基于Copula模型的车险索赔数据的统计分析

发布时间：2017-10-12 06:22

  本文关键词：基于Copula模型的车险索赔数据的统计分析

  更多相关文章： Copula 索赔数据 IFM估计方法 EM算法 Jitter Approach Markov模型

【摘要】：在非寿险领域中,汽车保险是其重要组成部分,通过对车险索赔数据的研究,有助于保险公司制定合理的保费和更加完善的保险合同.为了分析索赔数据,往往需要考虑数据中的相依性,如在汽车保险中索赔次数在不同时间段之间的相关性,又如索赔次数同索赔额,保单保费,保单风险等变量之间的关系.若能用多元模型刻画出这类特点,对汽车保险的研究也是十分有益的.本文旨在研究汽车索赔次数同索赔额、保单保费、保单风险等变量之间的关系,以及不同时间段索赔次数之间的关系.文中首先基于单个Copula模型,探讨了边际模型的不同组合形式,如逆高斯回归模型和负二项回归模型的组合,并利用两步参数估计法(IFM)研究了模型参数的估计；其次,结合EM算法和IFM算法,探讨了混合Copula模型中参数的极大似然估计问题；最后,本文利用Copula模型研究了纵向数据,在这里,我们结合一阶Markov模型以及离散连续化方法(Jitter Approach),构造了多种Copula组合模型并简化了相关的多维离散时间纵向数据模型的估计方法.另外,我们通过蒙特卡洛随机模拟方法产生了不同样本量和不同类型的数据,给出了相应模型的参数估计结果,验证了本文方法的有效性,同时还将构造的Copula模型应用到了实际的车险索赔数据中,得到了与人们一般的认知保持一致的合理结论.
【关键词】：Copula 索赔数据 IFM估计方法 EM算法 Jitter Approach Markov模型
【学位授予单位】：南京师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F842.634
【目录】：

• 摘要5-6
• Abstract6-7
• 第1章 引言7-10
• 第2章 基础知识10-17
• 2.1 边际分布10-11
• 2.2 Copula模型11-14
• 2.3 参数估计14-15
• 2.4 离散连续化方法15-17
• 第3章 单个Copula模型及其在车险索赔中的应用17-32
• 3.1 模型与标记17-18
• 3.2 参数估计18-23
• 3.3 模拟研究23-28
• 3.4 实例应用28-32
• 第4章 混合Copula模型及其在车险索赔中的应用32-50
• 4.1 混合Copula模型32-33
• 4.2 基于EM算法的参数估计33-37
• 4.3 模拟研究37-47
• 4.4 实例应用47-50
• 第5章 基于Copula模型的车险索赔纵向数据分析50-64
• 5.1 多元Copula模型与Markov模型50-52
• 5.2 参数估计52-58
• 5.3 模拟研究58-61
• 5.4 实例应用61-64
• 第6章 小结与展望64-65
• 参考文献65-68
• 致谢68

【相似文献】

中国期刊全文数据库 前10条

1 孙志宾;;混合Copula模型在中国股市的应用[J];数学的实践与认识;2007年20期

2 李娟;戴洪德;刘全辉;;几种Copula函数在沪深股市相关性建模中的应用[J];数学的实践与认识;2007年24期

3 李军;;Copula-EVT Based Tail Dependence Structure of Financial Markets in China[J];Journal of Southwest Jiaotong University(English Edition);2008年01期

4 许建国;杜子平;;非参数Bernstein Copula理论及其相关性研究[J];工业技术经济;2009年04期

5 王s，

本文编号：1017157