混合效应模型及其在非寿险费率厘定中的应用

在非寿险分类费率厘定中,广义线性模型的应用十分普遍,但当某些费率因子的水平数很多时(本文称之为多水平因子),广义线性模型的估计结果将不可靠。解决此类问题的一种方法是把多水平费率因子作为随机效应处理。将多水平费率因子作为随机效应处理可以采取下述三种方法:(1)分别用广义线性模型和信度模型估计普通费率因子和多水平因子,通过广义线性模型与Buhlmann-Straub信度模型的迭代应用预测索赔频率和索赔强度;(2)应用广义线性混合模型分别预测索赔频率和索赔强度;(3)直接对经验纯保费数据建立Tweedie混合效应模型。本文把上述模型应用于中国车损险实际数据的研究结果表明,这三种方法比较接近,但从总体上看,广义线性混合模型的估计结果更加可取。     

农作物单产的最大熵分布及在费率厘定上的应用

农作物单产分布的确定是农业保险中费率厘定的基础。本文引入最大熵原理,基于最大熵优化模型得出农作物单产的最大熵分布,并以此进行费率厘定。同时以辽宁省主要作物水稻、玉米、大豆和花生为例,确定了该四种农作物的费率,分别为4.45%、6.77%、6.34%、6.43%。结果表明:利用最大熵分布理论进行费率厘定不需要事先假定农作物单产分布的形式,而且考虑了更多作物单产分布的信息,为农业保险费率的合理精算提供一种新的可供选择的方法,有助于农业风险决策的科学化。     

GAMLSS模型及其在车损险费率厘定中的应用

在车损险费率厘定中,通常假设索赔频率、索赔强度或纯保费服从指数分布族,并对其均值建立广义线性模型,而假设其他参数对所有风险类别都是固定的常数。这种假设在某些情况下并非成立。GAMLSS模型可以在各种分布假设下同时对一个分布的位置参数、尺度参数和形状参数建立参数或非参数的回归模型,具有很大的灵活性。本文在零调整逆高斯分布假设下把GAMLSS模型应用于我国实际的车损险数据,建立了车损险的费率厘定模型,结果表明,这种模型对车损险实际数据的拟合要优于常用的Tweedie分布假设下的广义线性模型。此外,这种模型厘定的风险保费更加公平合理。     

南通地区月降水量时间序列分析

根据南通地区1989年-2005年月降水量数据,在统计检验其平稳性、纯随机性的基础上,结合谱分析,建立该地区具有季节效应的疏系数ARIMA月降水量时间序列模型,对模型作了拟合预测检验.研究表明,多个模型的联合使用比单一模型更利于准确拟合预测.     

粮食生产风险预测及区域差异分析

通过各省粮食单产的波动特征,按照Logistic模型模拟"S"形生长曲线,对全国各省2007~2010年的粮食单产进行预测;基于加权马尔科夫链进行各地域单产风险年景预测,计算各种风险状态重现的概率.结果表明,各区域单产基本呈现逐步上升的趋势,但是上升空间有限.今后如果没有重大技术突破,单产绝对量将逐步趋于临界值是必然趋势.     

一种改进的基于指数平滑神经网络模型的时间序列预测方法

基于指数平滑模型与误差反传神经网络法提出了一个改进的时间序列预测方法.将神经网络模型移植入指数加权滑动平均模型中,充分考虑了时间序列的部分线性性和非线性性对预测结果的影响,是传统的混合模型的一个更合理的改进.最后通过对上证指数时间序列的实证分析,以预测均方误差为检验标准,对五种常用的时间序列预测模型进行了预测精度的比较,而且经验证所提出的改进的时间序列预测模型相对来说具有更小的预测均方误差.     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

非寿险分类费率模型及其参数估计

在非寿险分类费率厘定中,存在各种模型可供选择,如加法模型、乘法模型、混合模型和广义线性模型等,而在这些模型的参数估计中,还存在各种可供选择的估计方法,如最小二乘法、极大似然法、最小x2法、直接法和边际总和法等。这些模型和参数估计方法散见于各种精算学文献中,本文对这些模型和参数估计方法进行了系统的比较和分析,并揭示了它们之间存在的一些等价关系。     

非寿险分类费率模型的比较研究和实证分析

非寿险分类费率的厘定通常采用的方法有单项分析法、最小偏差法和广义线性模型,特别是后面两种方法在非寿险实务中应用十分广泛,精算文献中对这两种方法的理论和应用研究也较多,但对二者的比较研究较少。本文首先对最小偏差模型和广义线性模型进行了简要介绍,之后对这两种分类费率模型进行了系统的比较研究,总结了它们各自的优缺点以及二者之间的一些等价关系,最后通过一组实际的汽车保险数据讨论了它们的应用。     

基于混合地理加权Fay-Herriot模型的小域估计

作为一类区域层次模型, Fay-Herriot模型在小域估计中已经得到广泛的应用,这类模型假定各区域的直接估计是空间不相关的.很多情况下这个假定是不成立的,因此一些考虑空间效应的Fay-Herriot模型被提出.本文基于混合地理加权回归模型提出一类新的Fay-Herriot模型用以刻画空间非平稳性,基于提出的模型,给出小域目标参数的经验最佳线性无偏预测估计量,并研究了该估计量的均方误差.最后通过数值模拟验证了所提方法的有效性.     

基于贝叶斯估计的中国人均GDP之时序模型

本文应用SAS软件对1952-2009年的中国人均GDP建立时间序列模型并对2010-2013年的中国人均GDP进行了预测;在此基础上建立了以时间序列模型得到的参数信息作为先验信息的两种贝叶斯修匀模型与算法。由此所得的参数贝叶斯估计及预测,能充分利用样本信息和参数的先验信息,因而具有更小的方差或平方误差,估计参数更科学。为了检验该方法对先验分布的灵敏性,我们做了基于两种先验分布的模拟预测。将预测结果与传统时间序列预测相比,发现单一正态观测值、方差已知的先验分布的贝叶斯模型得到的预测值更准确,而基于先验分布为指数分布的贝叶斯模型的预测误差较大,预测效果差。     

GAMLSS模型在车险定价中的应用

在系统梳理国内外非寿险产品费率厘定方法的基础上,详细介绍了GAMLSS模型,证明了在位置参数和尺度参数的预测中均引入随机效应的GAMLSS模型可更有效地解释纵向数据中个体间的异质性.最后将GAMLSS模型应用于一组纵向车辆保险数据,计算了先验保费、后验保费、后验风险保费和奖惩因子.实证结果表明,GAMLSS模型不仅可为非寿险产品的定价提供依据,而且使风险分类更加稳定、合理.     

融合两阶段过程模型和改进Bass模型的网络社交平台上产品信息扩散研究

提出并验证了融合两阶段过程模型和改进Bass模型的网络社交平台上产品信息扩散模型。考虑用户转发动机构建产品信息扩散两阶段过程模型;考虑用户兴趣衰减效应改进Bass模型;融合这两个模型,考虑产品信息发布者明星效应、产品信息质量对产品信息扩散的影响,提出了产品信息扩散模型。以2019年11~12月新浪电影发布的电影预告片转发数据验证了所提模型,并与Bass模型进行了比较。结果表明,用户转发动机和用户兴趣衰减效应对产品信息扩散均有显著影响,所提模型的预测精度和拟合效果均优于Bass模型。所提模型可用于存在不同转发动机及具有衰减效应的其他信息转发量预测,尤其适合于在产品信息投放前期和早期对转发量的预测,是对信息扩散模型的补充。     

上海未来短期客运量的预测分析——基于最小二乘法改进的GM(1,1)模型

客运量受诸多因素影响因此数据波动性大,并且具有小样本性及贫信息等特点.采用基于最小二乘法改进的GM(1,1)模型,对上海市的客运量进行短期预测.首先介绍了普通GM(1,1)模型的建立方法;然后通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性建立改进的新GM(1,1)模型;其次结合2005-201.4年数据建立预测模型;最后使用2014年数据对模型可靠性进行验证.结果表明该预测方法精度高误差小,改进的模型预测结果更加接近实际值.该模型为其他相关预测提供了理论依据,也便于上海市对未来交通运输的宏观调控.     

细菌模型的连续时空有限元方法

本文针对细菌模型提出一种连续时空有限元方法,通过引入时空投影算子,得到了在时间离散节点处能量模意义下的最优误差估计结果.与传统全离散方式不同的是,该方法对时间变量和空间变量同时采用有限元离散,且无时间离散步长和空间网格尺寸的网格比限制,这对于拓宽各向异性有限元方法的应用范围是有益的.     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.     

基于GM-Markov模型的京津冀区域物流需求量的预测

利用2009-2014年京津冀三地的货运量,通过灰色预测模型中的GM(1,1)预测模型分别对京津冀三地2015-2017年的货运量进行预测,经过后验差比值和小误差概率检验,得出采用该模型的预测精度为优.同时采用Markov模型对灰色模型进行修正,构建出了新的GM-Markov模型,采用新模型分别对京津冀三地2015-2017年的货运量进行预测,将前后模型预测的结果与实际值进行比较,得出采用GM-Markov模型比单纯的运用GM(1,1)预测模型预测的结果更为精确.最后,利用GM-Markov模型分别对京津冀三地2018-2022年的物流需求量进行了预测,得出了京津冀三地货运量未来的变化趋势.     

有限元和直接积分法瞬态动力计算的时空离散协调问题

本文对有限元和直接积分法瞬态动力计算的时空离散协调问题进行了研究,本文分别分析了空间离散和时间离散所引起的数值误差,提出了均衡空间离散引起的能量误差和时间离散引起的能量误差的原则,并给出时空离散协调的前处理方案和自适应方案。     

固定效应模型参数估计方法选择的探究

针对固定效应模型的参数估计问题,目前主要有三种估计方法:组内变换法、差分法、虚拟变量法.通过理论分析与蒙特卡洛模拟实验相结合的方法,在模型误差项存在三种自相关情况下,探究了固定效应模型参数估计方法的选择问题.研究发现:①组内变换法与虚拟变量法完全一致;②当模型误差项不存在自相关时,适合选择组内变换法;③当模型误差项服从...     

基于杠杆效应CARR模型的波动率预测

本文提出了一类新的具有杠杆效应的CARR模型,基于广义伽玛分布探讨了杠杆效应CARR模型的参数估计和波动预测。以我国上证指数的2011年6月至2014年3月的每日数据为研究对象,分别运用EARCH模型、传统CARR模型和杠杆效应CARR模型对上证指数的波动率进行拟合,并根据MAE、RMSE和MAPE三个损失函数进行了预测能力比较分析,结果表明:杠杆效应CARR模型在波动性预测方面比EARCH模型的效果更好一些。