未决赔款准备金随机性评估方法探析

本文的目的就在于,通过对几种常用的未决赔款准备金随机性评估方法进行介绍、分析,并与传统的确定性方法进行对比。关于随机性方法的论文最早可追溯到30年前。Zehnwirth(1989)提出Zehnwirth方法,它主要是对增量赔款三角形取对数,然后通过正态分布的统计模型对未决赔款准备金进行评估。Thomas Mack(1993)发表论文,提出了著名的Mack方法,并被沿用至今。Mack方法可以在未决赔款准备金在不服从任何分布的假设下推导出它的期     

未决赔款准备金的分布函数及其界值研究

根据保单组合的损失赔付额分布函数的性质,应用排队模型的分析方法,本文研究了未决赔款准备金分布函数.得到针对未来某一时间段内保险公司所需计提的未决赔款准备金分布函数的上界和下界,而且给出的计算实例表明所得到的未决赔款准备金分布函数的上界和下界是十分有效的.     

随机利率下的终身寿险模型

在传统的精算模型中,常常假定利率固定不变,并基于此来进行产品的设计和准备金的提取。但现实中利率确实经常变动的,为了建立一个能够规避利率风险的模型,本文对利率的随机性采取反射布朗运动建模,在将其引入传统精算模型,得出了全连续式增额寿险模型纯保费和责任准备金的一般表达式。     

大数据下分位数回归通讯有效算法及其应用

考虑风险度量中常见的分位数回归模型，给出在超大容量数据且复杂数据类型下的几类快速分布式算法.虽然仅考虑分位数回归模型，但本文提供的算法大多数可以应用到其它更一般的模型中.由于分位数回归模型的目标函数为非光滑函数，通常的分块集成法和光滑函数高效通讯算法并不适用.本文首先针对完整观测数据，给出了分位数回归模型参数估计的等度连续法，光滑函数逼近法和改进的数萃(Meta)方法三种分布式通讯有效算法.进一步，考虑了非平衡半监督数据，分别针对无标签数据样本量较小和较大两种情形，提出了加权损失函数法和改进的数萃方法两种数据融合方法.所提出的方法可以把分散在不同机器上的半监督数据进行数据融合，从而实现不同数据类型和不同样本量情形下的高效通讯分布式计算，提高算法的精度和参数估计的效率.本文通过大量仿真模拟研究了所提出的算法在有限样本下的表现，并将其应用到了洛杉矶流浪人口数的实际数据分析中，发现其均具有较好的准确性.     

基于BF方法的IBNR准备金区间估计

IBNR准备金,是保险公司对已经发生但尚未报告的赔款给付所必须提存的资金准备。在保险公司非寿险业务的各项准备金中,IBNR准备金没有可以直接利用的个案信息,因而所涉及的不确定性最高,评估最为困难。国内理论界对其研究尚处于起步阶段,实务操作中更是缺乏广泛认可的评估模型,因此有很大的研究空间。IBNR准备金评估的准确性对公司的财务核算和偿付能力有着重大的影响,不仅与保险公司、投保人、投资者的切身利益息息相关,而且受到保监会和税务机关等部门的广泛关注。     

担保公司准备金政策如何对行业监管进行协调

目前担保公司计提准备金时主要依据担保行业的监管规定,其与会计准则存在一定差异。担保公司由于行业的特殊性和担保创新业务的不断发展,其对准备金的计提应在协调会计准则和监管规定的基础上,提出一套适应行业发展和有效识别防范担保风险的准备金政策,并在实践中不断完善。因此,本文首先在分析担保公司准备金政策会计准则与行业监管差异的基础上,进而剖析担保公司准备金政策现实操作中的诸多问题,最终提出担保公司准备金政策会计准则与行业监管有效协调的相关改进建议。     

寿险责任准备金的几点认识

寿险责任准备金是保险公司的一项重要负债,对公司经营的影响重大,本文主要讨论了寿险责任准备金的基本评古方法的原理,并对责任准备金评估中存在的一些问题做了讨论.     

中国非寿险准备金精算中的问题与对策

2004年12月，中国保监会发布了《保险公司非寿险业务准备金管理办法（试行）》，中国非寿险未到期责任准备的提取办法采用50％统一比例法，经过这几年的实践活动证明，该方法虽然计算简便但存在一定缺陷。美国保险协会（NAIC）1998年实施的《财险与意外险公司的会计实务与程序指南》，关于非寿险责任准备金的提取方法，对中国非寿险公司以及保险监管部门有借鉴意义。     

我国法定存款准备金率上调的原因及效用分析

本文选择存款准备金政策实施的原因以及其有效性为研究对象,首先概述存款准备金政策的相关理论。接着,本文分析我国上调存款准备金率的原因,明确其政策目标。在实证部分,本文选取了相关数据,运用Eviews软件进行线性回归,根据得到的等式分析存款准备金率政策的影响效果。本文最后结合我国的实际现状,针对实施结果中出现的问题给出完善我国存款准备金政策的建议。     

基于有理样条死亡假设的分数时点寿险净保费责任准备金

保险责任准备金是保险公司风险管理的重要度量指标,责任准备金的精确合理的测算,将会对保险公司的健康发展起着极其重要的作用。分数时点净保费责任准备金的测算依赖于精算假设,本文在提出一类有理样条死亡假设的基础上,研究了终身寿险的分数时点净保费责任准备金的计算问题。我们得到了其理论计算公式和上下界范围,探讨了调节参数的变化对净保费责任准备金的影响。数据分析表明:分数时点责任准备金对调节参数的变化比较敏感,目前常用的UDD假设下的责任准备金测算值恰是本文方法下的一个边界。所以基于有理样条估计方法的分数时点责任准备金测算在实务中具有很强的灵活性,对保险公司责任准备金风险管理具有重要的指导意义。     

基于云服务的考虑预期调配的应急物资储备策略

储备应急物资是应对突发灾害的有效手段之一。为了满足以人为本、维护稳定和统筹协调的物资储备原则，在储备不足情况下，利用云服务模式统一调配物资。根据应急系统内各储备点的人口覆盖比例和物资预期需求量，以物资储备的公平效用和预期调配成本为目标，构建基于云服务的考虑预期调配的应急物资储备模型，并设计改进的非支配排序遗传算法（NSGA-II）对模型求解。应用该模型对我国应急物资储备系统进行优化配置，确定不同偏好下各储备点的物资配置量。对物资储备总量进行了灵敏度分析，结果表明：物资的购置成本和单位重量是储备总量影响总支出和预期调配成本的决定因素；储备总量的增加会降低预期调配成本，且当购置成本的增加量小于预期调配成本的减少量时，总支出会随着储备总量的增加而减少，直到减少的总支出达到最大值时，得到储备总量的最优值。     

基于随机p-鲁棒优化的国家血液战略储备库选址-库存模型

以往的救灾实践对建立国家血液战略储备体系提出了迫切要求。国家血液战略储备库的建设问题亟待解决。由于血液产品特性以及应急血液保障特性的存在,使得国家血液战略储备库的选址决策具有一定的复杂性。本文将问题定位为选址-库存问题。首先,以应急条件下血液保障及时度最高为目标,构建了一个不确定环境下考虑多情景、多血型、多阶段、带提前期、有容量限制、日常随机需求、有预算约束及协同定位的国家血液战略储备库选址-库存模型。同时,为了规避应急条件下的不确定风险,进一步构建了国家血液战略储备库选址-库存问题的随机p-鲁棒优化模型。该模型为离散非线性混合整数规划模型,难以快速精确求解。故基于模型性质,设计了相应的遗传算法。最后,设计了两组算例验证模型与算法的有效性。其中,第1组算例基于我国大陆地区31个省级血液中心与省级行政区的数据,并根据不同预算值给出6个算例,得到了国家血液战略储备库的选址-库存决策方案。第2组算例为6个不同规模的模拟算例,用来测试不同规模下的算法性能。算例结果表明：遗传算法的性能更好;鲁棒解与确定性模型最优值相差不大（最大差距≤1.08%）,可降低不确定性导致的风险。实践中,可对本文所建模型稍作改进,应用于具有类似特征的易腐品（药品、粮食等）应急物资储备库选址-库存决策。     

The impact of tax uncertainty on irreversible investment

Traditional models of capital budgeting with taxes are based on deterministic tax rates and tax bases. In reality, however, there are multiple sources of tax uncertainty. Frequent tax reforms make future taxation of investments a stochastic process. Fiscal authorities and tax courts create additional tax uncertainty by interpreting current tax laws differently. Moreover, simplified models that anticipate the actual tax base incorrectly contribute to tax uncertainty as perceived by investors. I analyze the effects of stochastic taxation on investment behavior in a real options model. The investor holds an option to invest in an irreversible project with stochastic cash flows and stochastic tax payments. Pre-tax cash flows and tax payments are assumed to be correlated. Increased tax uncertainty has an ambiguous impact on investment timing. For low tax uncertainty, high cash flow uncertainty and high correlation of cash flows and tax payments, increased tax uncertainty is likely to accelerate investment. A higher expected tax payment delays investment. A higher after-tax discount rate affects investment timing ambiguously.     

协议企业实物储备、生产能力储备模式的协调性研究

本文以政府作为应急物资储备保障的责任主体,研究应对突发事件的社会化储备体系中,协议企业实物储备、生产能力储备的协调性问题。建立以协议企业自身利益最大化为目标的实物储备与生成能力储备协调性模型,通过对政府采购价格的研究分析得到一个"均衡价格",结合政府最高收购价格与"均衡价格",给出政府基于"均衡价格"的储备策略调整方法,以此调节协议企业实物储备与生产能力储备方式与物资数量,并用实例说明文章所研究的"均衡价格"具有一定的现实意义。为国家与协议企业联合储备的合作,引导协议企业以相应储备方式为政府进行应急物资储备提供指导和依据。     

考虑随机需求与收入共享的风险规避型V2G备用决策模型

在CVaR风险度量准则下,构建了考虑随机需求与收入共享的风险规避型V2G备用决策模型,推导了集中和分散两种决策下渠道成员最优决策行为的解析解,并进一步比较分析了随机需求变量服从均匀分布时的均衡策略。研究发现,集中决策下的最优V2G备用预留因子与渠道整体的风险规避度正相关,而均衡时的V2G备用销售价格与渠道整体的风险规避度的相关性不确定,且受到随机需求变量的分布函数影响;分散决策下的最优V2G备用预留因子仅与电网公司的风险规避度有关,而均衡时的V2G备用销售价格受到电网公司的风险规避度、购电价格以及电动汽车用户收入共享系数等的共同影响;电动汽车用户的最优V2G备用收入共享系数与其风险规避度正相关,而与电网公司的风险规避度负相关。数值仿真结果表明,在绝大多数情形下收入共享合约并不能完美协调此类V2G备用渠道的分散决策行为。     

不确定需求下考虑供应商参与机制的应急资源配置鲁棒优化研究

突发事件应急资源优化配置是突发事件发生后救援工作有效开展的前提和基本保障。本文在调研国内外相关研究的基础上，以应对地震灾难为背景研究考虑供应商参与机制的应急资源保障策略，在灾前选择供应商建立政府与供应商的合作机制完成政府储备仓库的选址与资源配置，突发事件发生后依托政府储备仓库和供应商生产能力共同满足应急救援对应急资源的分时段需求，以期协调供应商与政府储备、灾前实物采购与灾后生产能力采购的比例，在保障救援效率的同时降低应急资源保障体系的成本。同时由于地震灾难发生具有需求不确定性的特点，本文引入L1范数描述需求的不确定性，建立了备灾与灾害救援两阶段决策的鲁棒优化模型，并给出了鲁棒模型对应问题的转化方法。最后通过算例仿真验证了模型和对应问题转换方法的有效性，为地震的应对提供理论指导和决策支持。     

两级商业信用下存在顾客预付的易腐品库存模型

在销售单一品种的易腐品供应链中,假设销售商在获得供应链上游供应商延时还款的同时,也从（供应链）下游顾客处获得了部分预付款。分三种情况分别讨论销售商的成本构成,并由此建立数学模型以求解最优订货周期使得销售商单位时间总成本最小化。通过数学证明得到了目标函数的解析性质,结果显示每种情况下在可行域范围内至多存在一个极小值点。以此为基础给出了相应的命题以有效地确定销售商的最优决策。最后结合运作管理实践,通过数值算例说明了模型的有效性。     

Likelihood Inference for Discretely Observed Nonlinear Diffusions

This paper is concerned with the Bayesian estimation of nonlinear stochastic differential equations when observations are discretely sampled. The estimation framework relies on the introduction of latent auxiliary data to complete the missing diffusion between each pair of measurements. Tuned Markov chain Monte Carlo (MCMC) methods based on the Metropolis‐Hastings algorithm, in conjunction with the Euler‐Maruyama discretization scheme, are used to sample the posterior distribution of the latent data and the model parameters. Techniques for computing the likelihood function, the marginal likelihood, and diagnostic measures (all based on the MCMC output) are developed. Examples using simulated and real data are presented and discussed in detail.