本文關(guān)鍵詞：相關(guān)貝葉斯模型在非壽險準備金中的應(yīng)用

  更多相關(guān)文章： 未決賠款準備金 相關(guān)貝葉斯模型 相關(guān)過程 Beta族 封閉卷積指數(shù)族 數(shù)值算法

【摘要】：貝葉斯方法是基于貝葉斯定理發(fā)展起來的用于系統(tǒng)闡述和解決統(tǒng)計問題的方法。完整的貝葉斯方法包括數(shù)據(jù)分析、模型構(gòu)造、先驗信息和似然函數(shù)的假設(shè)、后驗信息和最終決策。貝葉斯基本方法是綜合先驗信息和樣本信息,然后由貝葉斯定理得出后驗信息,最后由后驗信息做出統(tǒng)計推斷。本文第二章通過一個模型系統(tǒng)的介紹了傳統(tǒng)的貝葉斯方法。隨著貝葉斯方法在研究未決賠款準備金中的廣泛應(yīng)用,以及各種統(tǒng)計軟件的迅速發(fā)展,當前對貝葉斯方法的應(yīng)用有了很多改進的方法,比如考慮流量三角形中有負值的情形、討論貝葉斯方法的穩(wěn)健性及相關(guān)性的引入、貝葉斯方法分層理論的提出等等。De Alba和Neito-Barajas(2008)提出了準備金的相關(guān)貝葉斯模型,利用相關(guān)Gamma過程描述了進展年之間的相關(guān)性。本文基于De Alba和Neito-Barajas的研究成果,將相關(guān)Gamma過程推廣到更一般的相關(guān)過程,提出了基于Beta族和封閉卷積指數(shù)族兩個分布類的相關(guān)過程,并在第三章詳細介紹相關(guān)貝葉斯方法估計未決賠款準備金的模型。貝葉斯模型中的參數(shù)估計比較復(fù)雜,通�？梢詰�(yīng)用計算機進行數(shù)值求解。常用的方法有馬爾科夫鏈蒙特卡羅方法(MCMC方法),其中應(yīng)用最廣泛的就是Gibbs抽樣法。本文中的實證研究部分就應(yīng)用了Gibbs抽樣法,通過R軟件和BUGS軟件編程得出了參數(shù)估計值,進一步求得了準備金。最后本文將改進的模型應(yīng)用于實證研究,并通過R軟件和BUGS軟件應(yīng)用數(shù)值算法對參數(shù)進行了估計。通過對獨立貝葉斯模型和相關(guān)貝葉斯模型結(jié)果的對比,得出了這種相關(guān)貝葉斯模型比傳統(tǒng)的獨立貝葉斯模型更合理。
【關(guān)鍵詞】：未決賠款準備金 相關(guān)貝葉斯模型 相關(guān)過程 Beta族 封閉卷積指數(shù)族 數(shù)值算法
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F840;O212.8
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 引言8-11
• 1.1 研究背景與意義8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.3 本文的研究結(jié)構(gòu)及創(chuàng)新10
• 1.4 符號說明10-11
• 2 經(jīng)典貝葉斯統(tǒng)計理論11-15
• 2.1 貝葉斯理論11-12
• 2.2 傳統(tǒng)貝葉斯方法估計未決賠款準備金模型12-15
• 3 相關(guān)貝葉斯方法估計未決賠款準備金模型15-29
• 3.1 基于Beta族的相關(guān)過程15-21
• 3.1.1 基本理論與方法15-17
• 3.1.2 實例分析17-18
• 3.1.3 參數(shù)估計18-20
• 3.1.4 模型預(yù)測20-21
• 3.2 基于封閉卷積指數(shù)族的相關(guān)過程21-29
• 3.2.1 基本理論與方法21-24
• 3.2.2 實例分析24-25
• 3.2.3 參數(shù)估計25-27
• 3.2.4 模型預(yù)測27-29
• 4 模型評價29-30
• 5 實證研究30-36
• 5.1 應(yīng)用獨立Gamma過程預(yù)測未決賠款準備金30-32
• 5.2 應(yīng)用相關(guān)Gamma過程預(yù)測未決賠款準備金32-35
• 5.3 比較兩種Gamma過程預(yù)測的未決賠款準備金35-36
• 6 結(jié)束語36-37
• 7 參考文獻37-40
• 8 致謝40

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉振濤;左浩苗;張振軒;;泡沫變化過程的動態(tài)貝葉斯模型研究[J];管理科學(xué)學(xué)報;2012年09期

2 汪建均;馬義中;汪新;;兩階段的貝葉斯模型選擇與篩選試驗分析[J];系統(tǒng)工程理論與實踐;2011年08期

3 蒙肖蓮;杜寬旗;楊毓;;企業(yè)財務(wù)危機預(yù)測的貝葉斯模型研究[J];數(shù)理統(tǒng)計與管理;2011年06期

4 李長杰;王先甲;范文濤;;貝葉斯雙邊拍賣的水價模型[J];水電能源科學(xué);2006年03期

5 沈悅;徐有俊;;復(fù)合屬性貝葉斯模型在銀行危機預(yù)警中的應(yīng)用[J];寧夏大學(xué)學(xué)報(人文社會科學(xué)版);2009年02期

6 鄭凱;胡潔;彭穎紅;詹振飛;戚進;;結(jié)合定性知識的定量貝葉斯模型外推方法[J];上海交通大學(xué)學(xué)報;2012年06期

7 李明景;汪金菊;;基于ARMA-稀疏貝葉斯模型的匯率預(yù)測研究[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2014年08期

8 吳陳;王萬川;;基于原型的EM樸素貝葉斯模型在直接營銷中的應(yīng)用[J];計算機應(yīng)用與軟件;2012年09期

9 朱憲辰;李妍綺;曾華翔;;不完美信息下序貫決策行為的一項實驗考察——關(guān)于羊群行為的貝葉斯模型實驗檢驗[J];經(jīng)濟研究;2008年06期

10 朱立;;基于稀疏貝葉斯模型的視頻恢復(fù)方法研究[J];中山大學(xué)學(xué)報(自然科學(xué)版);2012年05期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 曾勇;唐小我;;無偏組合預(yù)測的貝葉斯模型及其分析[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 何彬;姜明艷;王程飛;趙卉;王先龍;;基于分子指紋的樸素貝葉斯模型預(yù)測小分子直接作用靶標[A];中國化學(xué)會第28屆學(xué)術(shù)年會第14分會場摘要集[C];2012年

3 高麗君;;基于貝葉斯模型平均生存模型的中小企業(yè)信用風(fēng)險估計[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(上冊)[C];2012年

4 石瓊豪;馬莉;鄒紹芳;;基于視覺雙通路與貝葉斯模型的煙霧檢測方法[A];浙江省電子學(xué)會2012學(xué)術(shù)年會論文集[C];2012年

5 劉信恩;肖世富;莫軍;;復(fù)雜數(shù)值模擬的貝葉斯模型確認框架及其簡化[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2009論文摘要集[C];2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 高艷濱;基于貝葉斯模型更新的結(jié)構(gòu)損傷識別方法改進及應(yīng)用[D];中國地震局工程力學(xué)研究所;2015年

2 蘇樂群;稀疏貝葉斯模型在分類與回歸上的研究與應(yīng)用[D];南京航空航天大學(xué);2015年

3 李楊;基于增量貝葉斯模型的自助掛號系統(tǒng)研究[D];北方工業(yè)大學(xué);2016年

4 陳偉;基于貝葉斯模型的云服務(wù)QoS預(yù)測和保障研究[D];江蘇大學(xué);2016年

5 李云瑞;相關(guān)貝葉斯模型在非壽險準備金中的應(yīng)用[D];鄭州大學(xué);2016年

6 馬欣;基于預(yù)測似然的貝葉斯模型平均及其在電力負荷預(yù)測中的應(yīng)用[D];重慶師范大學(xué);2010年

7 陳慧;基于貝葉斯模型的微博虛假話題數(shù)據(jù)分析研究[D];山東大學(xué);2013年

8 李明景;基于ARMA-稀疏貝葉斯模型的匯率預(yù)測研究[D];合肥工業(yè)大學(xué);2014年

9 鄧志超;類別歸納推理貝葉斯模型的實驗研究[D];北京工業(yè)大學(xué);2014年

10 鄧正虹;時空關(guān)系約束的流量矩陣估計方法研究[D];電子科技大學(xué);2009年

，

本文編號：1013077