保险公司是负债经营的金融机构。它将未来的风险以一定的价格衡量后,以保费的方式收取,通过对这些负债的管理,来分散投资者的风险并获得利润。因此,负债项目的管理对于保险公司来说是非常重要的,它决定着保险公司未来的偿付能力和盈利能力。而责任准备金是保险公司最主要的负债项,因而责任准备金评估的准确性和充足性对于保险公司来说会影响其经营成果核算的真实性和履行保险赔付责任的能力。同时,由于非寿险具有与寿险不一样的特性,比如保险期限相对于寿险来说较短、长尾业务、报案理赔的延迟,所以非寿险责任准备金的评估非常复杂,是理论研究的重要课题。目前,国内财产保险公司大多采用链梯法、B-F法、案均赔款法等确定性方法来提取未决赔款准备金。确定性方法具有原理简单,操作简便等优点,能够在一定的假设下算出一个具体的数值。但是也有其局限性,这种方法只给出了未决赔款准备金的点估计,不能得到预测的精度,并且未来赔款随机性也没体现出来。因此,学者在确定性模型的基础上,引入了随机模型的概念,它将未决赔款看作是随机变量,与各种统计方法结合得到了很多未决赔款的随机性模型。这些都是基于聚合数据结构得出的模型,丢失掉个体数据所含的有用信息。于是,在聚合数据随机性模型上产生了基于个体数据结构的随机性模型。本文的研究便是基于个体数据展开的,这样可以运用到个体数据所包含的有用的信息。并且在实际中,赔款金额可能含有未知的成分,我们可以用贝叶斯的方法对其进行估计。由于在个体数据中,能够利用个体信息将已报未决赔款和未报未决赔款分开,所以在本文中只讨论了已报未决赔款准备金的估计模型。对于总体责任准备金理想的目标是得到其在已观测到的赔款下的条件分布,于是在本文第二章中提出了一种新的基于个体数据的贝叶斯已报未决赔款准备金模型。该模型的核心思想为将原来在聚合数据上对赔款的贝叶斯假设放到个体数据上,求出个体未决赔款在已知部分赔款下的条件分布,再求出每个事故年总体未决赔款在观察数据下的条件分布。在这种理念下,给出了两个具体的假设分布的模型,分别为Poisson-gamma和Normal-exp模型。求出其条件分布,并与聚合数据效果进行比较。这种模型的优势在于,知道了已报未决赔款的总体分布,可以得到均值以外的其他很多统计信息,并且其条件方差的期望小于聚合数据下条件方差,说明稳定性比聚合数据好。第三章运用模拟的方法,算出具体的数值解,并与聚合数据下和链梯法的结果进行比较。可以看出,在不同的分布假设下,这两种模型在个体数据下需计提的准备金与链梯法和聚合数据下是截然不同的,因为用到的数据基础不同,并且分布参数的假设也会影响到准备金的结果。