近似贝叶斯计算方法用于拟合和比较保险损失模型
摘要：近似贝叶斯计算（Approximate Bayesian Computation, ABC）是一种统计学习技术，通过将观测数据与模拟数据进行比较来校准和选择模型。这种技术绕过了似然函数的使用，只需要能够从感兴趣的模型中生成合成数据。我们应用ABC来拟合和比较使用聚合数据的保险损失模型。提出了一种基于Python的先进ABC实现。它使用序贯蒙特卡洛方法从后验分布中采样，并使用Wasserstein距离比较观测数据和合成数据。
作者：Pierre-Olivier Goffard and Patrick J. Laub
论文ID：2007.03833
分类：Computation
分类简称：stat.CO
提交时间：2021-05-04