保险
文章平均质量分 80
拓端研究室
这个作者很懒,什么都没留下…
展开
-
拓端tecdat|R语言极值理论EVT:基于GPD模型的火灾损失分布分析
原文链接:http://tecdat.cn/?p=21425极值理论关注风险损失分布的尾部特征,通常用来分析概率罕见的事件,它可以依靠少量样本数据,在总体分布未知的情况下,得到总体分布中极值的变化情况,具有超越样本数据的估计能力。因此,基于GPD(generalized pareto distribution)分布的模型可更有效地利用有限的巨灾损失数据信息,从而成为极值理论当前的主流技术。针对巨灾发生频率低、损失高、数据不足且具有厚尾性等特点,利用GPD模型对火灾经济损失数据进行了统计建模;..原创 2021-03-16 14:38:33 · 1309 阅读 · 0 评论 -
拓端tecdat|R语言泊松Poisson回归模型预测人口死亡率和期望寿命
本文我们讨论了期望寿命的计算。人口统计模型的起点是死亡率表。但是,这种假设有偏差,因为它假设生活条件不会得到改善。为了正确处理问题,我们使用了更完整的数据,其中死亡人数根据x岁而定,还包括日期t。......原创 2020-12-25 15:41:40 · 2929 阅读 · 8 评论 -
拓端tecdat|R语言人口期望寿命统计预测方法
本文对人口统计预测方法进行讨论。首先,我们将看到基本的静态方法。原创 2020-12-01 10:10:59 · 2590 阅读 · 3 评论 -
拓端tecdat|R语言Lee-Carter模型对年死亡率建模预测期望寿命
现在我们也可以对这项快速研究的局限性感到疑惑。特别是,正如有配偶的寿命之间存在很强的相关性,我们可能会问,孩子和孙子的出生是否具有对一个人的剩余生命的影响(或者我们是否可以像这样假设独立性)。...原创 2020-10-21 15:34:47 · 1645 阅读 · 0 评论 -
R语言逻辑回归和泊松回归模型对发生交通事故概率建模
我们已经看到了如何考虑风险敞口,计算包含风险敞口的多个数量(经验均值和经验方差)的非参数估计量。让我们看看如果要对二项式变量建模。原创 2020-07-21 19:03:28 · 1359 阅读 · 0 评论 -
R语言非参数模型厘定保险费率:局部回归、广义相加模型GAM、样条回归
原文链接:http://tecdat.cn/?p=14121本文将分析了几种用于制定保险费率的平滑技术。保费没有细分该价格应与纯溢价相关,而纯溢价与频率成正比,因为原创 2020-07-16 18:45:31 · 1095 阅读 · 0 评论 -
R语言小数定律的保险业应用:泊松分布模拟索赔次数
在保险业中,由于汇集和分散投资,通常会在合法的大型投资组合中提及大数定律(最初由SiméonPoisson命名为loi des grands nombres,参见例如http://en.wikipedia.org/…)。在一定时期内,损失越“可预测”。当然,在标准的统计假设下,即有限的期望值和独立性(有关讨论,请参见http://freakonometrics.blog.free.fr/…。......原创 2020-07-13 14:24:43 · 1304 阅读 · 0 评论 -
R语言多分类logistic逻辑回归模型在混合分布模拟个人风险损失值评估的应用
通常,我在回归类中一直说的一句话是“请,看看您的数据”。在上一篇文章中,我们一直像大多数计量经济学家一样玩:我们没有查看数据。实际上,如果我们查看单个损失的分布,那么在数据集中,我们会看到以下内容:> n=nrow(couts)> plot(sort(couts$cout),(1:n)/(n+1),xlim=c(0,10000),type="s",lwd=2,col=".........原创 2020-07-07 16:02:17 · 1635 阅读 · 1 评论 -
R语言通过伽玛与对数正态分布假设下的广义线性模型对大额索赔进行评估预测
在此过程中,我们已经很自然地认为,不仅可以用一些协变量来解释单个索赔的频率,而且可以用单个成本来解释。当然,在考虑到一些协变量的情况下,应该考虑使用适当的族对成本的分布进行建模。以下是我们将使用的数据集,> sinistre=read.table("http://freakonometrics.free.fr/sinistreACT2040.txt",+ header=TRUE,......原创 2020-07-01 14:00:52 · 854 阅读 · 0 评论 -
R语言精算学:使用链梯法Chain Ladder和泊松定律模拟和预测未来赔款数据
对于供应方法的最后一门课程,我们停止使用模拟方法。让我们回到上一篇文章中停止的地方,我们看到通过对增量进行泊松回归,我们获得了与Chain Ladder方法完全相同的数量,> Y [,1] [,2] [,3] [,4] [,5] [,6][1,] 3209 1163 39 17 7 21[2,] 3367 1292 37 24 10 NA......原创 2020-06-24 14:19:43 · 1288 阅读 · 0 评论 -
R语言中的广义线性模型(GLM)和广义相加模型(GAM):多元(平滑)回归分析保险资金投资组合信用风险敞口
星期三,在课堂上,我们已经看到了如何可视化多元回归模型(带有两个连续的解释变量)。在此,目标是使用一些协变量(例如,驾驶员的年龄和汽车的年龄)来预测保险索赔的平均成本(请注意,此处的损失为责任损失)。通过对数链接从(标准)广义线性模型获得的预测> reg1=glm(cout~ageconducteur+agevehicule,data=base,family=Gamma(lin.........原创 2020-06-18 13:49:01 · 3339 阅读 · 0 评论 -
R语言再保险合同定价Poisson回归来预测索赔案例研究
明天上课的再保险案例研究。目的是为业务中断索赔定价一些非比例再保险合同。考虑以下数据集,> library(gdata)> db=read.xls(+ "https://perso.univ-rennes1.fr/arthur.charpentier/SIN_1985_2000-PE.xls",+ sheet=1)Content type 'application/v.........原创 2020-05-28 14:43:01 · 810 阅读 · 0 评论 -
R语言对混合分布中的不可观测与可观测异质性因子分析
今天上午,在ACT2040课程(关于非人寿保险)中,我们讨论了利率制定中可观察和不可观察异质性之间的区别(从经济角度出发)。为了说明这一点(稍后我们将花费更多时间讨论可观察和不可观察的风险因素),我们看了以下简单示例。让代表一个人的身高。考虑以下数据集> Davis=read.table(+ "http://socserv.socsci.mcmaster.ca/jfox/Boo......原创 2020-05-25 15:15:00 · 1286 阅读 · 0 评论 -
R语言泊松回归对保险定价建模中的应用:风险敞口作为可能的解释变量
在保险定价中,风险敞口通常用作模型索赔频率的补偿变量。正如该博客(例如here)上多次解释的那样,并且在我的笔记中,如果我们必须使用相同的驱动程序,但是一个驱动程序的暴露时间为6个月,而另一个则是一年,那么自然应该假设平均而言,第二个驾驶员的事故要多两倍。这是使用标准(均匀)泊松过程来建模索赔频率的动机。人们在这里还可以看到法律问题,因为如果(部分)退还保费,则可以按比例按比例进行。风险与......原创 2020-05-22 14:49:07 · 982 阅读 · 0 评论