相依风险及非对称损失下的信度理论
本文关键词:相依风险及非对称损失下的信度理论 出处:《吉林大学》2017年硕士论文 论文类型:学位论文
【摘要】:在保险实践中,科学合理地制定保费可以如何帮助保险公司更好地抵御风险,提高自身的市场竞争力.在制定保费时,精算师不仅仅要考虑先验信息,还要考虑个体索赔经验,信度理论为此提供了一个很好的工具.现代可信性理论起源于Bühlmann,他将估计限定在索赔数据的线性函数中,得到了著名的Bühlmann模型,奠定了现代可信性理论的基础.在已往的可信性理论中,风险总是被假定为相互独立的,但在实践中,这种假定往往是不切实际的,因此有必要对它们之间依赖关系进行考虑,使得计算出的保费更加合理.经典信度理论,常用平方损失函数来衡量风险,相比于对称损失函数,非对称损失函数能够更好地衡量风险,进而使得保费征收更合理.本文以非对称损失函数Stein损失函数为例,考虑风险相依的情形,对原有的模型进行拓展,推导出具有时间变化效应的Bühlmann模型和Bühlmann-Straub模型.
[Abstract]:In insurance practice, establish the reasonable premium to help insurance companies can better resist risk, improve their market competitiveness. In the formulation of the premium, the actuary must not only consider the prior information, but also consider individual claims experience, reliability theory provides a good tool for this purpose. The origin of the Modern Credibility Theory in B. Hlmann, he will estimate the linear function defined in the claims data, obtained the B famous Hlmann model, laid the foundation of modern credibility theory. In the past the credibility theory, the risk is always assumed to be independent of each other, but in practice, this assumption is often unrealistic, so it is necessary to consider the dependent relationship between them, the calculated premium is more reasonable. The classical reliability theory, the commonly used square loss function to measure the risk, compared to the symmetric loss function, asymmetric loss Loss of function can better measure of risk, and the premium collection is more reasonable. The non symmetric loss function Stein loss function as an example, consider the risk of dependence, the original model is extended to derive the B Hlmann model and B hlmann-Straub model with time varying effects.
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:F224;F841.3
【相似文献】
相关期刊论文 前10条
1 仲崇新;;加权凸损失函数下的贝叶士估计[J];扬州师院学报(自然科学版);1988年03期
2 肖筱南;一类理想二次损失函数下多参数统计模型的风险估计[J];西安石油学院学报(自然科学版);2003年03期
3 程岩,吴喜之;基于非对称损失函数的参数设计[J];应用概率统计;2005年04期
4 程岩;白宇欣;吴喜之;;基于非对称损失函数指数分布总体的参数设计[J];数学的实践与认识;2006年06期
5 张斌;韩之俊;汤阳;;基于质量损失函数的最优过程均值和质量投资决策[J];统计与决策;2008年18期
6 陈本晶;;非对称质量损失函数系数的参数设计[J];甘肃联合大学学报(自然科学版);2009年03期
7 黄维忠;;平衡损失函数下风险相依回归信度模型[J];华东师范大学学报(自然科学版);2013年01期
8 李新鹏;吴黎军;;平衡损失函数下具有时间变化效应的信度保费[J];重庆理工大学学报(自然科学);2013年04期
9 王天宇;韩萱;杨永愉;;基于平衡损失函数下的信度模型[J];北京化工大学学报(自然科学版);2013年03期
10 刘金泉;一类加权损失函数下正态分布均值参数的同时估计[J];吉林大学自然科学学报;1990年02期
相关会议论文 前5条
1 张月义;宋明顺;韩之俊;;动态特性质量损失函数研究[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
2 李静茹;钱伟民;;ε-不敏感损失函数下的Bayes估计方法[A];中国现场统计研究会第12届学术年会论文集[C];2005年
3 张增明;陈套;丁泽军;;Mo和Ta的有效电子能量损失函数[A];2006年全国电子显微学会议论文集[C];2006年
4 吴佳金;杨志豪;林原;林鸿飞;;基于改进Pairwise损失函数的排序学习方法[A];第六届全国信息检索学术会议论文集[C];2010年
5 周学君;;Rademacher复杂性与学习机器推广性的界[A];第一届中国智能计算大会论文集[C];2007年
相关博士学位论文 前5条
1 欧阳林寒;模型不确定下的稳健参数设计研究[D];南京理工大学;2016年
2 张月义;质量损失函数与测量系统校准研究[D];南京理工大学;2010年
3 黄维忠;相依风险及平衡损失函数下的信度理论[D];华东师范大学;2013年
4 王快妮;支持向量机鲁棒性模型与算法研究[D];中国农业大学;2015年
5 艾摩尔;多元重复测量模型和估计的比较[D];华东师范大学;2004年
相关硕士学位论文 前10条
1 薛娇;Entropy损失函数下若干分布参数的Bayes估计及其性质[D];兰州交通大学;2015年
2 揣瑞;平衡损失函数下Stein估计的优良性研究[D];吉林大学;2016年
3 黄婷婷;基于损失函数的最优过程均值优化设计的研究[D];南京理工大学;2016年
4 王旭;Mlinex损失函数下基于截尾数据指数分布参数的估计[D];吉林大学;2017年
5 孔亮;相依风险及非对称损失下的信度理论[D];吉林大学;2017年
6 徐万奎;加权损失函数下的信度保费[D];新疆大学;2011年
7 李春飞;两类损失函数的质量水平与参数设计[D];东北师范大学;2007年
8 苏美红;机器学习中损失函数问题研究[D];西北大学;2015年
9 邓海松;一类稳健损失函数的构造与应用及多元Laplace分布[D];南京理工大学;2006年
10 吴佳金;排序学习损失函数的研究[D];大连理工大学;2011年
,本文编号:1385750
本文链接:https://www.wllwen.com/jingjifazhanlunwen/1385750.html