医疗保险定点医院损失分布估计

本文应用了风险模型的损失分布及其估计方法,在分析社会医疗保险医疗赔付模式下,根据定点医院相关数据对风险模型的损失分布进行了实证分析和估计。并采用蒙特卡罗方法进行了数据仿真,表明估计结果的有效性     

用POT方法估计损失分布尾部的效应分析

在再保险中,对高超额层选取及定价等问题的讨论有着重要意义,从而引出对如何选取好的统计模型来拟合大的观测值这一问题的讨论。针对这一问题,我们考虑了POT方法(peaks over thoreholdapproach),即根据极值理论(EVT),用模拟的方法对这一方法进行评价,指出了POT方法的若干优缺点陷。     

截断型分布族参数的估计之损失的可容许估计

估计损失方法已经有很多文章论述,近期有[1]、[2]、[3]等。在传统的判决理论中,通常的做法是,在损失函数L(θ,d)下,基于样本选择判决函数δ(X),用风险函数R(θ,δ(x))=E_θL(θ,δ(X))作为衡量δ(X)的性能的量度或精度。估计损失方法认为(参见[1]),如果L(θ,δ(X))可获得,则精度的理想的量度应是L(θ,δ(X))本身,并利用样本给出这个实际损失的估计L_δ(X)。在估计损失L(θ,δ(X))时,采用的损失函数     

非寿险损失分布估计和经营稳定性分析(Ⅶ)

非寿险损失分布估计和经营稳定性分析（Ⅶ）吴岚杨静平（北京大学数学科学学院概率统计系，北京，１０００８７１）３．２方法讨论目前在损失准备金的计算中有各种各样的方法，为了使各种方法可以进行比较，这里考虑描述ＩＢＮＲ问题的一般的一组随机变量Ｘｊｓ（ｊ＝１...     

上证股指极值模型估计和VaR计算

POT极值模型参数的准确估计是计算金融资产回报厚尾分布市场风险的关键.由n阶概率加权矩得到参数的二项式回归估计,而将参数的零,一阶概率加权矩估计予以推广.极大似然估计中.将极大化似然函转化为二元函数无条件极值问题·其他参数估计方法的结果作为迭代的初始值,通过它们的似然函数值和极大似然函数值的比较以及迭代次数判断方法的优劣.实证研究表明:参数的零、一阶概率加权矩估计较接近于真值,随着阶数的提高,二项式回归参数估计的误差很大.参数的极大似然估计优于非线性回归估计优于零、一阶概率加权矩估计.在此基础上计算上证A股指数vaR值.     

不同损失函数下Pareto分布参数的Bayes估计

首先给出了Pareto分布参数的极大似然估计;其次在对称损失,二次损失,Mlinex损失函数下,给出了参数的Bayes估计,并证明了所给估计都是容许的;最后通过实例,对所给的几个估计的优良性进行了分析,结果表明在Mlinex损失下,参数θ的Bayes估计值更接近真实值     

非寿险损失分布估计和经营稳定性分析(Ⅲ)

非寿险损失分布估计和经营稳定性分析（Ⅲ）吴岚杨静平（北京大学数学科学学院概率统计系，北京，１００８７１）二损失分布的应用保险是一种时间性很强的经济行为，因此，保险标的损失分布模型也不是一成不变的，或者说，模型的拟合工作是一个长期的不断调整的过程。另一...     

非寿险损失分布估计和经营稳定性分析(IV)

非寿险损失分布估计和经营稳定性分析（ＩＶ）吴岚杨静平（北京大学数学科学学院概率统计系，北京，１００８７１）２．２．２免赔与净保费损失分布估计的一个重要用途是计算净保费（或称风险保费）。一般情况下非寿险的净保费为索赔频率与平均损失（索赔程度）的乘积。因...     

Robust Estimation of Tail Parameters for Two-Parameter Pareto and Exponential Models via Generalized Quantile Statistics

Robust estimation of tail index parameters is treated for (equivalent) two-parameter Pareto and exponential models. These distributions arise as parametric models in actuarial science, economics, telecommunications, and reliability, for example, as well as in semiparametric modeling of upper observations in samples from distributions which are regularly varying or in the domain of attraction of extreme value distributions. New estimators of generalized quantile type are introduced and compared with several well-established estimators, for the purpose of identifying which estimators provide favorable trade-offs between efficiency and robustness. Specifically, we examine asymptotic relative efficiency with respect to the (efficient but nonrobust) maximum likelihood estimator, and breakdown point. The new estimators, in particular the generalized median types, are found to dominate well-established and popular estimators corresponding to methods of trimming, least squares, and quantiles. Further, we establish that the least squares estimator is actually deficient with respect to both criteria and should become disfavored. The generalized median estimators manifest a general principle: smoothing followed by medianing produces a favorable trade-off between efficiency and robustness.     

金融市场极端日收益数据的广义Pareto分布拟合

本文基于极值理论和方法建立了上证综合指数极端日收益率的广义Pareto模型,并利用所得的模型计算出日收益率的返回水平及其上尾概率。将估计的日收益率模型比较得出,在实施涨跌停板前,日收益率的上尾明显厚于实施涨跌停板后的上尾,说明了实施该制度可以有效的控制股票市场的投机现象,从而降低投资者的收益损失风险。     

熵损失函数下两参数指数威布尔分布尺度参数的Bayes估计

本文给定一截尾样本，在熵损失函数下，研究了两参数指数威布尔分布尺度参数在先验伽玛分布下的Bayes估计，并给出了该参数的Bayes区间估计。     

重尾分布的尾部指数估计及沪深股市实证分析

重尾分布尾部指数α的估计依赖于样本中所用顺序统计量个数k的选取.本文介绍了估计α时选择k的两类不同的方法:Sum-plot方法和Bootstrap方法,并对Hall提出的Bootstrap方法作了改进,称为M-Bootstrap方法.本文利用上述方法对已知分布进行Monte-Carlo模拟,研究它们的可行性,然后对上海和深圳两市股指数据进行了实证分析.计算结果表明,上海和深圳股指收益率具有重尾性.是右偏态的,右尾厚于左尾.通过几种方法计算的结果比较发现Sum-plot方法和M-Bootstrap方法在估计重尾指数上精确性较高一些,而且不受异常值的影响.     

复合Linex对称损失下Kumaraswamy分布参数的Bayes估计

当参数的先验分布为伽玛分布时,在复合Linex对称损失函数下得到了Kumaraswamy分布参数θ的唯一的Bayes估计,多层Bayes估计和E-Bayes估计,并通过数值模拟说明了所给参数估计的稳健性和精确性.     

对称损失下二项分布参数的E-Bayes估计及其性质

在已有的文献中提出了一种新的参数估计方法——E-Bayes估计法.在对称损失函数下,对二项分布的参数给出了E-Bayes估计和多层Bayes估计,并给出了E-Bayes估计的性质.最后,给出了数值算例,结果表明提出的方法可行且便于应用.     

熵损失函数下几何分布可靠度的Bayes估计

本文在几何分布的先验分布为幂分布时研究了其在熵损失函数下,可靠度的多层Bayes估计及其容许性,给出了可靠度的多层Bayes估计的计算公式.通过实例验证,在熵损失函数下计算出的几何分布可靠度的多层Bayes估计是稳健的,并进一步表明在熵损失函数下计算出的几何分布可靠度的多层Bayes估计值比其在平方损失函数下算出的结果精度更高.     

A New Estimator for a Tail Index

We investigate properties of a new estimator for a tail index introduced by Davydov and co-workers. The main advantage of this estimator is the simplicity of the statistic used for the estimator. We provide results of simulation by comparing plots of our's and Hill's estimators.     

Gamma分布与其它分布的若干定理

利用条件概率的性质,得到Gamma分布与Poisson分布、广义负二项分布、广义Pareto分布的若干定理及推论.     

复合MLinex对称损失函数下对数伽玛分布参数的Bayes估计

在MLineX损失函数的基础上,定义了复合MLineX对称损失函数,并在该损失函数下得到了对数伽玛分布尺度参数的Balye8估计、E-Bayes估计、多层Balyes估计.最后,通过数值模拟说明了所给参数估计的稳健性和精确性.