带注资的经典风险模型中征税问题

在带注资的经典风险模型中研究征税问题.假设税收按照loss-carry-forward制度支付.当盈余低于0时,将采取注资的方式使得盈余达到0而不致破产.利用微分法,得到了期望折现征税总额减去期望折现注资成本总额(V(x))满足的积分-微分方程,给出了初始盈余趋于无穷时V(x)的极限值,并在指数理赔假设下给出了V(x)的显式表达式.除此之外,还给出了一个例子.     

周期注资的Lévy风险模型

本文用Lévy过程为保险公司的盈余水平建模.假设保险公司在固定的时间对盈余水平进行观测,并在每次观测后做出决策.如果观察到的盈余水平小于给定的临界水平,且非负时,不足的部分将被一次性注入,使得盈余水平恢复到临界水平.如果观察到的盈余水平为负,就立即宣布破产.我们利用傅里叶余弦级数展开方法,提出了计算破产前有限时间期望折现注资总成本和有限时间期望折现罚函数的数值方法.通过误差分析和数值实例,证明了该方法的准确性和有效性,并研究了各个参数对结果的影响.     

有再保险控制下的非线性脉冲注资问题

假定有两家再保险公司共同接受原始保险公司的分保,且保险公司及这两家再保险公司均采用方差保费准则收取保费.基于上述跳风险模型,本文采用扩散逼近模型为基本模型来描述保险公司再保后的资产盈余.另外,为避免破产的发生,公司会接受外部资金注入.假定每次注资不低于某个固定常数d0,且有固定交易费和比例费用,即为有限制情形下的脉冲注资.本文研究最小期望折现非线性脉冲注资问题,应用Hamilton-Jacobi-Bellman(HJB)方法,给出值函数和最优策略的明晰解答.最后,对有关参数进行灵敏度分析.     

ON THE CRAM(E)R-LUNDBERG RISK MODEL WITH A CONSTANT FORCE OF INTEREST AND SURPLUS-DEPENDENT LOSS-CARRY-FORWARD TAX STRUCTURE

本文研究了带常数利率和盈余相依型loss-carry-forward税收系统的Cramér-Lundberg风险模型.利用无穷小分析方法及该过程具有的的强马氏性,得出了保险公司从开始运营到破产期间税收折现总额的数学期望表达式.作为例子,本文给出了指数分布索赔假定下该税收折现函数的具体表达式.     

关于带常数利率与盈余相依型loss-carry-forward税收系统的Cramr-Lundberg风险模型(英文)

本文研究了带常数利率和盈余相依型loss-carry-forward税收系统的Cramr-Lundberg风险模型.利用无穷小分析方法及该过程具有的的强马氏性,得出了保险公司从开始运营到破产期间税收折现总额的数学期望表达式.作为例子,本文给出了指数分布索赔假定下该税收折现函数的具体表达式.     

经典风险模型中有限时间区间分红问题

本文研究经典风险模型中有限时间区间分红问题.假设在时间区间[0,t]内,分红按照barrier策略支付,即给定一个非负barrier值b,仅当盈余超过b时,将超过的部分支付分红.利用微分法,得到了[0,t]内期望折现分红(V(x;t))满足的方程,并在指数理赔假设下给出了V(x;t)关于t的Laplace变换的显式表达式.最后,使用Stehfest方法给出一个数值例子.     

基于MAP风险模型的最优分红问题研究

在保险公司财务核算和分红均发生在随机时间点的假设条件下,讨论保险公司的最优分红问题.假设保险公司的盈余过程是经过MAP(马氏到达过程)的相过程调制的复合泊松过程,保险公司对盈余过程的观测和分红都发生在MAP的跳点上,以最大化期望折现分红总量为目标,证明了最优分红策略为band策略,并分析了经济状态和分红机会对值函数和分红策略的影响.     

破产终端值影响下保险公司最优分红、注资和溢额再保险策略

本文假设保险公司可通过分红、注资和购买溢额再保险三种方式动态地控制盈余过程.同时控制过程会消耗交易费用:再保险合同是"不便宜的";分红需要纳税;而注资需要比例注资成本和固定注资成本.在最大化公司价值目标下,本文给出了最优的控制策略,并分析了交易费用和任意破产终端值的影响.结果表明,当交易费用较低且破产终端值相对较小时,注资可能最优,应当按照Barrier策略进行分红;当公司盈余增加时,应当减少再保险购买量.     

复合Poisson 模型带比例与固定交易费用的最优分红与注资

研究了复合Poisson 模型带比例与固定费用的最优分红与注资问题. 每次分红与注资时, 存在比例及固定的交易费用. 通过控制分红与注资的时刻以及分红及注资量,实现破产前分红减注资的折现期望的最大化. 由于存在固定交易费用, 问题为一个脉冲控制问题. 根据问题的参数不同, 问题的解可分为两大类. 一类解为只进行最优分红不需要注资, 而另一类情况需要注资. 需要注资时, 最优注资策略由最优注资上界以及最优注资下界描述. 当赤字小于最优注资下界的绝对值时, 进行注资. 最后, 在理赔为指数分布时明确地给出了两类共七种最优策略以及值函数的形式. 从而彻底地解决了该问题.     

随机观察时间对偶风险模型中的期望折现罚函数

考虑了复合Poisson风险过程的对偶模型,当观察时间间距分别为指数分布和Erlang(n)分布时,得到了期望折现罚函数的积分-微分方程.假设随机收入服从指数分布情形时,给出了期望折现罚函数的解析表达式.最后进行了数值模拟.     

破产时刻罚金折现期望值

罚金函数是保险公司破产前瞬间盈余和破产时赤字的函数,前人在不变利率强度情况下,对罚金折现期望作了研究．本文则在利率强度带有Ｐｏｉｓｓｏｎ跳的情况下,对罚金折现期望作了更深入的研究,并推出罚金折现期望的更新方程,利用这个更新方程对经典风险理论中的一些结果作进一步的讨论。     

带阈值分红策略干扰对偶风险模型的红利支付及相关问题

考虑了阈值红利策略情形下带干扰项的复合泊松风险过程的对偶模型,建立了直到破产时期望折现红利支付及相关变量满足的积分-微分方程.假设收入量分别服从指数分布和混合指数分布时,得到了期望折现红利支付的解析表达式.最后,进行了数值模拟.     

带线性约束条件的跳扩散风险模型中的最优分红策略（英文）

对于一个金融或保险公司而言,寻求最优分红策略和最优分红值函数是一个受到广泛讨论的热点问题.在本文中,我们假设公司面临两类风险:Brownian风险和Poisson风险.公司可以控制其对股东的分红数额和分红时间.为了充分考虑公司经营的安全性,文中定义破产时间为公司盈余水平首次低于线性门槛b+κt的时刻,而非首次低于0的时刻,参见文献[1].本文解决了最大化公司从开始运营直至破产期间总分红折现值的期望的问题.通过求解一个含有二阶微分-积分算子的HJB方程,本文刻画出来了最优的分红值函数和最优的分红策略.结果表明,最优分红策略为线性门槛分红策略.即,当公司的盈余水平低于某线性门槛x_0+κt时,公司不分红;而当公司的盈余水平超过该线性门槛时,超过部分将全部作为红利分出.     

理赔额与理赔间隔相依的风险模型的若干结论

本文研究了一类具有相依结构的风险模型.利用无穷小方法,得到了Gerber-Shiu罚金折现期望函数所满足的积分-微分方程,给出了破产时刻,破产赤字及破产前瞬时盈余的拉普拉斯变换的积分-微分方程的应用.最后,在具有常数红利边界下的同-风险模型中,分析了红利支付的期望现值.     

阈红利边界下Erlang(2)风险过程的罚金折现期望函数(英文)

本文研究了阙红利边界TErlang(2)风险过程的罚金折现期望函数.利用算子变换及复合几何分布函数得到了罚金折现期望函数满足的微分积分方程,并给出了罚金折现期望函数解析表达式.     

马氏环境下带干扰Cox风险模型的罚金折现期望函数

研究了马氏环境下带干扰的Cox风险模型.首先给出了罚金折现期望函数满足的积分方程,然后给出了破产概率,破产前瞬时盈余、破产赤字的分布及各阶矩所满足的积分方程.最后给出当索赔额服从指数分布且理赔强度为两状态时的破产概率的拉普拉斯变换.     

一类具有新红利界限的Erlang(2)风险模型

考虑到保险公司的实际运作中红利的发放率要比保费的收取率小,将一类新的红利政策引入Erlang(2)风险模型,利用更新论证,得到并求解了此模型下罚金折现期望函数所满足的微积分方程.最后通过数值例子,分析了红利界限与初始盈余对破产概率的影响.     

一类随机利率下的破产时罚金折现期望

本文在经典风险模型下, 引进带有一种随机利率的破产时罚金折现期望的概念, 其利率的随机性通过标准Wiener过程和Poisson过程来描述. 给出破产时罚金折现期望所满足的更新方程, 并利用这个更新方程给出破产时罚金折现期望的渐近公式.     

马氏调制散粒噪声模型在保险中的应用

在常利率环境下,研究了一个含相关业务类的复合Cox风险模型,其保险业务间的相关结构是由共同跳结构来描述的.假设两类保险业务的理赔来到强度过程服从一个多维的马氏调控散粒噪声过程.利用鞅方法,给出了总折现理赔量和马氏调控散粒噪声强度过程的联合拉普拉斯变换,并利用拉普拉斯变换给出了总折现理赔量的期望和方差等特征量.     

经典风险模型分红控制过程的最优停止问题

本文在带注资的经典风险模型的最优分红控制过程的基础上,进一步引入最优停止策略.目标是要找到最优的停止时刻,使得到该时刻为止,股东的折现分红与带有一定费用的折现注资二者之差的期望值最大化.通过建立值函数V(x)满足的HJB方程,我们找到了最优停止时刻τ~*.特别的,当索赔服从指数分布时,通过计算最终得到了值函数V(x)和最优停止时刻.τ~*的清晰表达式.