基于极值理论的BMM（Block Maximum Method）和POT模型是近来分析边坡安全监测资料、评估边坡安全状况的新兴方法之一。相对简便的BMM模型在数据取样时往往忽略区间次极大值,在资料年限较短时样本容量偏小,可能导致所得结果误差较大。...基于极值理论的BMM（Block Maximum Method）和POT模型是近来分析边坡安全监测资料、评估边坡安全状况的新兴方法之一。相对简便的BMM模型在数据取样时往往忽略区间次极大值,在资料年限较短时样本容量偏小,可能导致所得结果误差较大。本文利用改进的Hill估计方法得到阈值,通过极大似然估计确定广义帕累托分布参数,从而利用超限数据序列来确定测值序列的整体分布,提出了改进POT（Modified Peaks over Threshold）模型,并应用于某边坡工程的安全监测预警指标分析。结果表明,在同一置信水平下利用超限值应用广义帕累托分布拟合得到的预警指标小于利用块极大值应用正态分布得到的预警指标,表明基于超限数据的改进POT模型得到的预警指标更能有效规避极端情况发生的风险,更有利于边坡安全监测和预警。展开更多
近年来,随着保险市场的发展,人身险(包括健康险、寿险和意外险)占据的份额不断上升,这些险种极端理赔的现象也一直存在。国内外人身险的实践经验表明,准确掌握保险理赔可能存在的极端风险,有利于保险公司更精确地定价保险产品。文章以20...近年来,随着保险市场的发展,人身险(包括健康险、寿险和意外险)占据的份额不断上升,这些险种极端理赔的现象也一直存在。国内外人身险的实践经验表明,准确掌握保险理赔可能存在的极端风险,有利于保险公司更精确地定价保险产品。文章以2005-2014年全国六个地区人身险的月理赔额为样本,通过对数据特征进行系统性分析,筛选出符合"尖峰厚尾"特征的理赔数据。运用区间极大值模型(Block Maxima Method,BMM)对理赔数据进行风险度量,以求得其理赔VaR(Value at Risk)。结果显示,意外险的理赔出现极端风险的可能性较大,多数地区意外险的理赔都存在极端风险;而健康险出现极端理赔的可能性相对较小,但一旦出现极端情况,其理赔VaR很有可能大于意外险。展开更多
文摘基于极值理论的BMM（Block Maximum Method）和POT模型是近来分析边坡安全监测资料、评估边坡安全状况的新兴方法之一。相对简便的BMM模型在数据取样时往往忽略区间次极大值,在资料年限较短时样本容量偏小,可能导致所得结果误差较大。本文利用改进的Hill估计方法得到阈值,通过极大似然估计确定广义帕累托分布参数,从而利用超限数据序列来确定测值序列的整体分布,提出了改进POT（Modified Peaks over Threshold）模型,并应用于某边坡工程的安全监测预警指标分析。结果表明,在同一置信水平下利用超限值应用广义帕累托分布拟合得到的预警指标小于利用块极大值应用正态分布得到的预警指标,表明基于超限数据的改进POT模型得到的预警指标更能有效规避极端情况发生的风险,更有利于边坡安全监测和预警。
文摘近年来,随着保险市场的发展,人身险(包括健康险、寿险和意外险)占据的份额不断上升,这些险种极端理赔的现象也一直存在。国内外人身险的实践经验表明,准确掌握保险理赔可能存在的极端风险,有利于保险公司更精确地定价保险产品。文章以2005-2014年全国六个地区人身险的月理赔额为样本,通过对数据特征进行系统性分析,筛选出符合"尖峰厚尾"特征的理赔数据。运用区间极大值模型(Block Maxima Method,BMM)对理赔数据进行风险度量,以求得其理赔VaR(Value at Risk)。结果显示,意外险的理赔出现极端风险的可能性较大,多数地区意外险的理赔都存在极端风险;而健康险出现极端理赔的可能性相对较小,但一旦出现极端情况,其理赔VaR很有可能大于意外险。
