基于时间序列分析方法的寿险保费统计实证分析

发布时间：2017-09-22 09:38

  本文关键词：基于时间序列分析方法的寿险保费统计实证分析

  更多相关文章： 寿险 聚类分析 时间序列 协整检验 Granger因果检验

【摘要】：寿险作为重要的险种之一,对社会经济生活有很大的影响。本文运用一元时间序列方法对某保险公司2012年1月1日至2014年12月31日的寿险保费收入的历史数据建立时间序列模型,并对2015年1月1日到10日该保险公司的寿险保费收入进行预测。预测结果表明2015年1月1日至10日的实际值和预测值之间的相对误差最大的为22.74%,最小的为1.44%,总体平均相对误差为10.19%。并且可以看出2015年1月1日至5日的相对误差均在8%以内,而在2015年1月5日之后的相对误差则均在12%以上。由于影响寿险收入的因素很多,比如,人口老龄化程度、市场率水平、通货膨胀水平、其他险种的发展水平等。其中,通货膨胀水平对寿险业的发展影响巨大。因此,为了更好地预测该保险公司未来寿险保费的收入,又进一步引入了代表通货膨胀因素的指标CPI同比增长指数,并利用CPI同比增长指数的历史数据构建了其时间序列。通过对多元时间序列进行协整检验、Granger因果检验,建立多元时间序列模型并对模型进行检验。最后对2015年1月1日至10日该保险公司的寿险保费收入进行预测。预测结果表明,运用多元时间序列分析方法对未来寿险保费收入进行预测时,平均相对误差为5.81%,总体效果远低于使用一元时间序列分析方法的结果。
【关键词】：寿险 聚类分析 时间序列 协整检验 Granger因果检验
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F842.62;F840.4
【目录】：

• 中文摘要3-4
• 英文摘要4-7
• 1 绪论7-12
• 1.1 国内外寿险发展状况7-8
• 1.1.1 国内寿险市场发展状况7
• 1.1.2 国外寿险市场发展状况7-8
• 1.2 聚类分析简述8-9
• 1.3 时序列简述9-10
• 1.4 研究现状与意义10
• 1.5 本文研究内容与结构10-12
• 2 我国寿险市场的区域性分析12-18
• 2.1 我国寿险业区域性差异指标分析12-16
• 2.2 聚类分析16-18
• 3 时间序列的基本模型18-22
• 3.1 平稳时间序列18-19
• 3.2 AR模型19-20
• 3.3 MA模型20
• 3.4 ARMA模型20-21
• 3.5 ARIMA模型21-22
• 4 一元时间序列建模和预测22-29
• 4.1 模型建立22-26
• 4.1.1 数据准备22
• 4.1.2 寿险保费收入模型的建立22-25
• 4.1.3 模型定阶25-26
• 4.2 寿险保费收入模型拟合程度检验26-27
• 4.3 寿险保费收入模型预测27-29
• 5 多元时间序列分析29-38
• 5.1 多元时间序列模型建立29-30
• 5.1.1 多元时间序列模型表示29-30
• 5.1.2 多元时间序列模型的相关概念30
• 5.2 数据准备30-31
• 5.3 多元时间序列模型识别31-34
• 5.3.1 多元时间序列图31
• 5.3.2 模型KPSS检验31-32
• 5.3.3 多元时间序列的Engle-Granger协整检验32-34
• 5.3.4 多元时间序列的Granger因果检验34
• 5.4 多元时间序列模型34-35
• 5.5 多元时间序列模型的预测35-36
• 5.6 一元时间序列方法预测与多元时间序列预测对比36-38
• 6 总结38-40
• 致谢40-41
• 参考文献41-43

【相似文献】

中国期刊全文数据库 前10条

1 许清海;混沌投资时间序列的嬗变[J];漳州师范学院学报(自然科学版);2003年01期

2 高洁;孙立新;;长记忆时间序列的适应性预测误差的谱密度[J];统计与决策;2006年13期

3 黄超;龚惠群;;金融领域时间序列挖掘技术研究[J];东南大学学报(哲学社会科学版);2007年05期

4 耿显民;;价格时间序列及其应用(英文)[J];数学季刊;2008年01期

5 杜江;李玉蓉;钟菲菲;;基于模糊时间序列对我国对外贸易中的进口水平的预测[J];统计与决策;2010年23期

6 王朝;;浅述时间序列的预测方法[J];商业文化(下半月);2012年03期

7 刘猛洪;汪爱丽;;基于模糊时间序列的短期电力负荷预测[J];电子世界;2013年07期

8 刘彩霞;;时间序列在粮食预测中的应用[J];东方企业文化;2013年09期

9 邓树增;技术发展的时间序列律[J];科学学研究;1988年01期

10 肖牧;确定经济因素对地方当局政策的影响:利用时间序列和转换的功能模型[J];管理科学文摘;1996年01期

中国重要会议论文全文数据库 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学（第8卷）[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

中国重要报纸全文数据库 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

中国博士学位论文全文数据库 前10条

1 张墨谦;遥感时间序列数据的特征挖掘：在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

7 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

8 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

9 张勇;时间序列模式匹配技术研究[D];华中科技大学;2012年

10 董晓莉;时间序列数据挖掘相似性度量和周期模式挖掘研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 陈健;基于多变量相空间重构的投资组合策略研究[D];华南理工大学;2015年

2 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

3 米晓将;区域尺度下月均气温的时空演化格局研究[D];昆明理工大学;2015年

4 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

5 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

6 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

7 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

8 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

9 谢翠颖;苏州社会消费品零售总额简析[D];苏州大学;2015年

10 包仁义;基于时间序列的搜索引擎评估模型算法研究[D];东北师范大学;2015年

，

本文编号：900109