排序方式: 共有23条查询结果,搜索用时 250 毫秒
1.
我国巨灾风险管理模式初探 总被引:1,自引:0,他引:1
我国的巨灾保险制度尚未建立,巨灾风险管理模式还存在很多问题.世界上许多发达国家的巨灾保险制度已经建立多年,形成了比较成熟的管理模式和运营经验.本文借鉴其他国家的经验,对我国的巨灾风险管理模式进行了初步探讨. 相似文献
2.
商业车险的费率主要由先验费率和浮动费率两部分构成。先验费率通常使用广义线性模型进行厘定,而浮动费率则是通过奖惩系统(Bonus-Malus System,BMS)对先验费率进行的一种后验调整。我国现行的商业车险BMS存在转移规则不够合理和奖惩系数不尽准确的问题。本文使用动态转移规则,在线性约束下,通过最小化索赔频率真实值与预测值之间的均方误差,求得了BMS的最优奖惩系数,并基于我国某财产保险公司2015年的一组商业车险数据进行了实证研究。结果表明,本文的方法可以有效改善我国现行商业车险BMS存在的不足。 相似文献
3.
保险费率厘定的核心工作是对保险损失的预测。在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择。本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较。结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型。机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法。 相似文献
4.
5.
随着车辆网技术的不断成熟,车联网数据的应用价值日渐凸显。车联网大数据中包含着丰富的驾驶行为信息,这些信息对于改进传统的汽车保险定价模型具有重要的应用价值。如何从车联网大数据中提取出具有实际应用价值的信息,尚需进行大量细致的研究工作。本文基于车联网记录的速度-加速度数据,应用核密度估计和主成分分析,提取了一个驾驶行为因子,并在泊松分布假设下建立了索赔频率的广义可加模型。实证研究结果表明,本文提取的驾驶行为因子对被保险车辆的索赔频率具有十分显著的非线性影响,为汽车保险定价提供了一个新的费率因子,有助于进一步提高汽车保险定价结果的准确性和合理性。 相似文献
6.
研究目标:建立零膨胀损失次数的贝叶斯分位回归模型。研究方法:通过增加随机扰动将离散型的损失次数数据转化为连续型数据,在预测误差平方和最小的条件下,求解出分位数水平,并应用贝叶斯方法求解分位回归模型中的参数。研究发现:基于得到的分位回归模型及相应的分位数水平,实现对未来的损失频率的预测。研究创新:借助等式关系,求解分位回归的分位数水平,避免主观选择分位数水平的弊端,实现对零膨胀损失次数贝叶斯分位回归建模。研究价值:基于一组实际数据的实证分析结果表明,该模型可以显著改进现有模型的拟合效果。 相似文献
7.
贴现利息的精确计算与近似求法甘肃省西北师范大学孟生旺目前为止,不论在我国还是在西方国家,贴现利息的计算方法都是用贴现率(金融机构规定的利率)乘以票据到期值,再乘以贴现期限。刊于《上海会计》,1993年第4期江运生的“贴现计算公式质疑”一文,则认为贴现... 相似文献
8.
金融实务界正在使用和理论界最近提出的各种金融风险度量方法(包括标准差、vaR、Tail-vaR、ES和基于各种转换函数的风险度量方法)应该满足一致性要求;而满足一致性要求的风险度量方法并非是最优的风险度量方法。 相似文献
9.
具有尖峰厚尾特征的巨灾损失数据,通常的损失分布模型很难对其进行拟合,这给巨灾风险管理带来了极大挑战。近几年,关于组合分布模型的研究为巨灾损失数据的拟合提供了一种新的建模思路。组合分布模型是两个普通损失分布的平滑组合。本文将逆威布尔分布分别与帕累托分布和广义帕累托分布进行组合,构建了三个新的组合分布模型,即固定权重的逆威布尔-帕累托组合分布模型、可变权重的逆威布尔-帕累托组合分布模型以及可变权重的逆威布尔-广义帕累托组合分布模型。与现有的组合分布模型相比,这三个组合分布模型结构更加简洁,为拟合尖峰厚尾的巨灾损失数据提供了新的备选模型。 相似文献
10.
中国寿险业利率风险的实证分析及其情景测试 总被引:3,自引:0,他引:3
本文从实证的角度分析了我国近几年来的降息对寿险业负债的影响。定量刻画了寿险业准备金对利率风险的暴露程度,在此基础上,参照美国保险监督官协会采用的现金流量测试方法,对我国某保险公司1999年末的资产负债状态进行了情景分析与应力测试,结果证明我国寿险业目前风险管理绩效尚可,但仍需进一步完善。 相似文献