非寿险业务责任准备金的评估一直以来是保险公司面临的一个重要课题。首先,责任准备金提取是否充分直接影响到保险公司本身的偿付能力。其次,精确地评估责任准备金是保险公司进行经营决策的一个重要依据。非寿险业务责任准备金包括未到期责任准备金与未决赔款准备金。其中,未到期责任准备金的评估相对来说更加直接,而对于未决赔款准备金,不论从理论上还是在实务中,都存在相当多的难点。在实务中,保险公司对于未决赔款准备金的评估传统上采用的是确定性方法,这种方法的缺陷是只能给出未决赔款准备金的一个估计,而不能得到这个估计的精度,这就无法度量未决赔款准备金提取不足所带来的风险。国际上已经充分认识到仅仅使用确定性方法来评估未决赔款准备金是远远不够的,而解决估计精度问题的最好办法就是应用随机性模型。各种随机性模型和方法在很多文献中都有相关的研究,但是对于各种模型之间的比较却讨论的很少,这是一个需要深入研究的方面。从方法上来看,很多原有随机性模型的处理方法都有进一步改进的空间。本文主要对两种随机性模型进行比较研究,结合模型本身的优缺点与模拟结果,给出几个选择模型的方法；通过引入新方法去处理随机性模型,与原有的方法进行比较,并通过实例进行讨论。本文一共分为六章,第一章介绍了研究背景,包括未决赔款准备金相关概念,随机性模型的研究现状及相关文献综述和论文总体框架。第二、三章首先介绍了在理论研究中常用的bootstrap重复抽样方法,重点把smooth bootstrap重复抽样方法也应用到随机性模型中,通过蒙特卡洛模拟方法实现smooth bootstrap重复抽样方法。最后用具体数据在时间序列模型中对这两种重复抽样方法进行了模拟研究,对模拟结果给出了相关说明。第四、五章,介绍了另一种在理论研究中热门的方法,即贝叶斯方法,并用实例验证了M C M C方法在贝叶斯模型中应用的可行性。第六章是本文的总结,包括对于两种随机性模型的优缺点比较,并结合模拟结果,给出几个模型选择的方法。另外还对两种重复抽样方法的优缺点进行了比较和总结。本文主要的创新一是引入smooth bootstrap方法到随机性模型中,并且通过实例模拟,与原先在理论中常用的bootstrap方法进行比较。二是对贝叶斯模型与时间序列模型给出了几个选择的标准,并结合模拟的结果对模型的优缺点进行了比较。