导读:本文包含了精细大偏差论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:偏差,精细,模型,风险,最大值,独立,封闭性。
精细大偏差论文文献综述
郭多,杭敏,汪世界[1]（2019）在《基于精细大偏差下D族随机变量的随机和及其最大值的封闭性》一文中研究指出令X={X_1,X_2,…}是一列独立但不同分布的随机变量序列,η是另一整数值计数随机变量,且独立于X.研究了随机和S_η=η∑k=1X_k 和随机和的最大值S(η)=max{S_0,...,S_η}.假设对任意的k≥1,Xk为D族随机变量,利用D族随机变量精细大偏差的结果,在一些条件下,证明了S_η和S(η)仍属于D族.这拓展了前人研究的相关结果.(本文来源于《中国科学技术大学学报》期刊2019年05期）
郭多[2]（2019）在《基于精细大偏差下随机变量随机和及其最大值的封闭性》一文中研究指出在金融保险风险管理中有关重尾风险模型的研究一直热度不减,这是因为保险公司的破产往往不是由大量日积月累的小额索赔造成的,而是由某个极端事件的理赔额远远超出保险公司的实际理赔能力造成的.所谓的极端事件(extreme events)是指在全球范围内的自然重大灾害或人为重大灾害,像这样一个事件的理赔额可以占到保险公司总理赔额的百分之八十以上,甚至导致其破产.而重尾分布对极端事件所造成的理赔分布规律的刻画是十分有效的,它可以适时提供示警数据,让保险公司提前做好防范极端风险的工作,对实现其稳定经营与持续发展具有重要的意义.由于重尾分布在风险模型中的重要性,且该领域中的许多问题都可以归结为大偏差问题,所以研究重尾随机变量序列随机和及其最大值也是近几年来精算领域的热门课题.本文也是围绕其展开探索.本文主要研究了两个重要的重尾分布C族和D族,包含了叁部分内容:第一部分主要是在随机变量序列{X1,X2,...}独立的条件下,对文献Kizi-nevic等(2016)[19]中的定理6和文献Andrulyte等(2017)[2)中的定理5的改进,通过添加一些适当的条件,运用C族精细大偏差,得到随机变量序列随机和及其最大值的封闭性;第二部分也是在随机变量序列{X1,X...}独立的条件下,对文献Danilenko和Siaulys(2016)[12]中的定理2.1和文献Leipus和Siaulys(2017)[22]中的定理2的改进,即通过添加一些适当的条件,运用D族精细大偏差,得到FSη和FS(η)仍属于D族;第叁个部分则是关于加权随机向量随机加权和及其最大值的封闭性.假设{(θ1,X1),(θ2,X2),...}是一列独立同分布的随机向量序列,每一对{(θk,Xk),k=1,2,...}都满足一个相依结构,通过运用一些引理得到θkXk仍属于其相同的分布族,但由于{(θk,Xk),1,2,...}是相互独立的,从而回归到第一、二部分的情况下,得到加权随机向量随机和及其最大值在C族和D族的封闭性.本文的创新点是运用了精细大偏差作为工具来证明C族和D族的封闭性,同时还放宽了定理中关于η的矩条件要求,是对上述四个文献结果的重要补充。(本文来源于《安徽大学》期刊2019-03-01）
唐风琴,白建明,尹晓玲[3]（2019）在《一类带有宽负相依索赔额的新风险模型损失过程的精细大偏差》一文中研究指出本文研究一类基于保单进入过程的风险模型,客户在其保期内可索赔多次.假设每个顾客的索赔额是宽负相依的且服从重尾分布,不同顾客之间的索赔额是相互独立的.本文得到了损失过程的大偏差.(本文来源于《应用数学学报》期刊2019年01期）
李馥圻[4]（2017）在《多种相依关系下随机变量和的精细大偏差》一文中研究指出这篇文章中我们主要介绍随机变量序列在两种不同条件下的精细大偏差。一是,服从长尾分布混合和随机变量和的精细大偏差;二是,在多维相依混合风险模型下折现聚合索赔的精细大偏差。在第二章,一维风险模型下,我们研究了长尾分布的(?)混合和WUOD随机变量和的精细大偏差,并分别得到了长尾分布随机变量的非随机和以及随机和的渐近关系。在第叁章,多维风险模型下,假设一个公司有n种独立的保险合同,每种保险合同都有一些相依的索赔额和随机收益。投资组合的价格过程被描述为一个几何的列维过程。当索赔额分布服从重尾分布类(?)时,我们能够得到在有限时间内n种保险合同折现聚合索赔的尾部概率和破产概率的一致渐近性公式。(本文来源于《大连理工大学》期刊2017-04-01）
袁亮亮,宋立新,冯敬海[5]（2016）在《非负不同分布负相协随机变量下的精细大偏差（英文）》一文中研究指出本文研究非负,不同分布,负相协随机变量的精细大偏差问题.在相对较弱的条件下,重点解决了非随机和的精细大偏差的下限问题,得到相对应的随机和的一致渐近结论.同时,对复合更新风险模型进行了深入的讨论,在一定的条件之下将其简化为一般的更新模型,并将所得相关的精细大偏差的结论应用到更为实际的复合更新风险模型中,验证了其理论与实际价值.除此之外,本文的研究还表明,随机变量间的这种相依关系对精细大偏差的最终结果的影响并不大.(本文来源于《应用概率统计》期刊2016年04期）
张娟[6]（2016）在《重尾索赔下相依风险模型的精细大偏差》一文中研究指出大偏差理论是研究破产概率的一种重要工具,该研究已成为了金融保险领域的一个关注热点.在金融保险业中,可能会发生极端事件,如地震、海啸等.由于重尾分布可以刻画大索赔,所以研究重尾分布下的精细大偏差具有重要意义.除了考虑重尾分布这一现象,同时还可以考虑风险之间的相依性.在实际问题中经常会碰到个体风险间不独立的情形,如宽相依关系或者其它相依关系.因此,研究重尾索赔下相依风险模型的精细大偏差具有实用价值及重要意义.本文以D?L族为主要对象,讨论了在某些相依关系下风险模型的精细大偏差.主要内容如下:首先,本文研究了宽相依但不同分布的随机变量和的精细大偏差,即{,1}kX k≥为一非负宽相依的随机变量序列,且分布函数分别为{,1}kF k≥,在满足一定的假设条件下,得到了相应随机和的一致渐近估计,从而进一步推广了已有文献的结论.其次,在上述结论的基础上,考虑基于客户来到的风险模型,研究了该模型下损失过程的精细大偏差,其中{,1}kB k≥从负相依(NOD)推广到了宽相依(WOD),重尾子族从C族扩展到了D?L族.最后,研究了一类延迟索赔风险模型,假设主索赔额和延迟索赔额分别为渐近独立同分布的随机变量序列,则在索赔额均服从D?L族的条件下,得到了损失过程的精细大偏差.并根据几种相依结构的关系,得出了相应的精细大偏差结论.(本文来源于《延安大学》期刊2016-06-01）
韩雨龙[7]（2016）在《宽象限相依重尾随机变量和的精细大偏差》一文中研究指出自从1960's和1970's的C.C.Heyde, A.V.Nagaev和S.V.Nagaev的开创性的工作以来,重尾随机变量和的精细大偏差概率已经被很多人广泛研究,但大多数研究都是在独立的条件下研究随机变量。在本文中,我们建立保险中的复合风险模型,其中所有的索赔构成WOD(宽象限相依)随机矩阵。研究WOD结构的相依复合风险模型的非随机和与随机和的精细大偏差,以及一致变化性。所得到的结果,是对Wang和Wang (2007), Liu (2009), Chen et al.(2011), Wang和Wang(2013)的延伸。本文内容安排如下：第一部分,将介绍一些基础知识和预备引理,对本文涉及的一些相关知识进行简单介绍,同时为结论证明给出理论依据。第二部分,先后给出二维和多维非随机和的精细大偏差结论和证明过程。第叁部分,先后给出二维和多维随机和的精细大偏差结论和证明过程。第四部分,通过数值模拟,支持定理结论。最后,第五部分对本文进行总结和展望。(本文来源于《大连理工大学》期刊2016-06-01）
齐晓梦[8]（2016）在《长尾分布的φ混合和UND随机变量的精细大偏差》一文中研究指出精细大偏差在保险的理论研究中有很深远的意义,到现在为止,有很多研究者都对精细大偏差的研究做了不少贡献,得到了很多优秀的成果.服从重尾分布的随机变量也广泛运用于保险和金融模型中,于是将重尾分布与精细大偏差结合,成为近来概率论领域研究的热点,但是在现有成果中,关于长尾分布的精细大偏差的研究结果却不多.目前,也有一些研究者对Φ混合序列的性质和应用进行探讨,它被应用到平稳过程、时间序列及非平稳过程的统计推断等实用性较强的领域中,但是,我们对于Φ混合随机变量序列的精细大偏差的研究结果却知之甚少.在对精细大偏差的研究中,大多数研究人员只致力于研究只提供一种保险合同的保险公司,然而,这与现实生活中的实际情况是不符合的,因此,研究多维风险模型下的精细大偏差问题更具有实际应用价值.而且,根据我们所知道的已有结论,关于长尾分布、Φ混合随机变量序列、多维风险模型下的精细大偏差的渐近结果都相对较少.在这篇文章中,首先,我们得出了Φ混合序列的随机大数定律.其次,我们研究了Φ混合和UND随机变量和关于长尾分布的精细大偏差,并分别得到了长尾分布随机变量的非随机和以及随机和的渐近关系.最后,鉴于保险公司的实际情况,提出了多维风险模型,作为一维情况的推广,我们研究了在多维风险模型下长尾分布的Φ混合和UND随机变量和的精细大偏差,并分别得到了在这个模型下,长尾分布随机变量的非随机和以及随机和的渐近关系.(本文来源于《大连理工大学》期刊2016-05-01）
乔克林,张娟,刘琼琼[9]（2015）在《渐进独立重尾索赔下延迟索赔风险模型的精细大偏差》一文中研究指出研究了一类延迟索赔风险模型,假设主索赔额和延迟索赔额分别为渐进独立同分布的随机变量序列,则在索赔额均服从D∩L族的条件下,得到了损失过程的精细大偏差,并根据几种相依结构的关系,得出了相应的精细大偏差结论。(本文来源于《延安大学学报(自然科学版)》期刊2015年04期）
袁亮亮,宋立新,冯敬海[10]（2016）在《非负不同分布负相伴随机变量下的精细大偏差》一文中研究指出研究非负,不同分布,负相伴随机变量的精细大偏差问题.在相对较弱的条件下,重点解决非随机和的精细大偏差的下限问题,得到相对应的随机和的一致渐近结论.同时,对复合更新风险模型进行深入的讨论,在一定的条件之下将其简化为一般的更新风险模型,并将所得相关的精细大偏差的结论应用到更为实际的复合更新风险模型中,验证其理论与实际价值.除此之外,本文的研究还表明,随机变量间的这种相依关系对精细大偏差的最终结果的影响并不大.(本文来源于《应用数学》期刊2016年01期）
精细大偏差论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在金融保险风险管理中有关重尾风险模型的研究一直热度不减,这是因为保险公司的破产往往不是由大量日积月累的小额索赔造成的,而是由某个极端事件的理赔额远远超出保险公司的实际理赔能力造成的.所谓的极端事件(extreme events)是指在全球范围内的自然重大灾害或人为重大灾害,像这样一个事件的理赔额可以占到保险公司总理赔额的百分之八十以上,甚至导致其破产.而重尾分布对极端事件所造成的理赔分布规律的刻画是十分有效的,它可以适时提供示警数据,让保险公司提前做好防范极端风险的工作,对实现其稳定经营与持续发展具有重要的意义.由于重尾分布在风险模型中的重要性,且该领域中的许多问题都可以归结为大偏差问题,所以研究重尾随机变量序列随机和及其最大值也是近几年来精算领域的热门课题.本文也是围绕其展开探索.本文主要研究了两个重要的重尾分布C族和D族,包含了叁部分内容:第一部分主要是在随机变量序列{X1,X2,...}独立的条件下,对文献Kizi-nevic等(2016)[19]中的定理6和文献Andrulyte等(2017)[2)中的定理5的改进,通过添加一些适当的条件,运用C族精细大偏差,得到随机变量序列随机和及其最大值的封闭性;第二部分也是在随机变量序列{X1,X...}独立的条件下,对文献Danilenko和Siaulys(2016)[12]中的定理2.1和文献Leipus和Siaulys(2017)[22]中的定理2的改进,即通过添加一些适当的条件,运用D族精细大偏差,得到FSη和FS(η)仍属于D族;第叁个部分则是关于加权随机向量随机加权和及其最大值的封闭性.假设{(θ1,X1),(θ2,X2),...}是一列独立同分布的随机向量序列,每一对{(θk,Xk),k=1,2,...}都满足一个相依结构,通过运用一些引理得到θkXk仍属于其相同的分布族,但由于{(θk,Xk),1,2,...}是相互独立的,从而回归到第一、二部分的情况下,得到加权随机向量随机和及其最大值在C族和D族的封闭性.本文的创新点是运用了精细大偏差作为工具来证明C族和D族的封闭性,同时还放宽了定理中关于η的矩条件要求,是对上述四个文献结果的重要补充。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
精细大偏差论文参考文献
[1].郭多,杭敏,汪世界.基于精细大偏差下D族随机变量的随机和及其最大值的封闭性[J].中国科学技术大学学报.2019
[2].郭多.基于精细大偏差下随机变量随机和及其最大值的封闭性[D].安徽大学.2019
[3].唐风琴,白建明,尹晓玲.一类带有宽负相依索赔额的新风险模型损失过程的精细大偏差[J].应用数学学报.2019
[4].李馥圻.多种相依关系下随机变量和的精细大偏差[D].大连理工大学.2017
[5].袁亮亮,宋立新,冯敬海.非负不同分布负相协随机变量下的精细大偏差（英文）[J].应用概率统计.2016
[6].张娟.重尾索赔下相依风险模型的精细大偏差[D].延安大学.2016
[7].韩雨龙.宽象限相依重尾随机变量和的精细大偏差[D].大连理工大学.2016
[8].齐晓梦.长尾分布的φ混合和UND随机变量的精细大偏差[D].大连理工大学.2016
[9].乔克林,张娟,刘琼琼.渐进独立重尾索赔下延迟索赔风险模型的精细大偏差[J].延安大学学报(自然科学版).2015
[10].袁亮亮,宋立新,冯敬海.非负不同分布负相伴随机变量下的精细大偏差[J].应用数学.2016
论文知识图
