对于非寿险保险公司而言，未决赔款准备金（损失准备金）是很重要的负债项目之一，如何科学合理地对其进行估算具有非常重要的意义。未决赔款准备金的目的是预测由已发生还没有结案的保单所引起的未来损失。在多个险种中，预测未决赔款准备金中一个重要的问题是考虑不同险种之间的相依性，为此我们要在多个流量三角形建立合适的相关性结构。为了充分利用流量三角形数据之外的信息，提高未决赔款准备金的预测精度，本论文是在贝叶斯统计的框架下在完成的。大多数传统的未决赔款准备金模型都是确定性的，比如链梯法和Bornhuetter-Ferguson法，并且这些模型依赖于事故年的独立性假设，而忽略日历年的影响。为了解决这个问题，我们要考虑日历年的影响，建立了贝叶斯对数偏正态模型，研究了多个险种的未决赔款准备金的预测问题。　　在案例分析中，本论文使用美国财产意外险中的个人汽车保险和商业汽车保险数据，利用R软件，调用WinBUGS软件，通过MCMC方法对贝叶斯对数偏正态的五种不同模型的未决赔款准备金进行估计和结果评柝。实证结果表明加入日历年的影响后，尽管预测的变异性会增强，但是它会提高模型的拟合度。在现代风险管理实践中额外的不确定性对预测来说是不可或缺的，这样的预测结果更加接近真实情况。