克里斯蒂安·乔恩;塔米诺·梅霍夫;佐兰·尼科利奇 神经网络在内部模型数据上满足最小二乘蒙特卡罗。 （英语） Zbl 1520.91332号 欧洲实际值。J。 13，第1号，399-425（2023）. 摘要：2020年8月，我们发布了“三个投资组合的综合内部模型数据”，作为我们为德国精算协会“精算数据科学”委员会工作的成果。数据集包括用于寿险和健康保险公司代理建模的现实现金流模型输出。利用这些数据，我们实现了迄今为止最有希望的代理建模模型，该模型由前馈神经网络集成组成，并将结果与最小二乘蒙特卡罗（LSMC）多项式回归。据我们所知，到目前为止，后者代表了保险公司有效使用的最准确的代理功能。本出版物的另一个目标是更准确地描述“三个投资组合的综合内部模型数据”，以供其他有兴趣开发偿付能力资本要求代理模型。 理学硕士： 91G05号 精算数学 68T07型 人工神经网络与深度学习 关键词：最小二乘蒙特卡罗;神经网络;偿付能力II;代理建模;保险风险管理;现金流量预测模型;风险中性估值;机器学习 软件：TensorFlow公司;github PDF格式BibTeX公司 XML格式引用 \textit{C.Jonen}等人，《欧洲法案》。J.13，No.1，399--425（2023；Zbl 1520.91332） 全文： 内政部 OA许可证 参考文献： [1] 安德森，L。；Broadie，M.，多维美式期权定价的一种原始-对偶模拟算法，《管理科学》，50，9，1222-1234（2004）·doi:10.1287/mnsc.1040.0258 [2] Bauer，D。；Ha，H.，《资本要求计算的最小二乘蒙特卡罗方法》（2015年），慕尼黑：世界风险与保险经济大会 [3] Bettels，C。；法布雷加，J。；Weiß，C.，Anwendung von最小二乘蒙特卡罗（LSMC）im Solvency-II-Kontext-Teil 1，Der Aktuar，285-91（2014） [4] 《英国精算杂志》（2018）数据科学对精算行业的未来意味着什么：伦敦讨论摘要。英国演员J 23:E16。doi:10.1017/S1357321718000053 [5] Castellani G、Fiore U、Marino Z、Passalacqua L、Perla F、Scognamiglio S、Zanetti P（2021）精算不确定性下嵌套仿真中的机器学习。数学统计方法实际科学金融 [6] Cheridito P，Ery J，Wüthrich MV（2020）《利用神经网络评估资产负债风险》。风险8（1）。doi:10.3390/风险810016。https://www.mdpi.com/2227-9091/8/16 [7] Efron B，Hastie T（2016）《计算机年龄统计推断》，第1版。剑桥大学出版社，剑桥。doi:10.1017/CBO9781316576533·Zbl 1377.62004号 [8] 欧洲议会，欧洲理事会（2009）关于保险和再保险业务开展和经营的指令2009/138/EC（Solvency II）。指令，第112-127条 [9] Fernandez-Arjona，L.，《人寿保险偿付能力计算的神经网络模型》，《科学年鉴》，第15、2、259-275页（2021年）·doi:10.1017/S1748499520000330 [10] Geron A（2019）《使用Scikit-lean、Keras和TensorFlows进行机器实践学习》，第2版。奥莱利 [11] Glasserman，P.，金融工程中的蒙特卡罗方法（2004），柏林：施普林格，柏林·Zbl 1038.91045号 [12] Golub，G。；van Loan，C.，《矩阵计算》（1996），巴尔的摩：约翰霍普金斯大学出版社，巴尔的摩尔·Zbl 0865.65009号 [13] Goodfellow I，Bengio Y，Courville A（2016）深度学习。麻省理工学院出版社。http://www.deeplearningbook.org ·Zbl 1373.68009号 [14] 南非赫贾齐；KR Jackson，通过神经网络方法对偿付能力资本要求进行有效评估，《计算应用数学杂志》，313427-439（2017）·Zbl 1410.91268号 ·doi:10.1016/j.cam.2016.10.005 [15] Jonen C，Meyhöfer T，NikolićZ（2020）三个投资组合的综合内部模型数据。https://github.com/DeutscheAktuarvereinigung/insurance_scr_data [16] Kopczyk D（2018）《使用机器学习算法的寿险公司代理建模》，工作文件。https://ssrn.com/abstract=3396481 [17] Koursaris A（2011）负债代理建模和资本计算的最小二乘蒙特卡罗方法。技术说明Barrie+Hibbert。https://www.yumpu.com/en/document/view/5250852/a-least-squares-monte-carlo-approach-to-liability-barrie-hibert [18] Krah AS，NikolićZ，Korn R（2018）人寿保险代理建模的最小二乘蒙特卡罗方法。风险6（2）。doi:10.3390/risks6020062 [19] Krah AS、NikolićZ、Korn R（2020）《人寿保险代理建模的最小二乘蒙特卡罗：神经网络》。风险8（4）。doi:10.3390/risks8040116 [20] Krah AS、NikolićZ、Korn R（2020）人寿保险公司最小二乘蒙特卡罗代理建模中的机器学习。风险8（1）。doi:10.3390/risks8010021 [21] Longstaff，FA；Schwartz，ES，《通过模拟评估美国期权：一种简单的最小二乘法》，Rev Financ Stud，14，1，113-147（2001）·Zbl 1386.91144号 ·doi:10.1093/rfs/14.1.113 [22] Nikolić，Z。；乔恩，C。；Zhu，C.，LSMC代理建模中的稳健回归技术，Der Aktuar，1,8-16（2017） [23] Prajit Ramachandran QVL Barret Zoph（2017）TensorFlow：异构系统上的大规模机器学习。https://arxiv.org/pdf/1710.05941v1.pdf [24] Towards Data Science Inc（2021）《迈向数据科学》。https://towardsdatascience.com/ 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。