非寿险责任准备金是财险公司最大的负债项目,通过合理的方法计算出来的非寿险准备金大大地增加了非寿险责任准备金评估的充足性和准确性,从而增强了财险公司履行保险赔偿的能力。所以,对非寿险责任准备金的评估不仅仅是保监会的重点监管目标之一,而且也是理论研究的重要课题。经典的准备金评估方法如链梯法、B-F法等都是基于聚合数据的确定性方法,其由于简单易操作等优点被广泛地被保险公司采用,但是其不足之处在于,不仅忽略了个体数据中含有的有效信息,还忽略了数据本身所具有的随机性,因此只能得到准备金的一个具体数值,并不能给出其精度的估计。因此,近些年来,国内外学者也在此基础上建立了基于个体数据的随机性模型的进行深入的研究。本文的第三章正是将Verral(1998)提出的一个基于聚合数据的随机准备金模型考虑放到个体数据结构上进行研究,运用贝叶斯方法,充分利用经验信息得到赔款额的先验分布,从而计算出已观测到的赔款下的未决赔款的条件分布,这样不仅可以得到其期望和方差的性质,还可以得到其他一些有用的统计信息。同时,本文给出了两利,具体的模型来详细地阐述该模型的思想,得到了已观测到的赔款下的未决赔款的条件分布。第四章运用计算机模拟,将模拟值看作真实值,分别算出了两种模型下准备金的赔款额,并将其与链梯法得到的结果一起与真实值进行比较,发现这两种模型下得到的准备金的估计值明显比链梯法得到的准备金的估计值更加接近于真实值,并且波动较小,比较稳定。