大数据部落

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;..

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。......

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。

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）。...

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

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/…。......

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=".........

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,......

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......

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.........

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.........

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......

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......