重尾分布在精算、金融科学中发挥重要的作用。在这篇文章中,我们介绍一个家庭的分布称为指数时距(ETX)的家庭。基于该方法,介绍了威布尔模型的新扩展。该模型非常灵活建模重尾分布数据。一些数学性质推导,得到了模型参数的极大似然估计。蒙特卡罗模拟研究进行了评估最大似然估计的性能。精算风险价值等措施和尾部风险价值计算。基于这些精算模拟研究措施。最后,应用程序重尾分布汽车保险索赔数据集。该模型比较与一些著名的分布。
一个bstract>一般来说,统计分布建模数据在应用领域中发挥重要的作用,特别是在风险管理、经济、金融和保险精算科学。然而,程序的质量主要取决于假设概率模型考虑的现象。在应用领域中,保险损失通常是积极的,右偏态,单峰,和沉重的尾巴;看到巷的作品(
重尾分布的一个重要特征是正则变分财产。如果遵循调用分布规律不同
gydF4y2Ba著名的概率模型,如对数正态分布,帕累托,γ、β和威布尔分布建模数据的应用程序中非常有用。然而,这些经典建模保险损失分布有一定的缺陷。例如,(我)的对数正态分布,γ,没有封闭和β分布累积分布函数的表达式(cdf)和许多数学性质的计算变得困难,(ii)帕累托分布,由于单调递减密度的形状,并没有提供一个相当适合许多应用程序,(3)更好的威布尔分布覆盖小损失的行为但不能满足巨额亏损的行为(
gydF4y2Ba因此,从业者都表现出浓厚的兴趣提出这些现有分布的扩展版本。构造新发展已经通过很多方法如(i)两个或两个以上的组成分布,(ii)复合的分布,和(3)的有限混合分布(Scollnik和太阳
gydF4y2Ba两个或两个以上的组成分布是一个杰出的方法获取新的灵活的重尾分布的家庭的分布形式,这使相当适合重尾分布如图所示损失Cooray和完美的祝福
gydF4y2Ba另一个重要的方法是分布的复合,以满足单峰性的数据建模,Punzo right-skewness和沉重的尾巴,说明了(
gydF4y2Ba有限混合模型表示进一步的方法定义非常灵活的分布,也可以捕捉到,例如,底层分布的多峰性所示贝尔纳迪等人的作品。
gydF4y2Ba在本文中,我们介绍一个家庭分布的指数分布的时距(ETX)的家庭。该方法具有定期尾的行为,因此它可以有效地用于建模重尾分布数据。采用ETX法,我们研究一个特殊的模型叫指数时距威布尔(ETX-Weibull)分布。我们后来经验证明ETX-Weibull分布比著名的竞争提供了更好的符合分布的不同措施的使用汽车保险索赔数据模型验证。
gydF4y2Ba我们希望ETX-Weibull分布将吸引更广泛的应用于保险损失数据和财务回报,等等。ETX-Weibull分布参数的估计,采用最大似然估计的方法进行了。进一步,一些保险精算等措施风险价值(VaR)和尾部风险价值(TVaR)也计算。
gydF4y2Ba本文的其余部分组织如下六部分:讨论的方法和ETX-Weibull模型部分
这部分处理方法采用引入该方法和一种特殊的模型提出的模型。此外,常规的变化结果和其他数学性质也派生。
<年代ec我d="sec2.1">在本节中,我们介绍一个新的家庭使用T分布<我t一个lic>
- x我t一个lic>家庭的方法(
在本节中,提出了家族的一些数学性质如定期不同尾部行为,分位数函数,时刻,矩生成函数。
<年代ec我d="sec2.3.1">定期不同尾的行为是一个重要的特征来识别重尾分布。在本节中,我们处理正则变分的行为提出了家庭。根据(
如果<我nline-formula>
假设<我nline-formula>
自<我nline-formula>
Karamata的特征定理(
如果的分布<我nline-formula>
现在,通过Karamata特征定理(
自<我nline-formula>
一些简化后,我们得到的
如果<我nline-formula>
分布的分位数函数是非常有用的蒙特卡罗模拟生成随机数。分位数的一个随机变量的函数<我t一个lic>
X我t一个lic>提供(
假设<我t一个lic>
X我t一个lic>是一个随机变量与pdf (
使用本系列,我们有
替换<我t一个lic>
x我t一个lic>通过<我nline-formula>
gydF4y2Ba为<我t一个lic>
r我t一个lic>
的<我nline-formula>
因此,第二,第三,第四的时刻,<我nline-formula>
这些措施不太敏感的离群值。情节的偏斜度和峰度ETX-Weibull分布显示在图中
情节的偏斜度和峰度ETX-Weibull模型。
此外,矩生成函数<我nline-formula>
在下一节中,我们使用最大似然估计方法来估计模型参数。让<我nline-formula>
可以最大化对数似函数直接或通过求解非线性微分(获得的似然函数
解决数字上面的表达式同时收益率毫升(最大似然估计)<我nline-formula>
在本节中,我们评估的行为极大似然估计的有限样本的大小<我t一个lic>
n我t一个lic>。基于ETX-Weibull分布进行了模拟研究。生成的随机数是通过分位数ETX-Weibull使用的技术
我们生成<我t一个lic>
N我t一个lic>= 1000的样本大小<我nline-formula>
计算模型参数的极大似然估计
计算的家中小企业和偏见
gydF4y2Ba模拟结果以图形方式显示在数字
情节的估计参数,家中小企业,绝对的偏见,偏见<我nline-formula>
情节的估计参数,家中小企业,绝对的偏见,偏见<我nline-formula>
情节的估计参数,家中小企业,绝对的偏见,偏见<我nline-formula>
情节的估计参数,家中小企业,绝对的偏见,偏见<我nline-formula>
从这些情节,我们看到以下结果:
样本量估计往往是稳定的<我t一个lic> n我t一个lic>增加
估计为了衰减到零<我t一个lic> n我t一个lic>增加
绝对偏差减小<我t一个lic> n我t一个lic>增加
随着样本容量<我t一个lic> n我t一个lic>增加,估计偏差减少
通过给出的数值结果的情节揭示毫升的一致性属性。
年代ec><年代ec id="sec5">精算科学机构的最重要的任务之一是评估暴露在市场风险的工具组合,这源于潜在的变量如股票价格的变化,利率或汇率。在本节中,我们计算VaR和TVaR拟议中的分布。
<年代ec我d="sec5.1">在精算科学的背景下,测量广泛使用VaR从业者作为标准金融市场风险。它也被称为分位数风险测量或分位数溢价原则。指定的VaR总是与一个给定的置信度,说<我nline-formula>
另一个重要的措施是TVaR,也称为条件尾期望(CTE)或尾条件期望(TCE),可以采用量化损失的期望值,因为事件发生外给定概率水平。让<我t一个lic>
X我t一个lic>按照提出的家庭;然后TVaR<我t一个lic>
X我t一个lic>被定义为
使用(
在本节中,我们提供了一个数值研究传统风险措施的两个参数威布尔和ETX-Weibull模型不同的参数。流程描述如下:
随机样本的大小<我t一个lic> n我t一个lic>= 150产生的威布尔和ETX-Weibull模型和参数通过最大似然估计方法
1000年重复计算VaR和TVaR分布
模型具有更高的风险值的措施(VaR和TVaR)据说重尾巴。仿真结果表中提供
仿真结果的VaR和TVaR ETX-Weibull和威布尔分布<我t一个lic> n我t一个lic>= 150。
仿真结果的VaR和TVaR ETX-Weibull和威布尔分布<我t一个lic> n我t一个lic>= 150。
情节的VaR和TVaR ETX-Weibull和威布尔分布。
情节的VaR和TVaR ETX-Weibull和威布尔分布。
支持表
gydF4y2Ba支持表
在本节中,我们说明了ETX-Weibull模型通过分析汽车保险索赔数据显示该方法在实践中是如何工作的。此外,我们计算的实际措施威布尔和ETX-Weibull分布使用真实的数据集。
<年代ec我d="sec6.1">在本节中,我们说明了该模型通过分析重尾分布的数据集表示汽车保险索赔数据。可以找到的数据集
凯文地理分布:
BX-II地理分布:
对数正态分布分布:
伽马分布:
W-Claim地理分布:
MW地理分布:
NWBX-II地理分布:
决定对提议之间的拟合优度和其他竞争的分布,我们认为某些分析的措施。这些措施包括Akaike信息准则(AIC),贝叶斯信息准则(BIC) Hannan-Quinn信息准则(HQIC),和一致的Akaike信息准则(CAIC)。这些措施有如下。
另类投资会议是由
BIC是由
HQIC是由
中安集团经贸是由
估计的参数值与标准错误(括号)的分布。
估计的参数值与标准错误(括号)的分布。
从表
安装pdf和cdf ETX-Weibull分布的汽车保险索赔数据集。
kaplan meier生存的情节ETX-Weibull分布和汽车保险索赔数据集的箱线图。
在本节中,我们计算VaR和TVaR ETX-Weibull和威布尔分布的措施使用的参数的估计价值在子数据集分析
估计的参数值与标准错误(括号)的分布。
我们前面提到的,更高的风险评估值的分布是说拥有更重的尾巴。VaR的计算结果和提供的TVaR威布尔和ETX-Weibull分布表
在本文中,一个新的重尾分布的家庭的分布提出了要求。为了说明这个观点,一个特殊的模型,提出家庭被认为是叫ETX-Weibull分布。ETX-Weibull模型非常灵活的建模重尾分布数据。提出了家族的一些数学性质推导,和模型参数的最大似然估计。提出了一种综合模拟研究探索这些估计的行为。精算ETX-Weibull模型的措施也计算,并进行了模拟研究显示该方法的有效性在精算科学。保险精算的措施的仿真研究表明,该模型具有更重的尾巴。最后,一个汽车保险索赔数据集进行分析,该模型的比较与其他著名的竞争对手。应用程序显示ETX-Weibull保险可能是一个好的候选建模重尾分布的数据集。
年代ec>在下面的R-code,用于<我nline-formula>
情节(n (matriz_par[1]),类型=“o”,上校=“绿色”,lty = 1, lwd = 2, xlab =“n”,
行(n (matriz_par[2]),坳=“蓝色”,lty = 5, lwd = 2,类型=“o”)
行(n (matriz_par[3]),坳=“红色”,lty = 8, lwd = 2,类型=“o”)
传说》(700,2.8,传说= c(表达式(粘贴(α,“=”,“0.9”)),
这工作主要是一个方法论的发展,应用于辅助数据相关的保险,但是,如果需要,将提供数据。
年代ec><年代ec>本文起草博士工作的第一作者(Zubair Ahmad)。
年代ec><年代ec sec-type="COI-statement">作者宣称没有利益冲突。
年代ec>