风险模型:基于R的保险损失预测
￥ 55.5 6.2折 ￥ 89 九五品
仅1件
作者孟生旺
出版社清华大学出版社
ISBN9787302482062
出版时间2017-09
版次1
装帧平装
开本16开
纸张胶版纸
页数426页
字数99999千字
定价89元
上书时间2024-07-08
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:风险模型:基于R的保险损失预测
定价：89.00元
作者:孟生旺
出版社：清华大学出版社
出版日期：2017-09-01
ISBN：9787302482062
字数：513000
页码：426
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
本书为中国人民大学统计学院组织编撰的“应用统计工程前沿丛书”（“十二五”国家重点图书出版规划项目）中的一本，以R语言为工具讨论了保险中的风险预测方法。风险预测是保险公司进行风险评估和合理定价的依据，是其提高核心竞争力的有力手段。
内容提要
保险是经营风险的行业，风险的评估和定价是保险公司很为核心的竞争力。本书以保险业为研究对象，讨论了相应的风险模型及其应用，主要包括损失概率、损失次数、损失金额和累积损失的分布模型以及它们的预测模型，同时还探讨了巨灾损失和相依风险的建模问题。在实证研究中，以R语言为计算工具，提供了详细的程序代码，方便读者再现完整的计算过程。本书适合风险管理、保险与精算等相关专业的高年级学生、研究人员或从业人员参考。
目录
目录章风险度量1.1描述随机变量的函数1.1.1分布函数1.1.2概率密度函数1.1.3生存函数1.1.4概率母函数1.1.5矩母函数1.1.6危险率函数1.2常用的风险度量方法1.2.1VaR1.2.2TVaR1.2.3基于扭曲变换的风险度量第2章损失金额分布模型2.1常用的损失金额分布2.1.1正态分布2.1.2指数分布2.1.3伽马分布2.1.4逆高斯分布2.1.5对数正态分布2.1.6帕累托分布2.1.7韦布尔分布2.2新分布的生成2.2.1函数变换2.2.2混合分布2.3免赔额的影响2.4赔偿限额的影响2.5通货膨胀的影响第3章损失次数分布模型3.1(a, b, 0)分布类3.1.1泊松分布3.1.2二项分布3.1.3负二项分布3.1.4几何分布3.2(a, b, 1)分布类3.2.1零截断分布3.2.2零调整分布3.3零膨胀分布3.4复合分布3.4.1复合分布的概率计算3.4.2复合分布的比较3.5混合分布3.6免赔额对损失次数模型的影响3.6.1免赔额对(a, b, 0)分布类的影响3.6.2免赔额对(a, b, 1)分布类的影响3.6.3免赔额对复合分布的影响第4章累积损失分布模型4.1集体风险模型4.1.1精确计算4.1.2参数近似4.1.3Panjer递推法4.1.4傅里叶近似4.1.5随机模拟4.2个体风险模型4.2.1卷积法4.2.2参数近似法4.2.3复合泊松近似法第5章损失分布模型的参数估计5.1参数估计5.1.1极大似然法5.1.2矩估计法5.1.3分位数配比法5.1.4最小距离法5.2模型的评价和比较第6章巨灾损失模型6.1广义极值分布6.1.1极值分布函数6.1.2极大吸引域6.1.3区块化方法6.2广义帕累托分布6.2.1分布函数6.2.2超额损失的分布6.2.3更大阈值下超额损失的分布6.2.4尾部生存函数6.2.5风险度量6.2.6参数的极大似然估计6.2.7尾部指数的Hill估计6.2.8尾部生存函数的Hill估计6.3偏正态分布和偏t分布第7章损失预测的广义线性模型7.1广义线性模型的结构7.1.1指数分布族7.1.2连接函数7.2模型的参数估计方法7.2.1极大似然估计7.2.2牛顿迭代法7.2.3迭代加权最小二乘法7.2.4牛顿迭代法与迭代加权最小二乘法的比较7.2.5离散参数的估计7.2.6参数估计值的标准误7.3模型的比较与诊断7.3.1偏差7.3.2模型比较7.3.3伪判定系数7.3.4残差7.3.5Cook距离7.3.6连接函数的诊断第8章损失金额预测模型8.1线性回归模型8.1.1模型设定8.1.2参数估计8.1.3连接函数8.1.4模拟数据分析8.2损失金额预测的伽马回归8.2.1模型设定8.2.2迭代加权最小二乘估计8.2.3模拟数据分析8.3损失金额预测的逆高斯回归8.3.1模型设定8.3.2迭代加权最小二乘估计8.3.3模拟数据分析8.3.4GAMLSS的应用8.4有限赔款预测模型8.5混合损失金额预测模型8.6应用案例8.6.1数据介绍8.6.2描述性分析8.6.3案均赔款的预测模型8.6.4案均赔款对数的预测模型第9章损失概率预测模型9.1基于个体观察数据的损失概率预测9.1.1伯努利分布9.1.2伯努利分布假设下的逻辑斯谛回归9.1.3迭代加权最小二乘估计9.1.4模拟数据分析9.1.5不同风险暴露时期的处理9.2基于汇总数据的损失概率预测9.2.1二项分布9.2.2二项分布假设下的逻辑斯谛回归9.2.3迭代加权最小二乘估计9.2.4模拟数据分析9.3损失概率预测模型的解释9.4损失概率预测模型的评价9.4.1偏差9.4.2分类表9.4.3HosmerLemeshow统计量9.5其他连接函数9.6过离散问题9.7应用案例0章损失次数预测模型10.1泊松回归模型10.1.1泊松分布10.1.2模型设定10.1.3迭代加权最小二乘估计10.1.4抵消项10.1.5模型参数的解释10.1.6模拟分析10.2过离散损失次数预测模型10.2.1负二项Ⅰ型分布10.2.2负二项Ⅱ型分布10.2.3迭代加权最小二乘估计10.2.4模型参数的解释10.2.5模拟分析10.3零截断与零膨胀损失次数预测模型10.3.1零截断回归模型10.3.2零膨胀回归模型10.3.3零调整回归模型10.4混合损失次数预测模型10.5应用案例10.5.1描述性分析10.5.2索赔频率预测模型1章累积损失的预测模型11.1Tweedie回归11.2零调整逆高斯回归11.3应用案例11.3.1描述性分析11.3.2纯保费的预测模型2章相依风险模型12.1Copula12.2生存Copula12.3相依性的度量12.3.1线性相关系数12.3.2秩相关系数12.3.3尾部相依指数12.4常见的Copula函数12.4.1正态Copula12.4.2tCopula12.4.3Clayton Copula12.4.4Frank Copula12.4.5Gumbel Copula12.4.6FGM Copula12.4.7厚尾Copula12.5阿基米德Copula12.6Copula的随机模拟12.7Copula的参数估计12.8Copula的应用3章贝叶斯风险模型13.1先验分布的选择13.2MCMC方法简介13.2.1Gibbs抽样13.2.2MetropolisHastings算法13.2.3Hamiltonian Monte Carlo算法13.2.4收敛性的诊断13.3模型评价13.4贝叶斯模型的应用索引参考文献
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价