精算异质性问题研究：基于混合模型的视角
全新正版 极速发货
￥ 28.07 4.8折 ￥ 58 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者殷崔红
出版社西南财经大学出版社
ISBN9787550458611
出版时间2023-08
装帧平装
开本16开
定价58元
货号1203035598
上书时间2024-08-10
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
殷崔红，博士毕业于厦门大学，获得理学博士学位，现为西南财经大学金融学院讲师，长期从事保险精算的教学和科研工作。主要研究方向为保险精算、数据挖掘，混合模型等方面的研究。
目录
目录 第一章 混合模型简介 第一节 引言 第二节 混合模型的相关术语 第三节 Erlang混合模型的应用 第二章 混合模型参数估计的一致性 第一节 引言 一、预备知识 二、一致性的文献综述 第二节 左截断Erlang混合模型 第三节 惩罚函数 一、SCAD惩罚函数 二、iSCAD惩罚函数 三、iSCAD惩罚函数参数的解释 四、iSCAD惩罚函数的性质 第四节 主要证明结果 一、相关条件的讨论 二、有用的引理结果 三、参数一致性证明第三章 左截断Erlang混合模型及其应用 第一节 引言 一、预备知识 二、混合模型参数估计的文献 第二节 左截断为l的Erlang混合模型 一、模型的建立 二、风险度量 三、参数估计 第三节 模拟实验 第四节 实际数据的应用 附录A Erlang混合模型三种方法下的估计结果 附录B Erlang混合模型的R代码 第四章 Erlang极值混合模型及其应用 第一节 引言 第二节 Erlang极值混合模型 一、模型的建立 二、风险度量 三、参数估计 第三节 模拟实验 第四节 实际数据的应用 附录A Erlang极值混合模型R代码 第五章 开放式混合泊松模型及其应用 第一节 引言 第二节 开放式混合泊松模型 一、模型的建立 二、相关分布 第三节 参数估计 一、iSCAD惩罚函数 二、EM算法 三、初始值的选取 四、模型评价 第四节 实例分析 一、零膨胀数据 二、厚尾性数据 三、异质性数据 第五节 结论与建议 一、索赔次数多特征的研究结论 二、索赔次数多特征的建议 附录A 开放式混合泊松模型R代码 第六章 开放式混合泊松回归模型及其应用 第一节 引言 第二节 开放式混合泊松回归模型 第三节 实例分析 一、数据来源及整理 二、保单分类 三、基于保单分类的影响因素分析 第四节 结论与建议 一、自主定价的研究结论 二、产险公司自主定价的建议 第七章 风险分类模型及其应用 第一节 引言 第二节 风险分类模型 一、模型的假设和符号说明 二、模型的建立 三、准备金汇总 第三节 实例分析 一、数据来源及基本信息 二、风险分类 三、近期未决赔款准备金估计 第四节 结论与建议 一、准备金分类评估的研究结论 二、准备金分类评估的建议 附录A 参数估计推导过程——EM算法 附录B 风险分类模型R代码 附录C 数据运行过程 参考文献
内容摘要
本书介绍混合模型的基本概念、相关参数解释和混合模型的形状图示等；然后讨论混合模型的参数估计，并给出参数估计的一致性证明等；为优化保险产品的费率厘定，针对保险数据的免赔额、长尾性和异质性等问题，分解建立了左截断的Erlang 混合模型、Erlang 极值混合模型、混合泊松模型等；为给出不同风险特征的合理解释，以便更准确的定价，采用Open Mixed Poisson (OMP) 分布的开放式结构实现车险的自主风险分类，通过Poisson Regression (PR) 模型的回归结构研究不同保单类的影响因素，实现针对不同风险客户的分类和定价。最后，针对近期事故准备金的不稳定性和保单生效日期的不同，提出风险分类模型，实现了基于个体保单风险分类，然后按类别汇总近期未决赔款准备金的估计。
主编推荐
保险中的损失数据， 是精算费率厘定和准备金评估的基础。 但标的物的风险不同， 使得用于刻画风险大小的索赔次数、 赔款额和累积赔款额等数据特征具有异质性， 因此对这些数据的研究模型也变得复杂。混合模型是研究数据异质性的重要统计模型之一， 其通过加权的方式混合一些经典理论分布， 实现不同分量分布刻画不同特征的目的， 其混合结构可以很好地解释数据的异质性。本书将介绍一系列混合模型， 并讨论其在精算费率厘定和未决赔款准备金评估中的应用。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价