息力更新场合有限时间破产概率对负相依索赔额的不敏感性.pdfVIP

息力更新场合有限时间破产概率对负相依索赔额的不敏感性.pdf

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、原创力文档(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
《铁机》常息力更新场合有限时间破产概率对负相依索赔额的不敏感性

高校应用数学学报 2009,24(4):401—409 常息力更新场合有限时间破产概率 对负相依索赔额的不敏感性 江 涛 (浙江工商大学金融学院,浙江杭州310012) 摘 要:设索赔来到过程为具有 常数利息力度的更新风险模型.在索赔额分布为负相 依的次指数分布假定下,建立 了有限时间破产概率的一个渐近等价公式.所得结果显 示,在独立同分布索赔额情形,有限时间破产概率的有关渐近等价公式,在 负相依场合 依然成立.这表明有限时间破产概率对于索赔额的负相依结构是不敏感的. 关键词:有限时间破产概率;渐近等价式:负相依随机变量;次指数分布;更新模型 中图分类号:O211.4 文献标识码:A 文章编号:1000—4424(2009)04—0401—09 §1 引 言 考虑一个非标准更新风险模型:在这里,索赔额{ ,7,/ 1)构成一个同分布然而却不独立 的非负随机变量序列,具有共同的分布F(x)=1一 ()=P( )和有限的期望 :EX1,这 里, ∈0【,∞).索赔来到的等待时间{,n 1}是另外一个独立同分布的非负随机变量序列,期 望为E01=1/A.随机变Rak=∑k=10i(k=1,2,…)构成一个更新计数过程 N(t)=supn l: ), (1) 保险资本的盈余过程定义如下 t Ⅳ(t) (t)=ue乳+ct,/e )ds— Xie~“, (2) 0 这里,乱0是初始资本金,C0是费率,即单位时间收取的保费;50表示常数利息力度.假 定{ ,n≥1),{Jv(),t 0)和{ ,n 1}是相互独立的.定义在时间 内的破产概率为 tfI(“;)=P(0infR(s)0I(0)=), T0· 如果T=03,那么 (u,。。)就是所谓终极时间的破产概率.本文所有的极限关系,除非另有说明, 均为u ∞.A^一B表示lim 一÷ 百A=1. 收稿日期:2008-12.09 基金项 目:国家自然科学基金70871104);教育部人文社科基金(08JA63O078);浙江省人文社科重点研 究基地基金(浙教高教() 402 高校 应 用数 学 学报 第24卷第4期 在本文中,我们研究的注意力集中在所谓的重尾(heaⅣy—tailed)索赔,这是因为此类分布往 往与巨灾产生的大索赔密切相关.为了说明这一点,我们采用一个非常重要的重尾分布子族, 即 族(详细的定义在后面)来阐述.由该族的定义,n个随机变量满足如下的极限等式 lllimm —=:—: =: 亿亿.. -÷o。F(x、 经过简单的变形,可以得到如下的等价式 1. P(maxlknXk z) P(∑ 1 z) 一 该式说明,一个最大索赔额超过X的概率,与几个索赔额的和超过 的概率是渐近等价的.粗略地 说,一个索赔额造成的损失和一组索赔额之和相当.因此我们说,该随机变量序列中蕴涵着巨 灾随机变量.与此同时,巨灾损失往往导致所谓极端事件(ExtremalEvent),而极端事件的分布 往往具有尖峰后尾的特征,因此,专注于巨灾建模的应用概率学者们,往往就使用重尾分布来刻 画导致极端事件发生的索赔额分布.这类事件往往具有所谓的--)k现象,即80%的损失往往是 由20%的事件产生的.更微观地说,指数分布的尾分布具有明显的轻尾特征,而对于参数进行适 当选取后,Weibul1分布可以具有明显厚重的尾部,

文档评论(0)

ranfand + 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