保险作为经营风险的特殊行业,偿付能力是衡量保险公司经营能力的重要指标,为了保证投保人的利益,各国都对偿付能力进行严格的监管。作为非寿险公司最主要的负债,未决赔款准备金对于其经营状况和偿付能力表现都有着十分重要的影响。通过科学的精算方法得出的未决赔款准备金,能客观反映保险公司的偿付能力,提高监管效率,也有利于保险公司正确认识经营状况,提高管理效率。对于未决赔款准备金,最简单实用的计提方法是链梯法,以及由链梯法延伸出来的一些随机方法,如mack模型,广义线性模型和贝叶斯模型等。链梯法作为一种确定性的评估方法,只能给出一个准备金的估计值,而无法说明这个值有多大的偏差,有多大的准确性。在现阶段中,各种未决赔款准备金精算方法涵盖的延迟年份较少,难以反映“长尾”险种的赔付特点,这种情况下随机模型的使用便具有重要意义。但是以上各种方法都是基于聚合数据的,流量三角形中的聚合数据是对单个时间周期内所有个体索赔数据的加总,因而必然会部分地丢失了个体数据中的有用信息,这就使得传统的聚合数据模型没有充分地利用历史数据所提供的完整信息来对准备金进行有效地预测。本文研究的是基于个体数据的流量三角形的随机模型,充分利用每一份保单的数据来评估未决赔款准备金。本文的内容分为三章,第一章对已有的一些未决赔款准备金的评估方法作简单介绍；第二章提出了基于个体数据模型评估赔款次数的一种模型,分别估计IBNR赔案次数(已发生未报告)和RBNS赔案次数(已报告未赔付)的分布；第三章估计每一赔案的赔款额分布,计算出未决赔款准备金的分布。本文的创新之处在于,应用延迟报告时间和理算时间等随机变量,构建了一种拟合IBNR和RBNS赔款次数的分布的随机方法,不仅估计出未决赔款准备金的分布,同时对于下三角形中每年的准备金也作了点估计。