本項目採用的貝葉斯統計推斷技術在擬合未來損失或資產收益的分佈時，使用貝葉斯MCMC（Markov Chain Monte Carlo）演算法形成一個來自預測分佈的隨機樣本，這種隨機性就從方法論上將參數的不確定性問題納入考慮範疇。而基於模型邊緣似然的貝葉斯因子為模型是否是產生觀察數據的真正隨機機制，提供了簡潔直觀的判斷標準，可實時預警所設模型的適用性和優劣性。這些技術方法再結合最大熵風險中性轉換模型，基於王變換再抽樣的風險中性模擬技術，和基於收斂抽樣樣本的數值模擬技術，為防範參數和模型不確定性風險提供關鍵的技術手段，能大幅提高產品定價和資本要求風險度量的精度，對結構複雜的新型壽險產品的開發和風險管理都將具有非常重要的意義。
[