×
马廷凤;蔡一舟;石鹏;朱军

用于分析大型保险索赔数据的层次相关性建模。 （英语） Zbl 07832615号

附录申请。斯达。 18，编号2，1404-1420（2024）.
摘要：与气候变化相关的极端天气事件造成了重大破坏。尤其是，近十年来，冰雹风暴破坏了美国数以百万计的财产，每年造成数十亿美元的保险损失。为了方便保险公司的保险索赔管理操作，我们构建了一个层次依赖模型，该模型考虑了利益结果内部和之间的复杂依赖关系，包括索赔倾向、索赔报告时间和索赔金额。通过边际模型，如广义线性模型和生存分析模型，将特定于暴雨和特定于财产的特征结合起来。冰雹事件内部的相关性由空间因子copula捕获，而不同结果之间的相关性由二元copula捕捉。对于参数估计，我们开发了一个两步程序，首先最大化边缘似然函数，然后最大化两两似然，这确保了大数据的计算可行性。我们应用该建模框架分析了2011年至2015年科罗拉多州冰雹风暴的大型数据集，该数据集影响了数十万受保财产，并证明了我们提出的方法可以提高预测性能。

MSC公司：

62件 统计学的应用

关键词：

复合似然;连接线;非高斯数据;非平稳过程;复制的数据;两步估计
PDF格式BibTeX公司 XML格式引用
\textit{T.F.Ma}等人，Ann.Appl。Stat.18，No.2，1404--1420（2024；Zbl 07832615）
全文： 内政部

参考文献：

[1] ALLEN，J.T.、GIAMMANCO，I.M.、KUMJIAN，M.R.、JURGEN PUNGE，H.、ZHANG，Q.、GROENEMEIJER，P.、KUNZ，M.和ORTEGA，K.（2020年）。了解地球系统中的冰雹。地球物理学评论。58 e2019RG000665。数字对象标识符：10.1029/2019RG000665谷歌学者：查找链接·doi:10.1029/2019RG000665
[2] BAI，Y.、KANG，J.和SONG，P.X.-K.（2014）。空间聚类数据的有效成对复合似然估计。生物计量学70 661-670. 数字对象标识符：10.1111/biom.12199谷歌学者：查找链接MathSciNet:MR3261785·Zbl 1299.62048号 ·doi:10.1111/biom.12199
[3] BAI，Y.、SONG，P.X.-K.和RAGHUNATHAN，T.E.（2012）。时空模型中的联合复合估计函数。J.R.统计社会服务。B.统计方法。74 799-824. 数字对象标识符：10.1111/j.1467-9868.2012.01035.x谷歌学者：查找链接数学科学网：MR2988907·Zbl 1411.62271号 ·文件编号：10.1111/j.1467-9868.2012.01035.x
[4] BEVILACQUA，M.、GAETAN，C.、MATEU，J.和PORCU，E.（2012年）。估计大数据集的空间和时空协方差函数：加权复合似然方法。J.Amer。统计师。协会107 268-280。数字对象标识符：10.1080/01621459.2011.646928谷歌学者：查找链接数学科学网：MR2949358·Zbl 1261.62088号 ·doi:10.1080/01621459.2011.646928
[5] CRESSIE，N.和WIKLE，C.K.（2011年）。时空数据统计。概率与统计学中的威利级数。新泽西州霍博肯威利。数学科学网：MR2848400·Zbl 1273.62017年
[6] Cressie，N.A.C.（1993年）。空间数据统计。概率与数理统计威利级数：应用概率与统计学。纽约威利出版社，1991年版的修订再版，威利国际科学出版物。数字对象标识符：10.1002/97811191151谷歌学者：查找链接数学科学网：MR1239641·兹比尔1347.62005 ·doi:10.1002/97811191151
[7] GAO，L.和SHI，P.（2022）。利用高分辨率天气信息预测冰雹损失索赔：复制点模式的空间点过程。保险数学。经济。107 161-179. 数字对象标识符：10.1016/j.insmatheco.2022.08.006谷歌学者：查找链接数学科学网：MR4477473·Zbl 1511.91115号 ·doi:10.1016/j.insmatheco.2022.08.006
[8] GAO，X.和SONG，P.X.-K.（2010）。高维数据中模型选择的复合似然贝叶斯信息准则。J.Amer。统计师。协会105 1531-1540。数字对象标识符：10.1198/jasa.2010.tm09414谷歌学者：查找链接数学科学网：MR2796569·Zbl 1388.62034号 ·doi:10.1198/jasa.2010.tm09414
[9] Genz，A.和Bretz，F.（2009年）。多元正态概率和t概率的计算。统计学课堂讲稿195。施普林格，多德雷赫特。数字对象标识符：10.1007/978-3-642-01689-9谷歌学者：查找链接数学科学网：MR2840595·Zbl 1204.62088号 ·doi:10.1007/978-3-642-01689-9
[10] Gneiting，T.和Raftery，A.E.（2007年）。严格正确的评分规则、预测和评估。J.Amer。统计师。协会102 359-378。数字对象标识符：10.1198/01621450000001437谷歌学者：查找链接数学科学网：MR2345548·Zbl 1284.62093号 ·doi:10.1198/0162145000001437
[11] HANSEN，B.E.和LEE，S.（2019年）。聚类样本的渐近理论。计量经济学杂志210 268-290。数字对象标识符：10.1016/j.jeconom.2019.02.001谷歌学者：查找链接数学科学网：MR3958406·Zbl 1452.62915号 ·doi:10.1016/j.jeconom.2019.02.001
[12] JOE，H.（2005）。基于连接函数模型的两阶段估计方法的渐近效率。《多元分析杂志》。94 401-419. 数字对象标识符：10.1016/j.jmva.2004.06.003谷歌学者：查找链接数学科学网：MR2167922·兹比尔1066.62061 ·doi:10.1016/j.jmva.2004.06.003
[13] KO，V.和HJORT，N.L.（2019）。基于两阶段最大似然估计的模型鲁棒推理。《多元分析杂志》。171 362-381. 数字对象标识符：10.1016/j.jmva.2019.01.004谷歌学者：查找链接数学科学网：MR3907859·Zbl 1417.62130号 ·doi:10.1016/j.jmva.2019.01.004
[14] KRUPSKII，P.、HUSER，R.和GENTON，M.G.（2018年）。复制空间数据的因子copula模型。J.Amer。统计师。协会113 467-479。数字对象标识符：10.1080/01621459.2016.1261712谷歌学者：查找链接数学科学网：MR3803479·Zbl 1398.62256号 ·doi:10.1080/01621459.2016.1261712
[15] LINDSAY，B.G.，YI，G.Y.和SUN，J.（2011）。复合可能性选择中的问题和策略。统计师。Sinica中国21 71-105。数学科学网：MR2796854·Zbl 1400.62049号
[16] 马铁峰、蔡毅、石鹏、朱洁（2024）。补充“用于分析大型保险索赔数据的层次相关性建模”https://doi.org/10.1214/23-AOAS1840SUPA网站, https://doi.org/10.1214/23-AOAS1840SUPPB
[17] MA，T.F.和YAU，C.Y.（2016）。一种基于两两相似的方法，用于多元时间序列模型中的变化点检测。生物特征103 409-421. 数字对象标识符：10.1093/biomet/asw002谷歌学者：查找链接数学科学网：MR3509895·Zbl 1499.62314号 ·doi:10.1093/biomet/asw002
[18] NG，C.T.和JOE，H.（2014）。模型与复合似然信息准则的比较。伯努利20 1738-1764. 数字对象标识符：10.3150/13-BEJ539谷歌学者：查找链接数学科学网：MR3263088·Zbl 1357.62086号 ·doi:10.3150/13-BEJ539
[19] RAUPACH，T.H.、MARTIUS，O.、ALLEN，J.T.、KUNZ，M.、LASHER-TRAPP，S.、MOHR，S.，RASMUSSEN，K.L.、TRAPP，R.J.和ZHANG，Q.（2021）。气候变化对冰雹的影响。地球环境自然资源部。2 213-226. 数字对象标识符：10.1038/s43017-020-00133-9谷歌学者：查找链接·doi:10.1038/s43017-020-00133-9
[20] Shao，J.和Tu，D.S.（1995年）。Jackknife和Bootstrap。统计学中的斯普林格系列。纽约州施普林格。数字对象标识符：10.1007/978-1-4612-0795-5谷歌学者：查找链接数学科学网：MR1351010·Zbl 0947.62501号 ·doi:10.1007/978-1-4612-0795-5
[21] SHI，P.、FUNG，G.M.和DICKINSON，D.（2022）。使用相关标记点过程评估财产保险公司的冰雹风险。J.罗伊。统计师。Soc.序列号。甲185 302-328。数字对象标识符：10.1111/rssa.12754谷歌学者：查找链接数学科学网：MR4384307·doi:10.1111/rssa.12754
[22] SHI，P.和SHI，K.（2017年）。使用空间相关频率-可靠性模型进行区域风险分类。阿斯汀公牛。47 437-465. 数字对象标识符：10.1017/asb.2017.7谷歌学者：查找链接数学科学网：MR3654418·Zbl 1390.62221号 ·doi:10.1017/asb.2017.7
[23] Varin，C.、Reid，N.和Firth，D.（2011年）。复合似然方法概述。统计师。Sinica中国21 5-42。数学科学网：MR2796852·Zbl 05849508号
[24] VARIN，C.和VIDONI，P.（2005）。关于复合似然推理和模型选择的一个注记。生物特征92 519-528. 数字对象标识符：10.1093/biomet/92.3.519谷歌学者：查找链接数学科学网：MR2202643·Zbl 1183.62037号 ·doi:10.1093/biomet/92.3519
[25] VERISK（2021）。了解不断演变的冰雹风险Verisk冰雹报告1-13。
[26] WANG，P.、MA，T.F.、BANDYOPADHYAY，D.、TANG，Y.和ZHU，J.（2021）。具有重复空间模式的有序牙周数据的复合似然推断。《法律总汇》第40卷第5871-5893页。数字对象标识符：10.1002/sim.9160谷歌学者：查找链接数学科学网：MR4330584·doi:10.1002/sim.9160
[27] ZHAO，Y.和JOE，H.（2005）。多元数据分析中的复合似然估计。加拿大。J.统计。33 335-356. 数字对象标识符：10.1002/cjs.5540330303谷歌学者：查找链接数学科学网：MR2193979·Zbl 1077.62045号 ·doi:10.1002/cjs.5540330303
[28] 赵Z.、石P.和冯X.（2021）。使用依赖模型学习保险风险知识。信息J.计算。33 1177-1196. 数字对象标识符：10.1287/ijoc.2020.1005谷歌学者：查找链接数学科学网：MR4311275·Zbl 07548832号 ·doi:10.1287/ijoc.2020.1005
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。