对于经营非寿险业务的保险公司来说,非寿险准备金是负债表上金额最大的负债项目。非寿险准备金的科学估计、有效检验与合理评估,一方面能够保证产品定价准确,提高保险公司的市场竞争能力;另一面,可以增强偿付能力,降低风险。而未决赔款准备金又是非寿险准备金中最重要的一部分,所以选择合适的的未决赔款准备金预测方法就显得极为重要。目前保险公司对未决赔款准备金的预测方法主要使用链梯法等确定性方法。确定性方法原理简单,思想直观但只能给出给出未决赔款准备金的一个点估计值,而且很难对估计结果进行统计检验,因此无法满足保险公司动态财务分析的要求。所以,使用一种随机方法相比较确定性方法是一个进步。而为了充分利用数据之外的信息,提高未决赔款准备金估计的预测精度,贝叶斯统计理论和方法被大量地引入到未决赔款准备金的预测中。文章首先介绍了在未决赔款准备金预测中的常用方法,然后简述了现代贝叶斯统计推断的理论和方法,最后利用贝叶斯统计理论和计算软件WinBUGS,详细解释了如何建立包含有先验信息的未决赔款准备金预测的贝叶斯模型,并通过将该模型的预测结果与链梯法和B-F法的结果进行对比,得出了以下结论:模型中最终索赔额参数先验方差大小的选择直接关系到准备金的预测结果,选择大方差的先验分布会得到和链梯法更为接近的预测结果,而选择小方差先验分布则会得到和B-F法更为接近的结果。另外,未决赔款准备金预测的贝叶斯模型除了获得点估计值外,还获得了预测误差,预测分布等其它信息量,从而保险公司可以运用这些信息进行准备金风险评估,降低经营风险。