可變年金是重要的金融產品,該產品包含復雜的擔保,其在風險計算上是昂貴的。因此,保險公司通過元建模方法對可變年金的大型投資組合進行估值以節(jié)省運行時間。然而,目前的元建模方法仍然有較低的估值精度,一個關鍵的問題是尋找少量代表性的年金合同是非常困難的。針對這一問題,本文提出了兩種新穎的投資組合的風險評估模型:Transfer learning(TL)模型和Dimensionality reduced-transfer learning(DR-TL)模型。本文提出的TL和DR-TL模型是在Python3.5環(huán)境下實現(xiàn)的。它們的主要思想是:首先用z-score對輸入和輸出數(shù)據(jù)集進行了歸一化處理;然后利用源域數(shù)據(jù)集訓練生成預訓練模型,并且在表征空間用k-means聚類生成代表性合同;接著用蒙特卡羅模擬估值代表性合同的風險;最后用代表性合同微調預訓練模型,并用微調的模型預測新數(shù)據(jù)的風險。DR-TL與TL模型的區(qū)別在于,DR-TL能很好的克服高維聚類的敏感問題,從而生成均勻、分散的代表性合同。本文的貢獻是:通過表征空間而不是輸入空間用k-means聚類的方式能解決代表性合同的無效選擇問題,為提高模型精...

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

圖2-1基于神經網絡的遷移學習示意圖

西安石油大學碩士學位論文16產品上去。在這種情況下，遷移學習將會節(jié)省大量的標記成本。案例三：實時判斷wifi位置用戶在每一個時間段使用wifi的位置都可能不盡相同，想要建立位置模型實時校正wifi數(shù)據(jù)，代價是非常昂貴的。因為用戶需要在每一個位置收集和標記大量的wifi信號數(shù)據(jù)。為....

圖3-1輸入數(shù)據(jù)的統(tǒng)計信息

第三章數(shù)據(jù)集描述23表3-2按產品類型劃分的性別分布GenderABRPABRUABSUDBABDBIBDBMBDBRPF7797688097877598338051221M1221123211911213124111671195GenderDBRUDBSUDBWBIBRPIBR....

圖3-2市場1的Deltas直方圖

西安石油大學碩士學位論文24圖3-2市場1的Deltas直方圖從圖上可以直觀地看到市場1的Deltas大部分是負的，這是因為擔保類于期權，有負增量。本次實驗的Deltas來自兩個不同的市場，圖3-2展示的是市場1的風險分布，它用于構建源域的預訓練模型，而其余市場的Deltas用于....

圖3-3市場1的統(tǒng)計信息

西安石油大學碩士學位論文24圖3-2市場1的Deltas直方圖從圖上可以直觀地看到市場1的Deltas大部分是負的，這是因為擔保類于期權，有負增量。本次實驗的Deltas來自兩個不同的市場，圖3-2展示的是市場1的風險分布，它用于構建源域的預訓練模型，而其余市場的Deltas用于....

本文編號：3964279