BMM模型在商业银行操作风险度量中的应用

文章利用极值理论中的BMM模型对商业银行操作风险损失极端值分布进行估计,采用广义极值分布构建VaR模型,组建极值数据组,运用极大似然估计法估计两个参数,进而计算操作风险损失VaR。最后结合我国商业银行1994~2008年的220个操作风险损失数据进行实证研究,结果显示BMM模型具有超越样本的估计能力,在数据较少条件下能得到较准确结果,用其度量商业银行的操作风险损失VaR是合理的,这为我国商业银行操作风险度量和管理提供一定的量化依据。     

一种车险先验风险分布的参数估计方法

采用全体车险保单组合的风险损失数据(即先验信息)作为定价的信度补充,是车险精算定价的主流方法;而得到风险损失的先验分布或特征信息是经验费率定价的基础.文章引入过程和结构方差分析方法对车险索赔过程的先验分布参数进行估计;并提出了针对索赔频率和索赔额模型的参数估计方法.该方法能快速近似估计多参数分布模型,优于传统参数估计方法.     

POT模型在巨灾损失预测中的应用——基于MCMC方法的估计

极值统计学主要研究随机事件极端情况的统计规律性。运用POT模型拟合中国暴雨损失数据,确定损失超出量的分布形式。实证分析表明,借助POT模型对巨灾风险损失分布进行估计是较为合理的,但当数据量较小时,使用基于Gibbs抽样的MCMC方法估计POT模型的参数,可以解决样本数据不足导致的极大似然估计中误差增大的问题。     

中国商业银行操作风险的度量

为了增强银行的抵御风险能力,新巴塞尔协议提出在银行监管资本估计中应包含操作风险资本金,然而因为数据和模型等方面的原因,导致准确估计操作风险资本金绝非易事.文章采用Monte Carlo模拟技术,同时考虑到操作风险损失数据的不完整性,利用损失分布方法来度量我国商业银行操作风险,该方法能够让银行操作风险资本金的估计变得简单、容易,且具实际可操作性.     

本期导读

在非寿险业务中,对损失数据所服从的分布的精确估计是一个十分重要的问题.<非寿险损失分布建模的一般性方法>一文,利用平均超出函数、极大似然估计等方法系统地分析了损失分布的模型识别、参数估计和模型拟和检验的技术方法,并通过实例验证了在有大量损失数据情况下,利用计算技术解决非寿险损失分布模型拟和是一种有效的方法.     

基于分数阶矩和分片Wasserstein距离的鲁棒风险度量优化模型

鲁棒风险度量优化是一类随机风险分析度量的重要问题,其对不确定分布信息的捕捉需依赖不完善的假设和估计,分布尾部的反映直接影响分布预测的精准性,尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时,提出基于Wasserstein距离的分布估计方法,克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力,在解析分布估计的基础上,建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差,基于纤维丛理论思想,提出分片Wasserstein距离解析约束的分片鲁棒风险度量模型。最后,通过规范数据进行仿真分析,数值实验结果显示,该模型能够精准量化突发性极端损失风险。     

非参数密度估计在个体损失分布中的应用

一、前言所谓个体损失 ,就是每一次保险事故中的损失数额 ,对个体损失分布性状的研究是风险决策理论的重要内容。已有的关于个体损失分布的研究大多着眼于传统的参数统计方法 ,其基本流程为 :获取数据→拟合参数模型→估计模型参数→指出拟合效果 ,也就是说 ,对于损失总体分布性状的了解是建立在确定参数模型的基础上的。自然 ,估计模型参数的方法有很多 ,包括矩估计、极大似然估计、最小距离估计等 ,最终确定的参数模型对个体损失分布通常会有较好的描述 ,能够提供精度较高的分析结果。但在实际操作中 ,这一过程显得太过冗长 ,且对不同样本…     

中国商业银行内部欺诈风险度量研究

作为巴塞尔新资本协议规定的七种操作风险损失类型之一,内部欺诈问题是中国商业银行的一个重大风险来源。以部分国内商业银行内部欺诈数据为样本,针对内部欺诈具有的低频率高损失的特点,借助广义Pareto分布（GPD）和对数正态分布对内部欺诈建立了一个风险度量模型,然后通过对尾部分布何时服从GPD进行检验,得到了精确的门限值,最后利用所建立的分布模型对内部欺诈类操作风险在险风险值、经济资本和最大可能损失进行了估计,说明了中国商业银行防范内部欺诈风险的重要性。     

Laplace分布参数估计的损失函数和风险函数的Bayes推断

文章给出了在共轭先验分布下,Laplace分布的参数估计的损失函数和风险函数的Bayes估计及其为保守估计的一般条件,说明了该条件的合理性;并用上证指数收益率数据作了实证分析。     

非寿险损失分布建模的一般性方法

在非寿险精算中,损失分布的建模是保费厘定等其它一系列工作的基础.文章利用平均超出函数、极大似然估计等方法系统地分析了损失分布的模型识别、参数估计和模型拟和检验的技术方法,并给出了一个实例.这对于在有大量损失数据情况下,利用计算机技术解决非寿险损失分布模型拟和的问题是非常有益的.     

超出损失保险的纯保费估计和风险度量

文章引入负二项分布作为保单组合的索赔次数的分布，全Paretian分布作为索赔额的分布，研究了超出损失保险保单组合的纯保费的估计方法，导出了最大可能损失的估计式，并利用火灾保险索赔数据进行了实证分析。     

巨灾保险索赔数据的极值风险度量

目前,各界对巨灾保险索赔数据呈现的厚尾性已达成共识。本文中,笔者基于指数回归模型构造了厚尾分布的高分位数估计;并将该方法应用于大的火灾保险数据进行实证分析,对大的火灾保险进行风险度量,得到该数据的高分位数。     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

逐次定数截尾下Pareto分布的可靠性分析

基于逐次定数截尾模型,文章选取未知参数的先验分布为无信息先验分布,分别在平方损失和LINEX损失下,讨论了Pareto分布的形状参数,失效率以及可靠度函数的Bayes估计。最后运用Monte Carlo方法对Bayes估计和极大似然估计的MSE,进行了模拟比较。结果表明在LINEX损失下的Bayes估计更优。     

基于Bayes统计推断的极值风险测度模型

极值分布的参数估计是计算极值风险的关键。文章运用Bayes方法,研究了极值分布的参数估计问题,得到了极值数据的后验分布。作为一个应用,对某水文观测站的年最高水位数据进行了分析,并用极大似然估计和Bayes估计得到极值风险的测量值,解读两者之间差别。研究结果表明,Bayes参数估计方法更有效。     

地质灾害损失分布拟合与风险度量

 地质灾害的频繁发生已引起了社会各界的高度关注。本文以湖南省娄底市地质灾害损失数据为样本,借助广义Pareto分布和对数正态分布对地质灾害损失分布进行刻画,建立了一个分段的地质灾害损失分布模型,然后讨论了地质灾害损失的纯保费和最大可能损失的估计问题,得到了一些有意义的结果。     

超出损失再保险纯保费的估计

文章引入负二项-Pareto分布作为保单组合的索赔次数的分布,导出了全Paretian模型的参数及索赔次数的贝叶斯估计式,得到了超出损失再保险保单的纯保费的精确的贝叶斯估计公式。我们将所得到的贝叶斯估计结果应用于火灾保险数据,将所得结果与Poisson-Paretian模型进行了比较,说明了模型的合理性和有效性。     

广义线性模型在非寿险精算中的应用及其研究进展

广义线性模型在精算中的应用始于20世纪80年代，其应用涉及到精算学的各个领域，如生命表的修匀、损失分布、信度理论、风险分类、准备金和费率估计等方面。在对广义线性模型适用于非寿险精算的典型特征进行分析的基础上，对广义线性模型在非寿险精算中的应用及其研究进展进行分析和总结的同时，重点分析利率厘定和准备金估计中广义线性模型的建模思想，并结合实际提出了今后研究的方向。     

基于Cox过程的操作风险度量方法

文章讨论了操作风险的度量问题,将操作风险事件的发生假定为Cox过程--一种比Poisson过程更一般的计数过程,损失分布为广义帕累托分布(GPD),各风险事件的相关性由Copula来描述;分析了金融机构整体操作风险的度量.文章还讨论了模型中参数的设定与估计问题,为了使得模型可以在实际中应用,Monce Carlo模拟也给与了考虑.     

测量误差模型稳健方法及应用研究

回归模型在经济学、生物医学、流行病学、工农业生产等众多领域有着广泛的应用,而在实际数据收集时常常出现无法获得变量的精确数据或全部数据的情况,即常碰到测量误差数据、缺失数据等复杂数据情形。对于回归模型中存在测量误差的情况,如在参数估计时不加以修正,则易产生估计偏差,使得估计精度下降。对于数据缺失情形,如不采取合理的处理方法也会导致模型分析结果不佳。故此,本文研究含有测量误差数据时,解释变量具有随机缺失时的线性测量误差模型和部分线性测量误差模型的稳健参数估计问题。本文提出了一种在测量误差服从拉普拉斯分布时参数的损失修正估计,通过蒙特卡洛模拟和医学研究中的实证分析,显示本文所提的估计方法具有偏差小、精度高、稳健性强的优势。