非寿险的准备金评估是保险公司基于历史的赔付数据,对未来赔款进行合理预期估计,对准备金的评估不仅会对公司的偿付能力和经营稳定性造成影响,还与保险公司的盈利能力有直接关联。一般来说,非寿险准备金评估普遍使用确定性方法,只能得到点估计,并且没有考虑实际数据之间的相关性。为此本文在确定性方法的基础上进行随机性方法的改善,并充分考虑单业务线中不同类型数据之间的相依性以及不同业务线数据之间的相依性,增加模型的适应性以及预测能力,模拟得到准备金的完整分布特征。本文首先总结有关准备金评估的理论知识,对现有的一些准备金评估方法进行梳理总结,介绍常用的随机变量的分布。并对确定性期望赔付法进行随机性改进,利用核密度的方法,通过模拟累计赔款数据的进展因子,实现确定性方法的随机化,以确定性的点数据模拟得到连续数据,用平滑的曲线来拟合准备金的特征分布,增加模型的灵活性。并且在核密度估计中可以通过核函数和组合带宽的不同选择,得到不同的准备金模型,不需特定的假设分布。其次,在随机性期望赔付法中,用Copula函数来模拟两种赔款数据的联合分布,将考虑数据相关性的问题与随机性方法相结合,在充分考虑数据相关性的同时得到准备金的连续分布。再次,针对实务操作中投资组合的准备金评估,提出一个基于Sarmanov相依结构的准备金评估模型,考虑随机效应并模拟赔款流量三角形之间的相依关系,使模型能更好的估计准备金。最后,对前几章涉及到的准备金评估模型进行实证分析,通过精算实务中的具体数据,利用R语言等工具得到相应的结果,并对结果给出分析,验证模型的有效性。