随着中国保险业已经进入了一个深化的改革、全面开放加快发展的新阶段,中国正在成为新兴的保险大国。保险业参与到更多的经济和社会服务领域,承担了越来越重的社会责任。在这一时期,中国的外国分支机构的数量是不断增加的,这就增加了中国保险企业的压力。在这种压力下,能够增加竞争力的实力主要就体现在投资策略上。而投资比率很大程度上由准备金的提取决定。因此,为了评估的利润,我们必须考虑到未决赔款准备金的储量。总之,考虑用科学的方法来估计未决赔款准备金,具有非常重要的实践意义。目前,我们在实务中最广泛使用的评估方法就是链梯法了。在准备金评估模型中,这是最基本的方法。虽然链梯法计算方法非常简单和便捷,但是在遇到历史数据异常和出现意外波动很大的情况下,对准备金估算的结果就会不够准确。所以,本文考虑将动态随机的思想引入到评估模型中,选取了卡尔曼滤波模型来作为未决赔款准备金的基本评估模型,并且,把多期准备金进展年的数据做成时间序列,代入ARMA模型作为对卡尔曼滤波中的状态方程。本文结合了精算评估实务,对于非寿险公司短尾业务选取了车险数据作为评估对象,研究了赔款次数和赔款额度的不同评估方法,分别对已决和未决数据使用不同的模型进行评估,并且对比后得出结论。本文研究发现,在数据充分的情况下,两种模型得出的评估都可以接受。但在进展年较短的情况下,卡尔曼滤波模型的评估结果不是那么令人满意。进展时间增加后,卡尔曼滤波模型的效果比较明显。如果在有经验的精算师的主观判断下,也可以使用B-F法对结果进行加权后得出最终的评估结果。