带投资组合相依风险模型的破产概率

研究一类带投资组合的相依风险模型的破产概率.其中保费收入到达过程为Poisson过程,描述理赔发生的累计过程为保单到达过程的稀疏过程,同时考虑到保险公司的投资利率和通货膨胀率,最终得出破产概率满足的Lundberg不等式和一般公式.     

随机利率下保费到达与理赔相关的含干扰风险模型

针对一类财产保险,在其保单到达过程和理赔到达过程相关条件下,考虑到利率与干扰因素,建立了一种更贴近现实的风险模型,其中保费收入分为单纯保费收入和由部分理赔支出带来的保费收入,同样理赔支出也分为两部分,即单纯理赔支出和可带来保费收入的理赔支出,且保费随机收取,将用鞅方法分析得出此模型破产概率的Lundberg上界及其计算...     

索赔为稀疏过程的n重风险模型

考虑保险公司经营险种的数量,保费收取方式及保费到达过程和索赔到达过程的关系,有必要考虑一种新的风险模型。引进一种新的n重风险模型,其中索赔过程为保费到达的p-稀疏过程,即发生一次保费时以概率p发生一次索赔。利用复合Poisson过程的相关性质和鞅论,得出了新模型下调节系数满足的方程,给出了调节系数上下界的证明方法,最后得到了最终破产概率的一般表达式和上界。     

复合Poisson分布的m重负风险模型

考虑复合Poisson分布下m重负风险模型,其中,保险公司的保费收入是一个负的常数,并且是m重险种在同一时刻发生索赔,索赔过程又皆为复合Poisson过程.给出调节系数所满足的方程,并利用鞅的方法和负风险模型本身的一些性质得到该模型的破产概率的确切表达式,同时得出Lundberg不等式.最后给出关于破产概率的一个极限值...     

复合Poisson分布下m重负风险模型

考虑复合Poisson分布下m重负风险模型,其中,保险公司的保费收入是一个负的常数,并且是m重险种在同一时刻发生索赔,索赔过程又皆为复合Poisson过程.给出调节系数所满足的方程,并利用鞅的方法和负风险模型本身的一些性质得到该模型的破产概率的确切表达式,同时得出Lundberg不等式.最后给出关于破产概率的一个极限值.     

考虑退保一类复合Poisson过程的风险模型

考虑到保险公司退保事件的发生,就保费收取、个体退保额及理赔额均为相互独立的随机变量情形建立了一种新的风险分析模型.模型中保单到达、退保及理赔发生均为Poisson流.对此模型的基本性质与破产概率及上界作了相应的解析分析,对与破产概率控制至关重要的调节系数与风险模型基本参数的关系进行了数值模拟,所揭示的破产概率的一些变动特征为保险公司预防和控制破产风险提供了有益的启示.     

阈值分红策略影响下的最优投资和再保险

针对跳扩散风险模型,研究使保险公司期望红利最大的最优投资和最优再保险问题。在期望值保费原理以及阈值分红策略下,运用随机最优控制理论和扩散逼近理论得到了满足该模型的HJB方程,最后获得了最优策略、值函数以及分红策略的显示解,并用数值模拟分析了一些参数对最优策略的影响。     

带有双投资和分红策略Poisson-Geometric风险模型的破产概率

考虑到随机干扰因素的影响,将多余的资本进行风险投资和稳定低利率投资,以提高保险公司的赔付能力.构建了带有双投资和分红策略的随机扰动风险模型,其中保费过程、索赔过程及分红过程均为Poisson-Geometric过程.对模型的性质进行讨论,证明了盈利过程具有平稳独立增量,得到了盈余过程的数字特征.运用概率和随机过程基本理...     

具有随机保费收入的复合马尔可夫二项模型

研究具有随机保费收入的复合马尔可夫二项模型,利用概率母函数分别得到了有条件和无条件的情况下Gerber-Shiu折现罚金函数的瑕疵更新方程.     

基于广义流模型的中国保险市场成熟度研究

目前,对中国保险业发展程度的测度和评价指标具有单一性,如保费收入、保险密度、保险深度等常用指标,难以直观、全面测度整个行业的发展状态。为综合评价保险市场发展,采用保险市场成熟度指标,以有效、客观地反映保险业的发育成熟水平及面临的问题。并从经济物理学角度入手,充分考虑保险市场的开放与复杂特性,基于广义流模型,运用人工神经网络模型对2005—2014年保险市场相关数据进行模拟,从多方面对保险市场成熟度进行分析并提出建议。     

基于双流LSTM神经网络的股价趋势预测

股价波动研究依赖分析金融新闻数据集浅层特征，而忽略了金融新闻句子中单词之间的结构关系，从而导致股价波动预测研究效果不佳。针对该问题，提出了一种基于双流长短时记忆网络（long short term memory network, LSTM）神经网络的股价趋势预测模型（Sent2Vec-DLSTM）。该模型的创新之处在于：提出了基于金融股票新闻数据集和哈佛IV-4情绪词典训练的情感词向量生成模型——Sent2Vec；提出了新型的双流LSTM神经网络（Dual-stream LSTM, DLSTM）。在实验中，首先用标普500指数历史数据以及爬取获得的金融类文章进行标普500指数的趋势预测，然后用VietStock新闻和来自Cophieu68的股票价格数据预测VN指数的变化趋势。结果表明，Sent2Vec-DLSTM相较于现有模型在股价趋势预测中具有更好的效果。     

戈壁土路基后期沉降预测方法及误差分析

各种沉降预测的研究已在软土路基进行,而对戈壁土路基这一特殊路基的沉降预测研究较少.以兰新第二双线新疆段工程实测沉降数据为研究对象,分别采用双曲线法、星野法、Asaoka法、GM（1,1）模型四种沉降预测方法,预测戈壁土路基的后期沉降并分析不同时间起点对预测结果的影响.研究表明,常用的双曲线法和Asaoka法的预测精度受预测时间起点影响较大,双曲线法建议恒载期5~6月后为时间起点,Asaoka法建议恒载期1~2月后为时间起点.不同时间起点对星野法和GM（1,1）模型影响较小,其中GM（1,1）模型预测结果最为精确.     

改进Stacking算法的光伏发电功率预测

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及$R^2$指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM（1,1）模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析．采用标准差法建立基于拓扑预测与GM（1,1）模型的舰船运动组合预测模型．结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具．     

一类保险模型Nash均衡点的存在性

本文讨论了一个与保险理论有关的市场对策问题,探讨了三种情况下Nash均衡点的存在性。     

一类随机利率的精算现值模型研究

在金融工程学中会遇到各种风险问题,其中涉及到利率风险,随着人们对保险精算寿险的利率随机性问题的深入研究,采用Brown过程和Gauss过程建模已较为普遍．文章利用应用随机过程中的Ito公式及矩阵理论,建立了连续的时同情形下的精算模型,并给出表达式．     

小波分析用于水稻叶片氮含量高光谱反演

针对叶片氮营养高光谱诊断中光谱弱信息提取困难的问题,利用小波对作物冠层光谱信号进行分解,提取光谱弱信息建立氮含量反演模型. 在东北平原长春市采集水稻冠层高光谱数据建立氮含量预测模型,并对该模型精度进行检验. 采用Daubechies小波系的Db5函数对水稻原始反射光谱和导数光谱进行8 层小波分解,选择不同尺度和位置的小波系数作为输入参数建立192 个反演模型,分析不同输入参数对模型精度的影响,从中选择对应较高模型精度的输入参数组合建立氮含量最佳反演模型. 实验结果表明,小波系数预测叶片氮素含量模型具有较高的估算精度,预测值与实测值的复相关系数最大为0.99,显著优于传统光谱指数的估算模型精度. 此项研究表明,小波分析在提取反射光谱弱信息反演作物生化成分方面有良好的应用前景.     

改进型灰色神经网络模型在水质预测中的应用

介绍了三类改进的灰色模型和BP神经网络。将三类改进的灰色模型与神经网络进行组合,得到改进型灰色神经网络组合模型,将一维序列通过三个改进的灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构。将组合模型应用到嘉陵江磁器口断面总磷浓度的预测中,结果表明:(1)用该组合模型进行预测,相对误差均在5%以下,预测精度较高,取得了较理想的预测效果;(2)WPGM(1,1)、pGM(1,1)、CGM(1,1)、组合模型预测的平均相对误差分别为5.05%、34.01%、33.65%、3.02%,与单一灰色预测方法和灰色神经网络模型相比,组合模型的适应能力和预测推广能力更好,预测精度更高。     

计量器具检定周期灰色动态模型及应用研究

企业的计量器具是保证产品质量的有力工具,由于工况的复杂性、多样性、随机性,其检定周期的确定应是动态的.根据计量器具检测数据的统计特点,采用了加权处理的办法,建立了基于时间序列和基于频次序列的动态灰色模型DGM (1,1).通过具体案例对比(例如游标卡尺)发现:该模型具有较高的拟合精度及预测精度;不同工况下周期和寿命有明显差异;频次序列模型的预测结果优于时间序列模型条件下的预测结果.结合动态模型与汽车制造业实例,建立了基于信息集成的、多传感器监控与管理监控相结合的检定周期与使用寿命周期监控流程和信息子系统,应用于企业生产.