×
Gweon、Hyukjun；李、舒

批量模式主动学习框架及其在大型可变年金投资组合估值中的应用。 （英语） Zbl 1467.91141号

保险。数学。经济。 99, 105-115 (2021).
总结：在实践中，对大量可变年金合同的估价依赖于蒙特卡洛模拟，这是一种计算量很大的模拟。为了建立更有效的估价过程，在数据挖掘框架中使用了统计模型，该框架由两个后续阶段组成：数据采样阶段用于创建一组代表性合同，回归建模阶段用于预测投资组合中的剩余合同。在本文中，我们使用了一个新的基于主动学习的数据挖掘框架，在该框架中，我们通过选择信息量最大的代表来高效地迭代更新回归模型。我们的度量考虑了预测的模糊性和多样性，这使得我们能够提出两种适合于该主动学习框架的方法。实验结果表明，相对于随机抽样和两阶段数据挖掘框架，所提出的主动学习方法是有效的。

引用于1文件

MSC公司：

91克05 精算数学
68T05型 人工智能中的学习和自适应系统

关键词：

可变年金；机器学习；主动学习；批处理模式；袋装树木

软件：

拉丁超立方体采样；阿达·布斯特。MH公司
PDF格式BibTeX公司 XML格式引用
\textit{H.Gweon}和\textit{S.Li}，保险。数学。经济。99105-115（2021年；兹bl 1467.91141）
全文： 内政部

参考文献：

[1] Abe，N.，Mamitsuka，H.，1998年。使用boosting和bagging查询学习策略。摘自：第十五届国际机器学习会议（ICML）会议记录。第1-9页。
[2] Bacinello，A.R。；米洛索维奇，P。；Olivieri，A。；Pitacco，E.，《可变年金：统一估值方法》，保险数学。经济。，49, 3, 285-297 (2011)
[3] Barton，R.R.，《教程：仿真元建模》，（2015年冬季仿真会议（WSC）（2015）），1765-1779
[4] Bauer，D。；Kling，A。；Russ，J.，《可变年金中保证最低福利的通用定价框架》，Astin Bull。，38, 2, 621-651 (2008) ·Zbl 1274.91399号
[5] Breiman，L.，《分类和回归树》（1984），Taylor&Francis，LLC：Taylor and Francis有限责任公司，佛罗里达州博卡拉顿·Zbl 0541.62042号
[6] Breiman，L.，装袋预测，马赫数。学习。，24123-140（1996年）·Zbl 0858.68080号
[7] Cai，W.，Zhang，Y.，Zhou，J.，2013年。最大化回归中主动学习的预期模型变化。摘自：第13届数据挖掘国际会议论文集。美国德克萨斯州，第51-60页。
[8] 科恩，D。；阿特拉斯，L。；Ladner，R.，通过主动学习提高泛化能力，马赫。学习。，15, 2, 201-221 (1994)
[9] 科恩，D.A。；加赫拉马尼，Z。；Jordan，M.I.，《利用统计模型进行主动学习》，《人工智能研究杂志》，4，1，129-145（1996）·Zbl 0900.68366号
[10] Efron，B.，Jackknife-after bootstrap标准错误和影响函数，J.R.Stat.Soc.Ser。B统计方法。，54, 1, 83-127 (1992) ·Zbl 0782.62051号
[11] 弗伦德，Y。；Schapire，R.E.，《在线学习的决策理论推广及其在助推中的应用》，J.Compute。系统科学。，55，119-139（1997年）·Zbl 0880.68103号
[12] Gan，G.，数据聚类和机器学习在可变年金估值中的应用，保险数学。经济。，53, 3, 795-801 (2013) ·Zbl 1290.91086号
[13] 甘·G。；Huang，J.X.，用于评估可变年金大型投资组合的数据挖掘框架，（第23届ACM SIGKDD知识发现和数据挖掘国际会议论文集（2017），ACM:ACM纽约，纽约，美国），1467-1475
[14] 甘·G。；权，Z。；Valdez，E.A.，《可变年金估值的机器学习技术》（2018年第四届大数据和信息分析国际会议（BigDIA）（2018）），1-6
[15] 甘·G。；Valdez，E.A.，《对大型可变年金投资组合估值的一些实验设计的实证比较》，Depend。型号。，4, 1, 382-400 (2016) ·兹比尔1382.91046
[16] 甘·G。；Valdez，E.A.，《大型可变年金投资组合的估值：蒙特卡洛模拟和合成数据集》，Depend。型号。，5, 1, 354-374 (2017) ·Zbl 1390.91320号
[17] 甘·G。；Valdez，E.A.，《大型可变年金投资组合估值的回归建模》，《北美精算师》。J.，22，1，40-54（2018）·Zbl 1393.91099号
[18] 甘·G。；Valdez，E.A.，《精算应用数据聚类》，《北美精算师》。J.，1-19（2019）
[19] Gower，J.C.，《一般相似系数及其某些特性》，《生物计量学》，27，4，857-871（1971）
[20] Gweon，H。；李，S。；Mamon，R.，《评估大型可变年金投资组合的有效偏差修正装袋法》，Astin Bull。，50, 3, 853-871 (2020) ·兹比尔1454.91189
[21] Hardy，M.，《投资担保：股票挂钩人寿保险的建模和风险管理》（2003），John Wiley&Sons，Inc.：John Willey&Sons公司，Hoboken，新泽西州·Zbl 1092.91042号
[22] 海，S.C.H。；金·R。；Lyu，M.R.，通过批处理模式主动学习进行大尺度文本分类，（第十五届万维网国际会议论文集（2006），ACM：美国纽约州纽约市ACM），633-642
[23] Krogh，A。；Vedelsby，J.，《神经网络集成、交叉验证和主动学习》，（神经信息处理系统进展（1995），麻省理工学院出版社），231-238
[24] 莱德利，M.C。；科里，D.P。；芬克尔斯坦，G.S。；Ritchie，A.J。；苏凯。；Wilson，D.C.E.，可变年金，英国精算师。J.，14，2，327-389（2008）
[25] 刘易斯，D.D。；Gale，W.A.，《训练文本分类器的序列算法》，（第17届国际ACM SIGIR信息检索研究与开发会议论文集（1994年），伦敦斯普林格出版社：伦敦斯普林格出版社），3-12
[26] Lin，X.S。；Yang，S.，《大型可变年金投资组合的快速高效嵌套模拟：代理建模方法》，《保险数学》。经济。，91, 85-103 (2020) ·Zbl 1435.91158号
[27] Liu，Y.，将支持向量机主动学习应用于癌症分类的基因表达数据，J.Chem。Inf.计算。科学。，1936年6月44日至1941年（2004年）
[28] 朗，B。；卞，J。；沙佩尔，O。；Zhang，Y。；Y.，I。；Chang，Y.，通过预期损失优化进行主动学习排名，IEEE Trans。知识。数据工程，27，5，1180-1191（2015）
[29] 米纳斯尼，B。；McBratney，A.B.，在辅助信息存在的情况下进行采样的条件拉丁超立方体方法，Comput。地质科学。，32, 9, 1378-1388 (2006)
[30] 罗伊，N。；McCallum，A.，《通过误差减少的抽样估计实现最佳主动学习》（《第18届机器学习国际会议论文集》（2001），摩根考夫曼出版社：摩根考夫文出版社，美国加利福尼亚州旧金山），441-448
[31] Settles，B.，《主动学习文献调查技术报告》（2010年）
[32] 沉降，B。；Craven，M.，《序列标记任务的主动学习策略分析》，（自然语言处理实证方法会议论文集（2008），计算语言学协会：美国计算语言学协会），1070-1079
[33] Seung，H.S。；奥珀，M。；Sompolinsky，H.，委员会质疑，（第五届计算学习理论年度研讨会论文集（1992年），美国计算机学会：美国纽约州纽约市计算机学会），287-294
[34] 塞克斯顿，J。；Laake，P.，袋装和随机森林估计器的标准误差，计算。统计师。数据分析。，53, 3, 801-811 (2009) ·Zbl 1452.62121号
[35] 唐，S。；Chang，E.，支持向量机主动学习用于图像检索，（第九届ACM多媒体国际会议论文集（2001），ACM:ACM纽约，纽约，美国），107-118
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。