涨跌限制对股票指数的影响研究

本文试图通过对上海综合指数序列和收益序列进行"随机游走"检验和正态检验,来研究涨跌限制对股票指数的影响问题.     

关于我国地震灾害损失分布函数的研究

文章以1978～2006年间我国发生的183起地震灾害事故为样本,选取地震损失额、每年发生地震次数为指标,建立我国地震灾害损失分布函数。针对地震损失额利用经验剩余函数值分析损失分布集中程度、初步估计损失分布函数,分组处理样本数据、拟合分布图像、参数估计、单个样本非参数检验,确定损失分布函数为对数正态分布;针对每年发生地震灾害次数初步估计分布函数,通过历史频率与理论概率比较判断拟合效果、确定分布函数为泊松分布。     

泊松提升模型在中国车险索赔频率预测建模中的应用

为研究泊松提升模型在中国车险定价中的应用,将Boosting算法加入到SBS(Standardized binary split)回归树中,基于中国某公司2016年28个省份交强险保单数据,以样本内外损失函数的最小化为标准,对相关模型进行比较以选择相对较优的模型,应用得到的模型对各个变量进行单变量预测。研究结果表明:泊松提升模型优于SBS回归树模型,不存在过拟合的前提下,泊松提升模型的预测效果会随着树的深度或者迭代次数的增大而变得更优,确定了深度为3,迭代次数为15的泊松提升模型(即PBM3)为最优模型。     

拟合索赔数据的一种新方法：叠加分布模型

一、引言保险公司在收取续保费时,要充分利用每一个投保人的索赔历史记录,这些历史记录包括各投保期的索赔次数以及每一次索赔的大小等等。根据这些信息,保险公司利用损失分布模型将这些信息数据拟合出来,然后预测在续保期内投保人将给保险公司带来的损失。在对数据进行拟合以前,保险公司要选择合适的损失模型。就目前而言,拟合索赔大小的模型包括指数分布模型、伽马分布模型、对数正态分布模型、帕累托分布模型等;拟合索赔次数的损失模型有很多,包括泊松分布模型、负二项分布模型、泊松—逆高斯分布模型等。这些模型在拟合数据时都有比较良…     

基于Copula-GARCH模型的新兴产业与上证指数相依性研究

文章利用Copula-GARCH模型对2005年1月1日至2014年4月30日上证交易所新兴产业指数和上证综合指数进行建模,然后运用ARMA(1,1)-GARCH(1,1)-t模型,将边缘分布概率积分变化后的2个服从均匀分布的序列作为Copula模型的边缘分布,得到了较好的拟合效果.通过建立正态Normal Copula函数、t-Copula函数、Gumbel Copula函数、Clayton Copula函数和Frank Copula函数的5个二元Copula模型,并采用AIC法、BIC法、切比雪夫距离和欧式距离4种检验拟合优度的方法选择最优的t-Copula模型.同时利用GPD法对2个指数做了尾部相关性分析,发现下尾比上尾具有更好的相依性,说明极端情形(如金融危机)下两指数的涨跌幅度较大.     

一种基于条件分布Markov状态转移的零售库存策略

对于一定分布类型下的零售品销售状况,采取合理的补货策略有助于降低市场丧失和库存带来的成本和损失。文章利用结合市场需求量的概率分布函数对每一期的库存量进行Markov状态预测,提出了一种基于规避成本和损失的补货策略。利用一种零售品的销售规律为泊松分布,在既定的补货策略下进行改进。     

零膨胀计数数据的联合建模及变量选择

零膨胀计数数据破坏了泊松分布的方差-均值关系，可由取值服从泊松分布的数据和取值为零(退化分布)的数据各占一定比例所构成的混合分布所解释。本文基于自适应弹性网技术， 研究了零膨胀计数数据的联合建模及变量选择问题.对于零膨胀泊松分布，引入潜变量，构造出零膨胀泊松模型的完全似然, 其中由零膨胀部分和泊松部分两项组成.考虑到协变量可能存在共线性和稀疏性，通过对似然函数加自适应弹性网惩罚得到目标函数,然后利用EM算法得到回归系数的稀疏估计量，并用贝叶斯信息准则BIC来确定最优调节参数.本文也给出了估计量的大样本性质的理论证明和模拟研究，最后把所提出的方法应用到实际问题中。     

随机效应零膨胀索赔次数回归模型

索赔频率预测是非寿险费率厘定的重要组成部分。最常使用的索赔频率预测模型是泊松回归和负二项回归,以及与它们相对应的零膨胀回归模型。但是,当索赔次数观察值既具有零膨胀特征,又存在组内相依结构时,上述模型都不能很好地拟合实际数据。为此,本文在泊松分布、负二项分布、广义泊松分布、P型负二项分布等条件下分别建立了随机效应零膨胀损失次数回归模型。为了改进模型的预测效果,对于连续型的解释变量,还引入了二次平滑项,并建立了结构性零比例与解释变量之间的回归关系。基于一组实际索赔次数数据的实证分析结果表明,该模型可以显著改进现有模型的拟合效果。     

负二项回归模型在过离散型索赔次数中的应用研究

索赔次数预测模型中通常考虑泊松回归模型，但当索赔次数中出现过离散问题时，泊松回归模型就不再适合。本文讨论了两种分布形式的负二项回归模型，并利用它们对一组车险数据进行了拟合，效果得到了明显改善。     

定数截尾情形指数-泊松分布参数的Bayes估计

文章在对称和非对称损失函数下研究指数-泊松分布参数的Baves估计问题;基于广义无信息先验和定数截尾情形,给出了参数λ在三神不同损失函数下Baye5估计的精确表达式;最后运用Monte-Carlo随机模拟方法对估计进行比较.结果表明,加权平方损失下Bayes估计的精确度和稳健性较好,适合用来对参数λ进行统计推断.     

零膨胀泊松模型的改进在零次索赔建模中的应用

零膨胀是非寿险精算中的一种常见现象,国内外许多学者对此进行了研究分析,而最具影响力的方法是零膨胀泊松模型与Hurdle模型,但这两个方法在区分零之间的差别时存在不足。实际中,产生零次索赔的保单持有人并非全部同质,如何提取零中所包含的信息对保险公司来说是重要的。鉴此,基于零膨胀泊松模型与Hurdle模型的思想,提出修正的零膨胀泊松模型,并利用非寿险精算中的实际数据,对新模型进行了拟合分析。与零膨胀泊松模型拟合结果的比较说明,修正的零膨胀模型在零的处理上更符合实际情况,更能体现零中所包含的信息。     

广义线性混合模型及其在非寿险信度费率厘定中的应用

近年来,国内外精算学者开始将广义线性混合模型用于信度模型费率厘定中,但他们对因变量的推广仅仅推广到负二项分布。在前人的研究基础上,将因变量进一步推广到负二项K、广义泊松、双泊松等分布,然后用极大似然估计中的限制性虚拟似然法和自适应高斯求积法对参数进行估计,最后用美国劳工补偿保险进行实证分析。结果表明:负二项K(K=1.947)广义线性混合模型对数据拟合效果最好,其次为负二项1、负二项2、双泊松、广义泊松和泊松广义线性混合模型。     

可变抽样区间泊松EWMA控制图的经济设计

文章主要讨论质量特性值服从泊松分布时,可变抽样区间的指数加权移动平均(EWMA)控制图的经济设计问题.首先建立可变抽样区间泊松EWMA控制图的经济模型,使期望总费用期望总费用最小来确定参数的最优值；其次用遗传算法来寻找经济模型的最优解；最后对可变抽样区间泊松EWMA控制图的经济模型进行最优性分析.     

基于Tsallis熵最大化的VaR模型

统计物理学中的Beck模型具有很好地描述变量的长期记忆和厚尾的特点,文章利用Beck模型和Tsallis熵的最大化理论,对沪市股票指数进行了研究,首先,给出了在Tsallis熵最大化条件下的分布函数,然后,对沪市股票指数数据进行了实证分析,并通过最大似然估计估计出其参数,最后,利用该厚尾分布计算了沪市综合指数的VaR.     

负二项分布的两种近似分布及其比较

负二项分布是一个重要的离散型随机变量的分布,可以用泊松分布和正态分布作为其近似分布,通过对两种近似分布进行比较分析,结果表明：在参数q很小时,泊松近似的精度好于正态近似,而且在参数q很小时,即便r不是很大,用泊松分布也能获得负二项分布较好的近似;当参数q较大时,泊松近似效果不好,相比之下,正态近似的结果不错。     

神经网络模型与车险索赔频率预测

汽车保险广受社会关注,且在财产保险公司具有举足轻重的地位,因此汽车保险的索赔频率预测模型一直是非寿险精算理论和应用研究的重点之一。目前最为流行的索赔频率预测模型是广义线性模型,其中包括泊松回归、负二项回归和泊松-逆高斯回归等。本文基于一组实际的车险损失数据,对索赔频率的各种广义线性模型与神经网络模型和回归树模型进行了比较,得出了一些新的结论,即神经网络模型的拟合效果优于广义线性模型,在广义线性模型中,泊松回归的拟合效果优于负二项回归和泊松-逆高斯回归。线性回归模型的拟合效果最差,回归树模型的拟合效果略好于线性回归模型。     

全球股指现货和期货市场极端风险溢出检验

文章选取全球范围内七对典型的股票指数及其指数期货自2007年10月8日国际股票市场大跌至2008年11月14日的日度数据,运用基于GED分布的GARCH模型估计了这些市场5%和10%风险水平下的指数下跌的条件VaR,并利用Hong(2001)提出的风险-Granger因果检验方法分析了相对应市场之间的风险溢出效应.实证结果表明,期货市场是股票指数主要的信息来源,起着重要的价格决定作用.     

基于copula回归模型的损失预测

在非寿险损失预测的广义线性模型中,通常假设损失次数与损失强度相互独立,事实上二者之间往往存在一定的相依关系,可通过copula函数来刻画.在损失已经发生的条件下,假设损失次数服从零截断泊松分布,损失强度服从伽玛分布,可以建立损失次数与损失强度相互依赖的copula回归模型.把损失强度的分布扩展到逆高斯分布,并将此模型应用于一组车险保单数据进行实证研究.结果表明:该模型不但在损失预测方面优于独立假设下的广义线性模型,而且也优于损失强度服从伽马分布假设下的copula回归模型.     

一种新的寿命分布:三参数威布尔—泊松分布

文章提出了一种新的寿命分布:三参数威布尔—泊松分布WP(λ,m,β),研究了该寿命分布的密度函数和失效率函数的图形特征.     

指数型保险总损失费的分布密度

本文对一类保险损失费的分布进行了初步研究.在各投保个体损失费为指数分布的随机变量的条件下,当投保个体数服从泊松分布,基于损失分布参数间的不同情形,导出了总损失费的分布密度函数,扩展了文献中已有的结论.