基于历史观测数据,贝叶斯保费是在二次损失函数下的“最优”保费。然而,在一般情况下风险参数的分布是未知的,贝叶斯保费无法求解。本文基于信度保费的思想,以及贝叶斯估计与极大似然估计的联系,通过把贝叶斯估计限定在极大似然估计的线性组合中得到一种新的保费估计,称为新贝叶斯保费。在最常见的EDF(Exponential dispersion family)分布族下,新的估计与贝叶斯估计及信度估计具有相同的表达形式。在多合同下,用样本的信息去估计先验的相关信息,从而,新贝叶斯保费不需要知道先验分布的具体形式。通过数据模拟发现,它比B(?)hlmann的经验信度估计的均方误差小。针对在一些分布下,参数的极大似然估计不存在的问题,本文找到一个与极大似然估计渐近等价的估计,这个估计在实践中较容易求解。