×
乔治·祖加斯；迪米特里斯·卡利斯

一种EM算法，用于拟合一类新的离散度可变的混合指数回归模型。 （英语） 兹比尔1447.91149

阿斯廷公牛。 50，第2期，555-583（2020年）.
摘要：涉及重尾响应分布的回归建模，其尾部比指数分布重，在包括非寿险在内的许多保险环境中越来越流行。混合指数模型可以被视为重尾索赔规模分布的一种自然选择，因为它们的尾部不是指数有界的。本文介绍了一类具有变离散度的混合指数回归模型，该模型可以有效地捕捉损失的尾部行为。我们的主要成就是，我们提出了一种期望最大化（EM）类型的算法，该算法可以帮助我们对一类混合指数模型进行最大似然（ML）估计，该模型允许平均参数和离散参数的回归规范。最后，给出了一个基于汽车保险数据的实际数据应用程序，以说明所提出的EM型算法的通用性。

引用于5文件

MSC公司：

91克05 精算数学
62P05号 统计学在精算学和金融数学中的应用

关键词：

混合指数分布；EM算法；均值和离散度的回归模型；参数；非人寿保险；重大损失

软件：

GAMLSS公司
PDF格式BibTeX公司 XML格式引用
\textit{G.Tzougas}和\textit{D.Karlis}，阿斯汀公牛。50，第2号，555--583（2020；Zbl 1447.91149）
全文： 内政部 链接

参考文献：

[1] Ahn，S.、Kim，J.H.和Ramaswami，V.（2012）金融和保险风险重尾分布的一类新模型。保险：数学与经济学，51（1），43-52·Zbl 1284.60024号
[2] Barreto-Souza，W.和Simas，A.B.（2016）具有不同离散度的一般混合泊松回归模型。统计与计算，26（6），1263-1280·Zbl 1505.62050号
[3] Beirlant，J.、Derveaux，V.、De Meyer，A.M.、Goovaerts，M.J.、Labie，E.和Maenhoudt，B.（1992）适用于（比利时）汽车保险的统计风险评估。保险：数学与经济学，10（4），289-302。
[4] Bhattacharya，S.K.和Kumar，S.（1986）寿命测试中的E-IG模型。加尔各答统计协会公报，35（1-2），85-90·Zbl 0619.62090号
[5] Bladt，M.和Rojas-Nandayapa，L.（2018）将相型尺度混合物拟合到重尾数据和分布。极端，21（2），285-313·Zbl 1396.60017号
[6] Booth，J.G.和Hobert，J.P.（1999）使用自动蒙特卡罗EM算法最大化广义线性混合模型的可能性。英国皇家统计学会杂志：B辑（统计方法），61（1），265-285·Zbl 0917.62058号
[7] Booth，J.G.、Hobert，J.P.和Jank，W.（2001）最大化两阶段层次模型可能性的蒙特卡罗算法调查。统计建模，1（4），333-349·Zbl 1102.62019年
[8] Burnham，K.P.和Anderson，D.R.（2002）《模型选择和多模型推断：实用信息理论方法》。纽约：斯普林格·Zbl 1005.62007号
[9] Calderín-Ojeda，E.、Fergusson，K.和Wu，X.（2017）双Pareto-gnormal广义线性模型的EM算法，适用于重灾保险索赔。风险，5（4），60。
[10] Cole，T.J.和Green，P.J.（1992）《平滑参考百分位数曲线：LMS方法和惩罚可能性》。医学统计学，11（10），1305-1319。
[11] De Jong，P.和Heller，G.Z.（2008）《保险数据的广义线性模型》，第10卷。剑桥：剑桥大学出版社·Zbl 1142.91046号
[12] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977）通过EM算法从不完整数据中获得最大似然。英国皇家统计学会杂志：B辑（统计方法），39（1），1-38·Zbl 0364.62022号
[13] Denuit，M.、Marechal，X.、Pitrebois，S.和Walhin，J.F.（2007）《索赔计数精算模型：风险分类、可信度和奖金-马卢斯系统》。西苏塞克斯郡奇切斯特：约翰·威利父子公司·Zbl 1168.91001号
[14] Dunn，P.K.和Smyth，G.K.（1996）随机分位数残差。计算和图形统计，5（3），236-245。
[15] Embrechts，P.、Klüppelberg，C.和Mikosch，T.（1997）《模拟极端事件》。数学应用，第33卷。柏林，海德堡：斯普林格·弗拉格出版社·Zbl 0873.62116号
[16] Frangos，N.和Vrontos，S.（2001年）汽车保险中基于个人的频率和严重性成分的最佳骨肉系统设计。ASTIN公告，31（1）1-22·Zbl 1035.62108号
[17] Frangos，N.和Karlis，D.（2004）使用指数反高斯分布模拟损失。保险：数学与经济学，35（1），53-67·Zbl 1054.62127号
[18] Frees，E.W.和Valdez，E.A.（2008）《美国统计协会杂志》，103（484），1457-1469·Zbl 1286.62087号
[19] Frees，E.W.、Derrig，R.A.和Meyers，G.（2014a）《精算科学中的预测建模应用》，第1卷。纽约：剑桥大学出版社。
[20] Frees，E.W.、Derrig，R.A.和Meyers，G.（2014b）《精算科学中的预测建模应用》，第2卷。纽约：剑桥大学出版社。
[21] Heller，G.Z.、Stasinopoulos，M.D.、Rigby，R.A.和De Jong，P.（2007）《保单索赔成本的平均值和离散度模型》。斯堪的纳维亚精算杂志，4281-292·Zbl 1164.91030号
[22] Hesselager，O.，Wang，S.和Willmot，G.（1998）指数和标度混合以及平衡分布。斯堪的纳维亚精算杂志，2125-142·兹比尔1076.62559
[23] Hürlimann，W.（2014）帕累托型分布和超额损失再保险。国际应用科学研究与评论杂志，18（3），1。
[24] Jones，B.L.和Zitikis，R.（2003）风险度量和相关数量的经验估计。《北美精算杂志》，7（4），44-54·Zbl 1084.62537号
[25] （1982）广义逆高斯分布的统计性质。统计学讲义，第9卷。纽约：斯普林格-弗拉格出版社·兹比尔04866.222
[26] Karlis，D.（2001）混合泊松回归模型中最大似然估计的通用EM方法。统计建模，1（4），305-318·Zbl 1104.62018年
[27] Karlis，D.（2005）混合泊松分布和其他离散分布的EM算法。ASTIN公报，35（1），3-24·Zbl 1100.62026号
[28] Kleiber，C.和Kotz，S.（2003）《经济学和精算科学中的统计规模分布》。新泽西州霍博肯：约翰·威利父子公司·Zbl 1044.62014年
[29] Klein，N.、Denuit，M.、Lang，S.和Kneib，T.（2014），使用贝叶斯广义加性模型对位置、规模和形状进行非寿险费率制定和风险管理。保险：数学与经济学，55，225-249·Zbl 1296.62089号
[30] Klugman，S.、Panjer，H.和Willmot，G.（2012）损失模型：从数据到决策，第715卷。纽约：约翰·威利父子公司·Zbl 1272.62002号
[31] Louis，T.A.（1982）使用EM算法时发现观测信息矩阵。英国皇家统计学会杂志：B辑（统计方法），44，226-233·Zbl 0488.62018号
[32] Mclachlan，G.和Krishnan，T.（2007）《EM算法和扩展》，第382卷。新泽西州霍博肯：约翰·威利父子公司·Zbl 1165.62019号
[33] Mencía，J.和Sentana，E.（2005）利用广义双曲线创新估计和测试动态模型。CEPR讨论文件，第5177号。
[34] Raftery，A.E.（1995）社会研究中的贝叶斯模型选择。社会学方法，25111-163。
[35] Ramirez-Cobo，P.、Lillo，R.E.、Wilson，S.和Wiper，M.P.（2010）双Pareto对数正态队列的贝叶斯推断。应用统计年鉴，4（3），1533-1557·Zbl 1202.62041号
[36] Rigby，R.A.和Stasinopoulos，D.M.（1996a）方差异质性的半参数加性模型。统计与计算，6（1），57-65。
[37] Rigby，R.A.和Stasinopoulos，D.M.（1996b），平均值和弥散加性模型。《统计理论与平滑计算方面》（编辑：Härdle，W.和Schimek，M.G.，第215-230页）。海德堡：物理。
[38] Rigby，R.A.和Stasinopoulos，D.M.（2005）位置、规模和形状的广义加性模型。英国皇家统计学会杂志：C辑（应用统计学），54（3），507-554·Zbl 1490.62201号
[39] Stasinopoulos，D.M.，Rigby，B.和Akantziliotou，C.（2008）《关于如何使用R中的Gamls包的说明》，第2版。http://www.gamlss.org。 ·Zbl 1231.62019年
[40] Rosenberg，M.A.、Frees，E.W.、Sun，J.、Johnson，P.H.和Robinson，J.M.（2007）《纵向数据预测建模：威斯康星州疗养院北美精算杂志》的案例研究，11（3），54-69·Zbl 1480.91239号
[41] Seshadri，V.（2012）《逆高斯分布：统计理论与应用》，第137卷。纽约：Springer科学与商业媒体。
[42] Stasinopoulos，M.D.、Rigby，R.A.、Heller，G.Z.、Voudouris，V.和De Bastiani，F.（2017）《灵活回归与平滑：在佛罗里达州使用GAMLSS》：Chapman和Hall/CRC。
[43] Tzougas，G.、Vrontos，S.和Frangos，N.（2014）使用有限混合模型的最佳骨-骨髓系统。ASTIN公告，44（2），417-444·Zbl 1288.91120号
[44] Tzougas，G.、Vrontos，S.和Frangos，N.（2018）由不同参数族产生的双组分混合模型的Bonus-malus系统。《北美精算杂志》，22（1），55-91·Zbl 1393.62048号
[45] Tzougas，G.，Yik，W.H.和Mustaqeem，M.W.（2019）使用指数对数正态回归模型的保险费率制定。精算科学年鉴，1-30。doi:doi:10.1017/S1748499519000034。
[46] Wills，M.、Valdez，E.和Frees，E.（2006）GB2回归与保险索赔严重程度。2008年新南威尔士大学精算研究研讨会会议论文，澳大利亚新南威尔士州悉尼。
[47] Wang，S.（1998）右尾风险精算指数。《北美精算杂志》，2（2），88-101·Zbl 1081.62570号
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。