费率厘定的主要目的是对保险产品厘定出公平合理的价格，避免被保险人出现道德风险和逆向选择，从而减少保险公司不必要的损失，提升竞争实力。因此，费率厘定技术已经受到研究人员及保险公司越来越多的青睐。目前，在该领域中最为常用的费率厘定技术为分类费率厘定法和经验费率厘定法。对于分类费率厘定方法，是针对于保险市场中被保险人的风险水平的不同进行分组划分，对不同的风险组别分别厘定费率。而经验费率厘定方法则是根据被保险人的历史索赔记录信息及其索赔经验来厘定出该类型保单持有人的保险费率。　　在分类费率厘定法中，存在着各种可供选择的模型以及各种可供选择的模型估计方法。尤其是广义线性模型，作为分类费率厘定中的一个重要统计工具，在非寿险精算领域中的费率厘定问题研究中发挥了重要作用。但现实生活中，由于非寿险精算领域中保单持有人风险的复杂性，使得广义线性模型的假设条件往往难以满足，特别是发生事故的保单持有人在同一个保险公司投保时，就满足不了模型的独立性假设条件。即使对保单持有人进行分组，也很难做到风险同质，与此同时，还会因为保单数量过大，导致分组模型中的参数过多，模型过于复杂，大大降低了模型的应用价值。　　对于经验费率厘定法，常用的模型为信度模型与奖惩系统等。信度模型是根据被保险人的历史索赔信息对未来费率进行调整的统计模型，奖惩系统在最优的条件下，可以作为信度模型的一个特例。经验费率厘定方法的目的，是根据保单持有人的历史索赔记录，调整其续保保费水平，使其缴纳的保费尽可能反映其风险水平的大小，从而得到公平合理的费率厘定系统，以避免逆选择给公司造成损失。但根据保单持有人的历史索赔记录选择保费的调整水平往往具有一定的主观性，尤其是在历史数据不足的情况下，更难确定信度因子水平。　　从上述分析来看，无论是分类费率厘定方法还是经验费率厘定方法在实际应用中都存在一些不足。譬如，由于大量保单持有人之间的非同质性而无法对其详细分类，对于一些巨额索赔会影响均值模型的不稳健性等等，这些问题的存在均会影响费率厘定的公平性。而对于这些不足，恰恰可以利用分位数回归模型来解决。分位数回归模型不需要对模型误差的分布作任何假设，以其稳健性可以弥补巨额索赔对均值模型造成的不稳健性问题，解决保单持有人之间的风险复杂性问题，使得在解决问题是更符合实际。　　本文研究的主要目的是基于费率厘定中存在的损失分布选择、巨额索赔及索赔频率中的零膨胀等问题，遵循最小二乘线性模型和广义线性模型在非寿险精算领域的发展规律，将指数散布族中的分布拓展到非参数分布，利用分位数回归模型讨论研究非寿险精算中费率厘定问题，本文的研究主要工作如下:　　第一，指出广义线性模型在研究费率厘定问题中的缺陷和不足，将损失模型误差分布的指数散布族限制条件推广到非参数分布族。　　广义线性模型在非寿险精算领域的费率厘定研究中取得了重大研究成果，但其应用条件为:变量之间相互独立且分布属于指数散布族。对于独立性的限制性条件，在非寿险精算领域中往往难以满足，而在指数分布族中选择恰当的分布往往具有主观性，利用主观性的方法解决客观性的问题会因人而异，从而给问题的研究带来一定的偏差。因此，本文基于模型误差分布的发展规律，将损失模型误差分布拓展到非参数分布。　　第二，应用分位数回归模型研究非寿险精算中的费率厘定问题，对索赔额的多零现象和索赔频率中的零膨胀问题进行研究分析。　　分位数回归模型自提出以后，在许多领域得到了广泛的研究与应用，并取得了大量的研究成果。但其在非寿险精算领域中的研究应用的文献尚不多见，对于索赔频率的研究尚属空白。本文基于非参数分布和广义线性模型在费率厘定应用中存在的问题，将分位数回归模型应用到费率厘定问题的研究中来，对索赔额预测和索赔频率预测进行了分析，对索赔额中存在的多零现象和索赔频率中的膨胀进行了研究。　　第三，提出零调整分位数回归模型和修正的零膨胀泊松模型。　　为解决非寿险精算领域索赔额数据中的多零现象，本文基于零调整逆高斯模型和逻辑斯谛回归模型的思想，提出了零调整分位数回归模型;基于零膨胀泊松模型与Hurdle模型的思想提出了修正的零膨胀泊松模型，并结合实际数据对这两个模型进行了实证分析。同时，本文利用“抖动”法数据平滑技术和随机模拟的方法对车险数据中的索赔频率变量进行处理，利用分位数回归模型对索赔频率进行拟合分析，并与常用经典模型作比较。　　第四，应用分位数回归模型评价奖惩系统，研究奖惩系统中奖惩水平对索赔额的影响。　　奖惩系统的目的是尽可能真实反映保单持有人的风险水平，使每个被保险人缴纳更为公平合理的保费。本文结合荷兰的一个奖惩系统，研究分位数回归模型在该领域中的应用，并与拟泊松回归模型对该系统的评价作比较分析，评价奖惩系统的功效问题。