本文關(guān)鍵詞：基于Copula模型的車險索賠數(shù)據(jù)的統(tǒng)計分析

  更多相關(guān)文章： Copula 索賠數(shù)據(jù) IFM估計方法 EM算法 Jitter Approach Markov模型

【摘要】：在非壽險領(lǐng)域中,汽車保險是其重要組成部分,通過對車險索賠數(shù)據(jù)的研究,有助于保險公司制定合理的保費和更加完善的保險合同.為了分析索賠數(shù)據(jù),往往需要考慮數(shù)據(jù)中的相依性,如在汽車保險中索賠次數(shù)在不同時間段之間的相關(guān)性,又如索賠次數(shù)同索賠額,保單保費,保單風(fēng)險等變量之間的關(guān)系.若能用多元模型刻畫出這類特點,對汽車保險的研究也是十分有益的.本文旨在研究汽車索賠次數(shù)同索賠額、保單保費、保單風(fēng)險等變量之間的關(guān)系,以及不同時間段索賠次數(shù)之間的關(guān)系.文中首先基于單個Copula模型,探討了邊際模型的不同組合形式,如逆高斯回歸模型和負(fù)二項回歸模型的組合,并利用兩步參數(shù)估計法(IFM)研究了模型參數(shù)的估計；其次,結(jié)合EM算法和IFM算法,探討了混合Copula模型中參數(shù)的極大似然估計問題；最后,本文利用Copula模型研究了縱向數(shù)據(jù),在這里,我們結(jié)合一階Markov模型以及離散連續(xù)化方法(Jitter Approach),構(gòu)造了多種Copula組合模型并簡化了相關(guān)的多維離散時間縱向數(shù)據(jù)模型的估計方法.另外,我們通過蒙特卡洛隨機模擬方法產(chǎn)生了不同樣本量和不同類型的數(shù)據(jù),給出了相應(yīng)模型的參數(shù)估計結(jié)果,驗證了本文方法的有效性,同時還將構(gòu)造的Copula模型應(yīng)用到了實際的車險索賠數(shù)據(jù)中,得到了與人們一般的認(rèn)知保持一致的合理結(jié)論.
【關(guān)鍵詞】：Copula 索賠數(shù)據(jù) IFM估計方法 EM算法 Jitter Approach Markov模型
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F842.634
【目錄】：

• 摘要5-6
• Abstract6-7
• 第1章 引言7-10
• 第2章 基礎(chǔ)知識10-17
• 2.1 邊際分布10-11
• 2.2 Copula模型11-14
• 2.3 參數(shù)估計14-15
• 2.4 離散連續(xù)化方法15-17
• 第3章 單個Copula模型及其在車險索賠中的應(yīng)用17-32
• 3.1 模型與標(biāo)記17-18
• 3.2 參數(shù)估計18-23
• 3.3 模擬研究23-28
• 3.4 實例應(yīng)用28-32
• 第4章 混合Copula模型及其在車險索賠中的應(yīng)用32-50
• 4.1 混合Copula模型32-33
• 4.2 基于EM算法的參數(shù)估計33-37
• 4.3 模擬研究37-47
• 4.4 實例應(yīng)用47-50
• 第5章 基于Copula模型的車險索賠縱向數(shù)據(jù)分析50-64
• 5.1 多元Copula模型與Markov模型50-52
• 5.2 參數(shù)估計52-58
• 5.3 模擬研究58-61
• 5.4 實例應(yīng)用61-64
• 第6章 小結(jié)與展望64-65
• 參考文獻65-68
• 致謝68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫志賓;;混合Copula模型在中國股市的應(yīng)用[J];數(shù)學(xué)的實踐與認(rèn)識;2007年20期

2 李娟;戴洪德;劉全輝;;幾種Copula函數(shù)在滬深股市相關(guān)性建模中的應(yīng)用[J];數(shù)學(xué)的實踐與認(rèn)識;2007年24期

3 李軍;;Copula-EVT Based Tail Dependence Structure of Financial Markets in China[J];Journal of Southwest Jiaotong University(English Edition);2008年01期

4 許建國;杜子平;;非參數(shù)Bernstein Copula理論及其相關(guān)性研究[J];工業(yè)技術(shù)經(jīng)濟;2009年04期

5 王s，

本文編號：1017157