网站大量收购独家精品文档,联系QQ:2885784924

R 在精算中的应用.pptxVIP

  1. 1、本文档共27页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
R 在精算中的应用第5届中国R会议孟生旺中国人民大学统计学院/mengshw概述统计精算寿险:定价、准备金、分类非寿险:定价、准备金、分类统计软件:R,SAS,……精算软件Prophet,MoSes,VIP, IGLOO, EMBlem统计软件在非寿险精算中的应用Source Palisade 2006 ( @Risk ): /downloads/pdf/Pryor.pdfEXCEL,SAS,R的简单比较EXCEL:简单易学,容易出错,结果不稳定,计算效率低,统计功能有限。SAS:大型数据,强大的统计分析功能。R:灵活性,扩展性,强大的统计计算和绘图功能 ……精算应用中的R包利息理论和寿险精算:lifecontigencies损失模型:actuar非寿险准备金评估:ChainLadder非寿险定价:glm,glm.nb (在MASS包中), cplm,gamlss数据处理和绘图:plyr,reshape,ggplot2利息理论与寿险精算:lifecontigencies功能:人口统计、利息理论和精算数学的计算寿险保单的定价、准备金评估不足:目前只能处理单减因表不能处理连续时间。Bug?Lifecontigencies示例 library(lifecontingencies) nominal2Real(i=0.12, k = 12, type=interest) #现值计算 cf=c(10,20,30) #现金流 t=1:3 #付款时间 p=c(0.5,0.6,0.8) #付款概率 i=0.03 #年实际利率 presentValue(cashFlows=cf, timeIds=t, interestRates=i, probabilities=p)[1] 38.12892 #30岁,10年定期寿险,年利率4% Axn(soa08Act, 30, 10, i=0.04)[1] 0 bug? library(lifecontingencies) cf=c(10,10,10,10,10,110) t=1:6 duration(cf, t, i=0.03,macaulay=F) #得到macaulay久期?[1] 4.984214 sum(t*cf*1.03^(-t))/sum(cf*1.03^(-t)) #直接计算macaulay久期[1] 4.984214 convexity(cf, t, i=0.03) #计算凸度[1] 30.69613 sum(t*(t+1)*cf*(1+0.03)^(-t-2))/sum(cf*1.03^(-t))直接计算凸度[1] 30.69613损失模型:actuar分布计算和参数估计:d, p, q, r, m, lev信度模型累积损失的计算破产概率的计算分层损失模型的随机模拟注:CAS的LSM可以模拟保险公司的损失发生过程及其进展:/research/lsmwp/index.cfm?fa=softwareActuar:BS信度模型示例 library(actuar) mydata policy loss1 loss2 loss3 w1 w2 w31 1 1738 1642 1794 7861 9251 87062 2 1364 1408 1597 1622 1742 15233 3 1759 1685 1479 1147 1357 1329 4 NA NA 1010 NA NA 348 myfit=cm(~policy,mydata,ratios=loss1:loss3,weights=w1:w3) summary(myfit)Call:cm(formula = ~policy, data = mydata, ratios = loss1:loss3, weights = w1:w3)Structure Parameters Estimators Collective premium: 1566.874 Between policy variance: 24189.8 Within policy variance:Detailed premiums Level: policy policy Indiv. mean Weight Cred. factor Cred. premium 1 1722.485 25818 0.9474905 1714.314 2 1452.297 4887 0.7735260 1478.246 3 1635.718 3833 0.728

文档评论(0)

1234554321 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档