负相依重尾索赔条件下损失过程的精细大偏差

建立了一个基于客户来到过程的风险模型,其中不同客户发生实际索赔的概率不同.假设索赔额为负相依同分布的随机变量序列,在索赔额分布属于C族的条件下,得到了损失过程的精细大偏差.     

基于进入过程的带有重尾索赔额的风险模型的大偏差

文章建立了一类基于进入过程的风险模型.在索赔额服从C族分布的假设下,得到了该模型损失过程的大偏差结果.     

负相依索赔下更新风险模型的精细大偏差

研究了基于客户到来的更新风险模型,该风险模型中假设索赔额序列是负相依不同分布的重尾随机变量序列,则在索赔额服从D∩L族的条件下,得到了损失过程的精细大偏差.     

广义负上限相关随机变量和的精确大偏差

讨论了长尾上的广义负上限相关的随机变量和的精确大偏差,得到了非随机和和随机和的两种一致变化尾概率的结果.     

负相依索赔条件下关于复合更新风险模型的精细大偏差

研究不独立、不同分布的精细大偏差问题,其中假设{Xn,n≥1}是一列负相依的随机变量序列,{Fn,n≥1}为其对应的分布函数列.在满足一定的条件下,重点解决非随机和的精细大偏差的下限问题,得到相对应的随机和的一致渐近结论,并将所得结论应用到更为实际的复合更新风险模型中,验证了其理论与实际价值.     

时间相依复合更新风险模型中索赔过程的精细大偏差

考察了复合更新风险模型的精细大偏差。单次事故导致的索赔额为广义负上象限相依的且服从重尾分布的随机变量,单次事故引起的总索赔额与其对应的索赔时间间隔相依。     

索赔盈余风险模型中精确大偏差

考虑了控制变化族(D族)上索赔过程与保费过程构成的索赔盈余风险模型,研究了此风险模型中带相依关系的随机变量的非随机和与随机和的尾概率渐近问题,利用求相依不同分布的随机变量的非随机和与随机和的精确大偏差方法,得到了带上延拓负相依和混合相依关系的不同分布的随机变量构成的索赔风险模型中的非随机和与随机和的精确大偏差渐近的结论,最后建立了索赔盈余风险模型中精确大偏差的渐近公式.     

推广的延拓负相依风险模型中的精确大偏差

构造了由保费过程和索赔额过程构成的推广的延拓负相依风险模型, 研究其上服从重尾分布的随机变量随机和的尾概率问题, 利用求带相依关系的随机变量的随机和的大偏差方法, 得到了由服从重尾分布的延拓负相依关系的随机变量构成的盈余过程中的随机和的精确大偏差, 将由独立同分布的随机变量构成的盈余过程中的随机和的一致渐近结论推广到由延拓负相依同分布的随机变量构成的结论。
     

基于客户到来的负二项风险模型的大偏差

考虑一类基于客户到来的复合负二项风险模型。当索赔额的分布延拓负相依且属于重尾分布中的一致变化类时,得到了该模型的索赔盈利过程的精确大偏差和破产概率的相关结论,推广了相关文献中的结论。     

带延拓负上限相关的随机变量和的精确大偏差

利用精确大偏差传统方法,研究了C类族上的带有延拓的负上限相关的随机变量和的精确大偏差,得到了非随机和和随机和的两种一致变化尾概率的结果,将带负上限相依的随机变量和的精确大偏差推广到带延拓的负上限相依的情形,为相应的统计研究提供了一个有关相依性的结论.     

一致变化尾的随机和局部精确大偏差

基于带O正则变化独立同分布随机变量的部分和的局部精确大偏差的相关结论,将其对应的随机和分为3个部分,利用次指数函数的相互关系以及控制收敛定理,分别证明每个部分的渐近性.最后证明了在随机变量的密度函数是一致变化尾时,其随机和的局部精确大偏差的渐近性.     

带一致变化尾上负相关随机变量和的精确大偏差

随机变量和尾概率性状的研究是保险精算领域的热门问题,而随机变量和的精确大偏差则精确刻画了其尾概率的极限性态。文章分别研究了一列同分布(但不一定独立)随机变量确定和以及随机和的精确大偏差,得到如下结果:如果这列随机变量带一致变化尾,是上负相关的,并且在左直线无支撑,则它们确定和以及随机和的精确大偏差结果均成立。     

A Large Deviation Principle for the Risk Process with Varying Premium

Let u ∈ R ,for any ω 〉 0, the processes X^ε = {X^ε（t）; 0 ≤ t≤ 1} are governed by the following random evolution equations dX^ε（t）= b（X^ε（t）,v（t））dt-εdSt/ε, where S={St; 0≤t≤1} is a compound Poisson process, the process v={v（t）; 0≤t≤1} is independent of S and takes values in R^m. We derive the large deviation principle for{（X^ε,v（.））; ε〉0} when ε↓0 by approximation method and contraction principle, which will be meaningful for us to find out the path property for the risk process of this type.     

带负相依控制变化尾的双边随机变量和的精致大偏差

得到了带负相依双边控制变化尾分布的随机变量的和的精致大偏差结果,把Tang关于E和Wang等关于NAr．v．s的结果分别推广到D和NDr．v.s．     

一类带马氏切换的扩散过程的大偏差速率函数

给出了{(Xε(t),Z(t));ε0,t∈[0,T]}的大偏差速率函数。Xε(t)满足下面的随机微分方程:{dXε(t)=εσ(Xε(t))dB(t)+b(Xε(t),Z(t))dt,Xε(0)=x。{Z(t),t∈[0,T]}是n个状态的马氏链。     

重尾分布类$\mathcal{D}\cap\mathcal{L}$中负相伴随机变量和的精确大偏差

利用重尾分布类$\mathcal{D}\cap\mathcal{L}$性质的刻画,得到了重尾分布类$\mathcal{D}\cap\mathcal{L}$中负相伴重尾随机变量和(随机和与非随机和)的精确大偏差, 而重尾分布类$\mathcal{D}\cap\mathcal{L}$是严格包含$\mathcal{C}$的,从而首次将现有的精确大偏差结果推广到更大的重尾分布子类上