本文選題：分位數(shù) + 風(fēng)險(xiǎn)邊際��； 參考：《保險(xiǎn)研究》2017年04期

【摘要】：在償二代制度下,當(dāng)前壽險(xiǎn)精算實(shí)務(wù)中利用分位數(shù)法計(jì)算風(fēng)險(xiǎn)邊際的一個(gè)難點(diǎn)是確定損失分布,因此旨在為保險(xiǎn)實(shí)務(wù)界引入行之有效的解決方法。這些方法主要以非參數(shù)統(tǒng)計(jì)學(xué)為核心,在文中以早期退保率波動(dòng)帶來的損失風(fēng)險(xiǎn)為例,對(duì)于這些非參方法進(jìn)行比較。最終發(fā)現(xiàn),大樣本情形時(shí)利用kernel估計(jì)替代法估計(jì)一般水平(如75%)的風(fēng)險(xiǎn)邊際非常適合,小樣本情形可以用bootstrap百分位法;但是對(duì)于極高水平(如99.5%)的風(fēng)險(xiǎn)邊際這些方法均不太理想;在退保率風(fēng)險(xiǎn)上,早期嚴(yán)重退保使得后期準(zhǔn)備金的方差加大,不穩(wěn)定性增強(qiáng),同時(shí)75%水平的風(fēng)險(xiǎn)邊際的峰值也出現(xiàn)在后期,其數(shù)值占到年保費(fèi)的近一半。
[Abstract]:In the second generation system, one of the difficulties in calculating risk margin by quantile method in current life insurance practice is to determine the loss distribution, so as to introduce an effective solution for the insurance practice. These methods are mainly based on non-parametric statistics. In this paper, the loss risk caused by the fluctuation of early withdrawal rate is taken as an example to compare these non-parametric methods. Finally, it is found that the kernel estimation substitution method is very suitable for estimating the risk margin of general level (such as 75%) in large sample cases, and bootstrap percentile method can be used for small sample cases. However, these methods are not ideal for extremely high level (such as 99.5%) risk margin. In the risk of withdrawal rate, early severe withdrawal makes the variance and instability of the reserve increase in the later period. At the same time, the peak of 75% of the risk margin also appears in the later stage, which accounts for nearly half of the annual premium.
【作者單位】： 北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院;
【分類號(hào)】：F224;F842.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳佩群;;國(guó)營(yíng)商店零售價(jià)格仍需保留分位數(shù)[J];價(jià)格月刊;1992年01期

2 謝福祥;;也談國(guó)營(yíng)商店零售價(jià)格仍需保留分位數(shù)[J];價(jià)格月刊;1992年04期

3 鄭李玲;;缺失數(shù)據(jù)下條件分位數(shù)的估計(jì)及其漸近性質(zhì)[J];廣西科學(xué);2009年03期

4 陳磊;曾勇;杜化宇;;石油期貨收益率的分位數(shù)建模及其影響因素分析[J];中國(guó)管理科學(xué);2012年03期

5 葛玉好;趙媛媛;;城鎮(zhèn)居民收入不平等的原因探析——分位數(shù)分解方法的視角[J];中國(guó)人口科學(xué);2010年S1期

6 許啟發(fā);蔣翠俠;;分位數(shù)局部調(diào)整模型及應(yīng)用[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年08期

7 陳雄強(qiáng);張曉峒;張慶昌;;通貨膨脹持久性及其非對(duì)稱性研究——基于分位數(shù)自回歸模型[J];經(jīng)濟(jì)與管理研究;2013年03期

8 李雅楠;廖利兵;;城鎮(zhèn)居民性別收入差距及其演變:1991~2009[J];人口與經(jīng)濟(jì);2014年02期

9 彭維湘;正態(tài)分布的分布函數(shù)及分位數(shù)的算法和編程技巧[J];中南財(cái)經(jīng)大學(xué)學(xué)報(bào);1996年04期

10 王志剛;陳志芳;;非參數(shù)分位數(shù)估計(jì)在我國(guó)非壽險(xiǎn)公司償付能力額度計(jì)算中的應(yīng)用[J];經(jīng)濟(jì)論壇;2012年12期

相關(guān)重要報(bào)紙文章 前2條

1 廣發(fā)期貨 謝貞聯(lián);IF1005期現(xiàn)價(jià)差波動(dòng)規(guī)律的啟示[N];期貨日?qǐng)?bào);2010年

2 李莉;2009年金屬鋁價(jià)格走勢(shì)預(yù)測(cè)[N];中國(guó)有色金屬報(bào);2008年

相關(guān)博士學(xué)位論文 前3條

1 姚梅;左截?cái)鄶?shù)據(jù)下條件分位數(shù)和線性模型的估計(jì)以及變量選擇[D];山東大學(xué);2017年

2 陳雄強(qiáng);分位數(shù)自回歸模型理論與應(yīng)用研究[D];南開大學(xué);2013年

3 黃初;幾類新型相依條件下隨機(jī)變量的極限定理[D];浙江大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 梅云龍;刪失數(shù)據(jù)的條件高分位數(shù)估計(jì)[D];大連理工大學(xué);2015年

2 朱玲;貝葉斯分位數(shù)自回歸方法的研究及在香港恒生指數(shù)風(fēng)險(xiǎn)測(cè)度上的應(yīng)用[D];南京財(cái)經(jīng)大學(xué);2014年

3 蔡際盼;WOD樣本下分位數(shù)和密度函數(shù)估計(jì)的強(qiáng)相合性[D];廣西師范學(xué)院;2015年

4 葛悠美;線性測(cè)量誤差模型中復(fù)合分位數(shù)估計(jì)的隨機(jī)加權(quán)方法[D];東華大學(xué);2016年

5 李麗鳳;PA樣本下含附加信息時(shí)分位數(shù)的統(tǒng)計(jì)推斷[D];廣西師范大學(xué);2015年

6 余珊珊;最優(yōu)分位數(shù)水平選擇方法及其在心電圖判別疾病類型中的應(yīng)用[D];華東師范大學(xué);2016年

7 張亞利;基于分位數(shù)GARCH類模型的我國(guó)股市風(fēng)險(xiǎn)度量研究[D];華僑大學(xué);2016年

8 胡漢;風(fēng)電場(chǎng)風(fēng)電功率概率預(yù)測(cè)研究[D];東南大學(xué);2016年

9 王丹;基于數(shù)據(jù)庫(kù)的Summary查詢研究[D];東北大學(xué);2013年

10 劉震;重尾分布高條件分位數(shù)的調(diào)和估計(jì)[D];大連理工大學(xué);2016年

，

本文編號(hào)：1843825