偏正态混合效应模型的蒙特卡罗模拟研究

文章给出偏正态混合效应模型下非中心偏F统计量的蒙特卡罗模拟算法.并利用此算法获得非中心偏F统计量犯第一类错误的模拟概率和功效,以验证该统计量的有效性.在此基础上,将非中心偏F统计量应用于实际案例的数据分析中.结果表明,所给非中心偏F统计量能有效控制犯第一类错误的概率,并具有较高的检验功效.     

广义线性混合模型框架下的信度模型分析

尝试在广义线性混合模型的框架下构建信度模型。在广义线性混合模型框架中,假定被解释变量服从指数簇分布,假定自然参数先验分布为相应的自然共轭先验分布簇,按照Bayes理论,通过特殊构造,给出推论:对随机效应的估计满足经典信度公式。参数估计部分,利用自然共轭先验分布簇参数子列上下极限的性质找出先验分布参数的含义和关系,使用伪似然方法给出信度估计公式。并以特例形式讨论Tweedie模型,对模型进行变形,得到特例的Bühlmann-Straub信度和经典的Bühlmann信度。该模型同时考虑先验信息与后验信息,对整合分类费率与个体经验费率提供一定参考。     

广义加权平衡指数损失函数下的信度保费

在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险买务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷.文章在指数保费原理的基础上,引入广义加权平衡指数损失函数计算了下一期的信度保费计算公式,从而得出Bayes保费可以写成信度保费形式.     

相对熵方法下的指数保费信度理论

文章讨论了在相对熵方法下的风险保费的信度估计问题,即在指数保费原理下,把贝叶斯估计限定在经验估计的线性组合中,根据均方误差最小原则和相对熵最大原则得到了保费的信度估计的表达形式,从而推广了经典的信度理论.     

基于分层广义线性模型的非寿险费率厘定精算模型研究

非寿险业务中的损失数据结构日益复杂,呈现异质性与相关性并存的异象。分层广义线性模型能够突破传统费率厘定精算方法仅分析风险个体同一保单年损失数据的局限,可以提高复杂结构损失数据预测的准确性。基于分层广义线性模型等方法,研究具有多年损失数据的非寿险费率厘定问题,并以车险和工伤补偿保险的两组损失数据为例进行实证分析。研究结果表明,相对于GLM而言,考虑随机效应后GLMM的拟合优度大幅改善,GLMM与HGLM可以更有效地反映不同风险个体的差异,并有利于揭示风险个体在多个保险期内损失的异质性与相关性。     

可变利率下寿险纯保费精算模型的改进

本文根据实际情况将利率作为变量,建立了可变利率下的寿险纯保费精算模型,从而对将利率看作常数的当前使用的寿险纯保费精算模型进行了改进。     

变参数随机利率下的半连续寿险精算模型

文章对利息力累积函数采用不同累积时间上具有不同参数的Wiener过程建模,讨论了半连续定期人寿保险均衡纯保费和准备金的计算,并在死亡均匀分布假设下得到了其简洁表达式.     

基于ARIMA模型的我国财产险保费收入的预测研究

改革开放以来,我国保险业一直保持着迅猛的发展势头。财产险作为保险业的重要组成部分,其保费收入也在逐年增加。本文利用2000年1月至2009年10月118个时间序列数据,运用求和自回归移动平均模型（autoregressive integrated movinga verage model,简称ARIMA（p,d,q）模型）,建立我国保险业财产险收入的预测模型,预测财产险保费收入的变化趋势,作为保险公司决策管理的参考,并提出相关建议。     

真实固定效应空间随机前沿模型的贝叶斯估计

忽略个体效应和空间效应会严重干扰效率测算,其中忽略个体效应使得技术无效率项发生偏移,忽略空间相关性导致估计量有偏且不一致。本文基于真实固定效应随机前沿模型（引入了个体效应）,引入因变量和双边误差项的空间滞后项,构建了适用性更佳的真实固定效应空间随机前沿模型。对模型进行组内变化以消除额外参数,使用贝叶斯方法（需推导未知参数的后验分布并执行MCMC抽样）估计参数和技术效率。该方法真正克服了额外参数问题,比同类方法直观、简便。数值模拟结果表明,本文方法对参数、个体截距项及技术无效率项的估计精度均较高,且增加样本容量,估计精度变优。     

基于结构方程模型的合成信度及其使用问题研究

信度是问卷、量表、测验质量保障的核心要素,基于因素分析理论的合成信度估计方法近年来被讨论,并被统计学者推荐使用。合成信度比常用的信度计算方法α系数更为准确,且可用于多维测验和题目残差间存在相关的测验。通过文献分析及实例演示,分析了合成信度的特点和优点;同时,重点讨论了通过结构方程模型软件计算合成信度应注意的数据类型、数据分布、样本量以及模型收敛和拟合程度等问题,并比较了常用结构方程模型软件对合成信度计算的支持情况。     

A New Spatial Skew-Normal Random Field Model

Skewness is often present in a wide range of geostatistical problems, and modeling it in the spatial context remains a challenging problem. In this article, we propose and study a new class of spatial skew-normal random fields, defined in terms of the closed multivariate skew-normal distribution. Such fields can be written as the sum of two independent fields: one Gaussian and the other truncated Gaussian. We derive theoretical expressions for the first- and second-order moments, and use them within a method of moments based procedure to estimate the parameters of the model. Data simulated from the model are used to illustrate the methodology developed.     

Change Point Detection in The Skew-Normal Model Parameters

Bayesian inference under the skew-normal family of distributions is discussed using an arbitrary proper prior for the skewness parameter. In particular, we review some results when a skew-normal prior distribution is considered. Considering this particular prior, we provide a stochastic representation of the posterior of the skewness parameter. Moreover, we obtain analytical expressions for the posterior mean and variance of the skewness parameter. The ultimate goal is to consider these results to one change point identification in the parameters of the location-scale skew-normal model. Some Latin American emerging market datasets are used to illustrate the methodology developed in this work.     

基于马尔可夫转换模型的违约风险溢价预测研究

针对违约风险溢价变化依赖于经济波动状态以及市场、宏观经济变量依赖于经济周期时变因素的阶段,基于马尔可夫转换阶段的具体特征,构建马尔可夫违约风险溢价预测转换模型,并以香港恒生指数信用违约互换波动为例,测算因时变系数波动的指数息差、宏观经济变量等概率,通过实证算例剖析股市、宏观经济变量与违约风险溢价之间的内在联动关系和信用违约风险溢价变化的转换机制,以期实现对违约风险溢价能够进行有效预测,实证仿真结果说明了模型的有效性。     

Some Relationships Between Skew-Normal Distributions and Order Statistics from Exchangeable Normal Random Vectors

The article explores the relationship between distributions of order statistics from random vectors with exchangeable normal distributions and several skewed generalizations of the normal distribution. In particular, we show that the order statistics of exchangeable normal observations have closed skew-normal distributions, and that the corresponding density function is log-concave when the order statistic is extreme. Special attention is given to the bivariate case, which is related to the univariate skew-normal distribution. The applications discussed focus on the lifetimes of coherent systems.     

基于稀疏降噪自编码器的随机森林模型

随机森林算法是一类在机器学习中较为常见的算法,其在数据的分类以及非参数回归中都有重要的作用。如何更好地处理数据,进行特征选择是随机森林的重点研究领域。自编码神经网络在深度学习中有着不可替代的作用,其在数据压缩、特征提取等方面有着优异的性能。结合两者优点,提出一种基于使用稀疏降噪自编码器对原始数据进行特征提取的随机森林算法。采用多种常用数据集进行实验分析,对原始数据分别采用不同的特征提取方法,并利用随机森林将提取后的特征进行分类。实验结果表明,利用稀疏降噪自编码神经网络进行特征提取所得到的特征,能够使随机森林的分类精度得到一定程度的提高。     

A New Class of Credibility Estimators Under the Generalized Weighted Premium Principle

The generalized weighted premium includes many classical premium principles. Most important of all, some of them have positive safe-loading. Some work had been done previously, the credibility premium derived under this premium principle cannot be applied to practice directly due to the difficulties of calculation and the estimation of structure parameters. In this article, we consider a new form of credibility estimator under the generalized weighted premium principle. In addition, the consistency of the estimator is shown and the comparisons were analyzed with previous results in the simulations. The results show that this “new” estimator is better than existed estimators under mean square error sense. Finally, the structure parameters in credibility factor were estimated in the models of multitude contracts.     

The Skew-Normal Distribution on the Simplex

Density functions on the simplex defined with respect to the Lebesgue measure can change from unimodality to multimodality with perturbation. This phenomenon is induced by the incompatibility of the Aitchison geometry and the Lebesgue measure. A Lebesgue-type measure, compatible with the algebraic geometric structure of the simplex, is used here to define the skew-normal density on the simplex as the Radon-Nykodym derivative with respect to it. Similarities and differences between the densities obtained using the different measures are analyzed.     

罕见灾难、不确定性冲击和国债风险溢价——基于非线性DSGE模型

基于三阶矩近似解下非线性动态随机一般均衡(DSGE)模型的理论框架,比较分析了罕见灾难和不确定性(包括SV和GARCH)的技术冲击对中国长期国债风险溢价的影响。研究结果表明:罕见灾难影响国债风险溢价的水平值,但不影响风险溢价的波动性;SV及GARCH冲击影响风险溢价水平值和时变性;加入罕见灾难、SV及GARCH冲击的DSGE模型能更好地拟合长期国债风险溢价的非线性和时变特征。     

基于格点搜索的随机效应的GLS估计

面板数据随机效应模型两步回归法参数估计使用的方差分量来自第一步的回归估计,它没有考虑方差分量的精度。为了弥补这一缺陷,故提出最优方差分量法（Optimal Variance Component）,简称OVC。OVC方法增加了＂格点搜索＂技术,能够提供更多的方差分量组合,因此在一定程度上提高了参数估计的精度。蒙特卡罗模拟的结果虽然支持上述论点,但该方法却存在一定的问题,仍有待进一步完善。     

基于随机森林模型的分类数据缺失值插补

缺失数据是影响调查问卷数据质量的重要因素,对调查问卷中的缺失值进行插补可以显著提高调查数据的质量。调查问卷的数据类型多以分类型数据为主,数据挖掘技术中的分类算法是处理属性分类问题的常用方法,随机森林模型是众多分类算法中精度较高的方法之一。将随机森林模型引入调查问卷缺失数据的插补研究中,提出了基于随机森林模型的分类数据缺失值插补方法,并根据不同的缺失模式探讨了相应的插补步骤。通过与其它方法的实证模拟比较,表明随机森林插补法得到的插补值准确度更优、可信度更高。