甘国军;埃米利亚诺·瓦尔迪兹。 大型可变年金投资组合估值的一些实验设计的实证比较。 (英语) Zbl 1382.91046号 依赖。模型。 4, 382-400 (2016). 摘要:可变年金包含复杂的担保,其公平市场价值无法以封闭形式计算。为了对担保进行估值,保险公司严重依赖蒙特卡洛模拟,这对可变年金保单的大型投资组合来说计算要求极高。元建模方法被提出来解决这些计算问题。元建模方法的一个重要步骤是进行实验设计,选择少量具有代表性的可变年金政策来构建元模型。在本文中,我们对GB2回归模型的几种多元实验设计方法进行了实证比较,该模型最近被发现是一个很有吸引力的模型,用于估计可变年金担保的公平市场价值。在所检查的实验设计方法中,我们发现数据聚类方法和条件拉丁超立方体抽样方法产生了最准确的结果。 引用于11文件 MSC公司: 91立方厘米30 风险理论,保险(MSC2010) 62P05号 统计学在精算学和金融数学中的应用 关键词:可变年金;投资组合估值;元建模;第二类广义β(GB2);多元实验设计;数据聚类;拉丁超立方体 软件:拉丁超立方体采样;氯氢化物 PDF格式BibTeX公司 XML格式引用 \textit{G.Gan}和\textit{E.A.Valdez},依赖。模型。4382--400(2016年;Zbl 1382.91046) 全文: 内政部 参考文献: [1] [1] Barton,R.R.(2015)。教程:仿真元建模。《2015年冬季模拟会议记录》,第1765-1779页。; [2] Box,G.E.P.和N.R.Draper(2007年)。响应面、混合物和岭分析。第二版。新泽西州霍博肯市威利·Zbl 1267.62006年 [3] Cathcart,M.J.、H.Y.Lok、A.J.McNeil和S.Morrison(2015)。使用蒙特卡罗模拟计算可变年金负债“希腊”。阿斯廷公牛。45(2), 239-266.; ·Zbl 1390.91332号 [4] Crombecq,K.、E.Laermans和T.Dhaene(2011年)。用于基于仿真的建模的高效空间填充和非折叠顺序设计策略。欧洲药典。第214(3)号决议,683-696。; [5] Cummins,J.、G.Dionne、J.B.McDonald和B.Pritchett(1990年)。GB2分布族在保险损失过程建模中的应用。保险数学。经济。9(4), 257-272.; [6] de Jong,P.和G.Z.Heller(2008)。保险数据的广义线性模型。剑桥大学出版社·Zbl 1142.91046号 [7] Frees,E.W.(2009)。精算和金融应用回归建模。剑桥大学出版社·Zbl 1284.62010年 [8] Friedman,L.W.(1996)。仿真元模型。Kluwer学术出版社,马萨诸塞州诺威尔。; [9] Gan,G.(2011年)。C++中的数据聚类:一种面向对象的方法。查普曼和霍尔/CRC,佛罗里达州博卡拉顿·Zbl 1221.68002号 [10] Gan,G.(2013)。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.; ·Zbl 1290.91086号 [11] Gan,G.(2015年a)。元建模在大型可变年金投资组合估值中的应用。《冬季模拟会议记录》,第1103-1114页。; [12] Gan,G.(2015年b)。可变年金估值的多资产蒙特卡罗模拟模型。《冬季模拟会议记录》,第3162-3163页。; [13] Gan,G.,Q.Lan和C.Ma(2016年)。通过截断模糊c均值进行可扩展聚类。BigDIA 1(2/3),247-259。; [14] Gan,G.和X.S.Lin(2015年)。嵌套模拟下大型可变年金投资组合的估值:功能数据方法。保险数学。经济。62, 138-150.; ·Zbl 1318.91112号 [15] Gan,G.和X.S.Lin(2016年)。用于动态对冲的可变年金投资组合的希腊有效计算:两级元建模方法。北美法案。J.,出版中·Zbl 1414.91188号 [16] Gan,G.和E.A.Valdez(2016年7月)。大型可变年金投资组合估值的回归建模。可在http://dx.doi.org/10.2139/ssrn.280088。; ·Zbl 1382.91046号 [17] Hejazi,S.A.和K.R.Jackson(2016年)。一种有效评估大型可变年金投资组合的神经网络方法。保险数学。经济。70, 169-181.; ·Zbl 1371.91092号 [18] Khuri、A.I.、B.Mukherjee、B.K.Sinha和M.Ghosh(2006年)。广义线性模型的设计问题:综述。统计科学。21(3), 376-399.; ·Zbl 1246.62168号 [19] Kleiber,C.和S.Kotz(2003年)。经济学和精算学中的统计规模分布。新泽西州霍博肯威利·兹比尔1044.6 2014 [20] Kleijnen、J.P.C.、S.M.Sanchez、T.W.Lucas和T.M.Cioppa(2005年)。最新评论:用户指南,了解设计模拟实验的全新世界。公司信息J。17(3), 263-289.; ·Zbl 1239.62092号 [21] Ledlie,M.C.、D.P.Corry、G.S.Finkelstein、A.J.Ritchie、K.Su和D.C.E.Wilson(2008)。可变年金。英国。精算师。《期刊》第14卷第(2)期,第327-389页。; [22] Loeppky、J.L.、J.Sacks和W.J.Welch(2009年)。选择计算机实验的样本量:实用指南。技术计量学51(4),366-376。; [23] McCullagh,P.和J.A.Nelder(1989年)。广义线性模型。第二版。查普曼和霍尔/CRC,佛罗里达州博卡拉顿·Zbl 0744.62098号 [24] McKay,B.和I.Wanless(2008年)。小型拉丁超立方的人口普查。SIAM J.离散数学。22(2),719-736·Zbl 1167.05302号 [25] Minasny,B.和A.B.McBratney(2006年)。在有辅助信息的情况下进行采样的条件拉丁超立方体方法。公司和地理位置。32(9), 1378 - 1388.; [26] Myers,R.H.(1999,01)。响应面方法——现状和未来方向。J.资格。技术31(1),30-44。; [27] Myers,R.H.、D.C.Montgomery和C.M.Anderson-Cook(2009年)。响应面方法:使用设计实验优化工艺和产品。第三版。新泽西州霍博肯威利·Zbl 1269.62066号 [28] Olivieri,A.和E.Pitaco(2015)。保险数学导论:风险转移的技术和财务特征。第二版。纽约州施普林格·Zbl 1325.91003号 [29] Phillips,P.(2012)。利用高性能计算实现可变年金的经验教训。在伊利诺伊州芝加哥举行的股票保险担保会议上。; [30] Risk,J.和M.Ludkovski(2016)。用于定价和对冲长寿风险产品的统计模拟器。保险数学。经济。68, 45-60.; ·兹比尔1369.91095 [31] Roudier,P.(2011年)。clhs:条件拉丁超立方体采样的R包。; [32] Ryan,T.P.(2007)。现代实验设计。新泽西州霍博肯威利·Zbl 1119.62074号 [33] 《日内瓦协会报告》(2013年)。可变年金——金融稳定性分析。可在https://www.网址。genevaassociation.org/media/618236/ga2013-variable_annuities.pdf。; [34] Viana,F.(2013)。关于拉丁超立方体设计,你想知道但又不敢问的事情。第十届结构和多学科优化世界大会,佛罗里达州奥兰多。; 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。