索赔次数为复合Poisson-Geometric过程的风险模型及破产概率

本文引入一类复合Poisson-Geometric分布,这类分布包括两个参数,是普通Poisson分布的一种推广,并在保险中有其实际的应用背景;基于此分布产生一个计数过程,称之为复合Poisson-Geometric过程.本文着重研究了索赔次数为复合Poisson-Geometric过程的风险模型,这种模型是经典风险模型的一个推广.针对此模型,本文给出了破产概率公式及更新方程.作为特例,当索赔额服从指数分布时,给出了破产概率的显式表达式.     

非线性Poisson-Gamma回归模型中存在偏大离差时离差参数的齐性检验

Poisson回归模型广泛地应用于分析计数型数据，但该模型往往存在偏大离差(overdispersion)问题．刻画Poisson回归模型的偏大离差性的两种方法是拟似然方法和随机效应法(Lee＆Nelder，2000)，已有许多作者利用随机效应法研究了Poisson模型的偏大离差的检验问题．但他们均假定随机效应是独立同分布的，本文对他们的假设进行检验．我们分别在组内效应一致和组内效应不一致的情形下，研究了存在偏大离差的Poisson-Gamma非线性随机效应模型中，随机效应方差(称为离差参数)的齐性检验问题，得到了离差参数齐性的score检验统计量．最后给出两个数值例子说明本文方法的应用．     

广义Polya-Aeppli分布下相依风险模型的破产概率

本文基于广义Polya-Aeppli分布研究两个赔偿过程具有相关性的破产概率问题.首先,结合Kocherlakota(1995)定义的概率母函数推导一类相依过程的联合概率分布函数及其各阶矩的具体表达式;然后,建立两种情况的破产模型,通过Laplace变换将求解破产概率转换为求解累积赔偿金额的概率分布函数,给出赔偿金额服从指数分布时两类风险模型的破产概率解析表达式.广义Polya-Aeppli分布定义了一类具有相关性的离散分布,克服了已有模型中使用Poisson过程模拟实际数据存在的过分分散问题,且易于进行参数估计,所以本文所得结论具有更广泛的适用性.     

具有部分缺失数据时两个Poisson总体的估计和检验

讨论了部分缺失数据两个Poisson总体的参数估计和关于总体相同的似然比检验，证明了估计的强相合性和渐近正态性，指出了似然比检验计量的极限分布，并讨论了基于精确分布的检验问题。     

Threshold分红策略下带干扰的两类索赔风险模型的Geber-Shiu函数

本文研究了在threshold分红策略下带干扰的两类索赔风险模型的Geber-Shiu函数.这里假设两个索赔计数过程为独立的更新过程,其中一个为Poisson过程另一个为时间间隔服从广义Erlang(2)分布的更新过程.本文得到了threshold分红策略下Gerber-Shiu函数所满足的积分-微分方程及其边界条件....     

Lie理论中一类Poisson结构的构造

Poisson几何是Hamilton力学及辛流形紧化自然的研究框架.本文介绍了一类与Lie理论有关的Poisson流形.这类Poisson流形的构造来自于量子群,并与分次扩张Poisson代数有着紧密的联系.     

Poisson-Lindley回归模型基于EM算法的诊断分析(英文)

利用EM算法研究了来自于Lindley分布权重的混合Poisson模型,即Poisson-Lindley回归模型,从而利用基于完全数据似然函数的条件期望进行统计诊断和局部影响分析,得到了几个有用的诊断统计量,并用一个数值实例说明了所得统计量的有效性.     

一类盈余过程的破产概率及其应用

本文给出了复合Poisson盈余过程在其个体理赔量服从两个指数分布的混合 分布时破产概率的显示解,并研究了此情形下破产概率的Lundberg界.作为应用,给出 了一种计算一般复合Poisson盈余过程破产概率的近似方法.     

复合Poisson过程参数的检验

当风险为非同质时，索赔次数的分布可用复合Poisson过程来描述，Hofmann分布族可用于复合Poisson过程中索赔次数的研究，本文讨论了Hofmann分布的相参数的检验问题，得到了它的检验统计量及其渐近分布。     

基于标值Cox过程的个体索赔准备金模型

传统的准备金方法都是基于聚合数据的,聚合数据是个体数据的简单汇总,他们丢失了许多有用信息,影响了准备金预测的准确性.为了准确预测准备金,精算学研究者发展了基于标值Poisson过程的个体索赔模型.然而索赔的发生使用Poisson过程来刻画往往与现实情况不符,因此本文提出了一个基于标值Cox过程的个体索赔模型,并研究了此模型下的准备金预测方法.本文的模型和传统的聚合索赔模型相比,使用了更为完整的信息,和已经存在的标值Poisson个体索赔模型相比,由于Cox过程中随机强度的引入,使得模型有了更强的现实刻画能力.这些都将使得准备金的预测更为准确.