相依风险的车险准备金评估

在多个业务线的准备金估计中,通常假设不同业务线之间相互独立,事实上它们之间往往存在一定的相依关系.它们的相依性可以通过藤Copula函数来描述.藤Copula是解决多个相依随机变量的强有力工具.本文在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款相互依赖的藤Copula回归模型,并将此模型应用于一组实际的车险数据,结果表明,考虑相依关系的藤Copula回归模型对准备金的评估结果要优于独立假设下的回归模型对准备金的评估结果.     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.     

非寿险未决赔款准备金评估的广义线性模型平滑性改进

保险索赔历史数据不足,可靠性不高,将严重影响保险公司对未决赔款准备金的评估精度。本文借鉴国内外相关研究经验,研究了准备金评估模型中的平滑问题,介绍了一种以广义线性模型为框架,考虑事故年因子、发展期因子和日历年因子为主要影响因素的平滑化模型,并结合利用Bootstrap法,给出了模型的参数估计方法和未决赔款准备金的预测分布与均方误差等其他统计特征度量。平滑化方法可有效减少随机模型的参数个数,使得参数估计变平稳,提高模型的索赔尾部数据处理能力。     

卡尔曼滤波在非寿险未决赔款准备金估算中的应用

在历史数据缺乏和数据质量较低的情况下,非寿险公司应用传统的准备金估计方法常存在估计精度不高的问题.本文通过状态空间来描述非寿险赔付过程,应用卡尔曼滤波来估计状态空间的转换参数,并分别预测损失频率和损失程度从而动态地估计未决赔款准备金.实证分析表明,在历史数据较少争存在错误数据的情况下,本方法对改善未决赔款准备金的估计是有效的.     

偿付能力监管中准备金额度计算模型的研究

保险企业资本金和责任准备金是构成其偿付能力的主要资金来源。基于风险理论，以责任准备金监管为研究重点，通过变量分布近似假设并结合保险市场的实际情况，构造计算监管中责任准备金额度的模型。模型计算较为简便．参数也可以从实际市场中得到，具有较强的可行性。     

基于NBUE和HNBUE的未决赔款准备金分布函数的界值

根据保单组合的损失赔付额分布函数为NBUE和HNBUE分布类的性质,应用排队模型的分析方法,进一步研究了未决赔款准备金分布函数的界值,在已知损失赔付额分布函数的均值和方差的条件下,得到针对未来某一时间段内保险公司所需计提的未决赔款准备金分布函数的上界和下界,且给出的计算实例表明所得到的未决赔款准备金分布函数的上界和下界是十分有效的.     

随机利率下保单组的准备金精算模型

针对同质寿险保单组,分别建立了确定利率与随机利率准备金精算模型。通过对比分析,发现保单数的增加会降低死亡率风险,但不会减小利率风险。对于平均未来损失额的近似值,给出了其前二阶矩的一般表达式,以及一个具体的利率模型下的表达式。     

基于随机序未决赔款准备金分布函数的界值

在应用随机序的定义和性质的基础上,结合未决赔款准备金分布情况和排队模型的分析方法,研究未决赔款准备金分布函数的界值。根据保单组合的损失的发生和报告与赔付的随机过程在不同的序关系下的分析,得到针对未来某一时间段内的OCR类赔付责任,保险公司需计提的未决赔款准备金分布函数的上界和下界。给出了计算实例,并与以往使用的未决赔款准备金的计提方法进行了比较。     

基于Gibbs抽样的厚尾SV模型贝叶斯分析及其应用

我国的金融时间序列存在普遍的波动性现象,而波动性又存在尖峰厚尾现象。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,然后构造基于Gibbs抽样的MCMC数值计算过程进行仿真分析,最后利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性的方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰后尾的特性,并且证明了我国股市具有很强的波动持续性。     

基于比例失效率退化模型的可靠性评估方法

针对不假定寿命分布类型的长寿命可靠性评估问题,提出一种不同于传统基于退化轨迹和退化量分布的退化数据可靠性评估方法。将时间视为类加速因子并作为协变量,通过引入比例风险模型来描述产品寿命与退化量失效率之间的关系,建立比例失效率退化模型;通过考虑分布簇之间的差异度来确定退化量分布类型,求出退化量基准失效函数及比例失效率系数;采用线性回归模型拟合出类加速模型参数估计,确定已知检测时刻下的退化量失效率函数,并外推产品在退化失效阈值下的寿命可靠度函数;结合实例分析,验证方法的实用性和有效性。     

基于多元Laplace分布的外汇期权组合非线性VaR模型

为了克服多元厚尾分布情形下的非线性VaR数值计算的困难,用多元Laplace分布来描述汇率回报分布厚尾性,引入风险函数转换技术和关于多维Laplace多重积分近似计算的结果,来解决多元Laplace分布情形下的反映外汇期权组合价值变化的矩母函数问题;进一步将重要抽样技术发展到多元Laplace分布情形下的外汇期权组合非线性VaR模型中,使得该情形下不再是稀有事件Monte Carlo模拟,从而减少Monte Carlo模拟计算工作量,更精确地估计出组合的损失概率.数值结果表明该算法比常用Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差.     

基于时变Copula的VaR估计

针对股票收益的相关性会随市场波动而发生变化，本文考虑用条件时变相关模式的Copula模型来估计组合风险值，利用上证、深证指数组合进行实证研究，并与固定相关模式下的Copula模型进行比较，结果表明；相对于常相关模式，条件时变相关模式具有较好的表现。     

基于Copula-SV模型的金融投资组合风险分析

基于正态Copula函数和SV模型,建立了正态Copula-SV模型,将其应用到金融投资组合风险分析,并与Copula-GARCH模型对金融投资组合风险分析方法进行了对比,结果表明,边缘分布的选择对变量的联合分布具有重要作用,Copula-SV模型比Copula-GARCH模型在刻画组合风险VaR值方面具有优越性。     

基于Copula函数的金融理财产品风险度量

根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,构建了反映金融理财产品收益实际分 布和相关性的联合分布函数. 为了研究度量收益率的实际分布和相关性对金融理财产品组合选择的影响,采用蒙特卡罗 方法对金融危机前期（稳定期）和金融危机时期（危机期）的投资组合进行了风险分析.     

基于Copula-Monte Carlo的我国商业银行整合风险度量

风险相关性要求商业银行必须对其面临的各类风险进行整合度量。基于Copula-Monte Carlo构建我国商业银行整合风险度量模型,并进行了实证研究。实证结果表明:(1)与Copula-VaR相比,完全相关假设通常会高估风险,导致商业银行过度规避风险,从而限制商业银行的业务发展;(2)一般情况下,一定数量交易资产的风险大于相同数量借贷资产的风险。     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

基于自适应Metropolis算法的 α 稳定分布参数估计

基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。     

基于Monte Carlo-神经网络的系统相关失效概率模型

相关失效的存在大大降低冗余系统的安全作用，在工程实际中必须加以考虑。根据可靠性数学理论及零件失效机理分析。把零件失效概率看作是基于应力的条件概率，推导系统相关失效概率的数学表达式．通过Monte Carlo法仿真。得到零件条件失效概率的分布类型；并从已知的低阶失效数据中提取相关失效信息，建立神经网络模型，得到其分布参数。利用该模型可以预测系统中的任意阶相关失效概率，也可以用来预测组成零件相同、环境相同但不同大小的其它系统的相关失效概率。例示其应用方法并检验其预测能力，结果证明该方法准确可靠。