用于定价的机器学习回归模型
作者：Daniel Lupton、Marco De Virgilis、Karthik Tumuluru、Navarun Jain、Christopher Clickner、Michael Baznik
这本 CAS 专著概述了机器学习的基本原理，然后深入探讨了机器学习在费率制定中的应用，涵盖了数据准备、变量、损失函数、超参数等内容。
这本 CAS 专著概述了机器学习的基本原理，然后深入探讨了机器学习在费率制定中的应用，涵盖了数据准备、变量、损失函数、超参数等内容。
极值理论
作者：Tolulope Fadina、Jackie Wong Siaw Tze、Clara Xing Wang
即将出版的CAS专著提供了一份全面且注重实践的指南，指导如何对罕见且影响巨大的事件进行建模。该专著将统计学基础与保险和风险管理中的实际应用相结合。
即将出版的CAS专著提供了一份全面且注重实践的指南，指导如何对罕见且影响巨大的事件进行建模。该专著将统计学基础与保险和风险管理中的实际应用相结合。
精算专业主义的基础
作者：约书亚·陶布
本 CAS 专著将对精算专业精神进行统一阐述，汇集了规范精算师行为的基本概念、组织结构和监管框架。
本 CAS 专著将对精算专业精神进行统一阐述，汇集了规范精算师行为的基本概念、组织结构和监管框架。
