马尔科夫链蒙特卡.pptVIP

研究动态——贝叶斯分析及MCMC方法 Buhlmann (1967)将贝叶斯思想和方法引入到精算学的研究中。 Buhlmann和Straub(1970)为经验贝叶斯信用方法奠定了基础。 为了充分利用历史数据中的信息,提高未决赔款准备金估计的预测精度, Scollinik (2001)、Ioannis Ntzoufras (2002)等将现代贝叶斯理论和MCMC (Markov Chain Monte Carlo)方法引入到未决赔款准备金的估计中。 Verrall(2004)将广义线性模型与贝叶斯分析结合,对准备金进行估计。 研究动态——吉布斯抽样和贝叶斯分析 朱慧明，郝立亚(2007)在《非寿险精算中的贝叶斯信用模型分析》中利用贝叶斯统计方法，构造了一类新的贝叶斯信用分析模型，提供了一种计算下一年保费的方法。并且针对高维计算比较困难这样一个问题，文章引入了基于Gibbs抽样的MCMC方法，利用计算机仿真模拟方便地得到结构参数的各项估计指标，研究结果表明，基于MCMC的贝叶斯信用模型能够动态模拟模型参数的后验分布，提高模型估计的精度。 研究动态——吉布斯抽样和贝叶斯分析 郭庆旺，贾俊雪和杨运杰(2007)在《中国经济周期运行特点及拐点识别分析》中运用吉布斯抽样方法估算了我国经济周期的多变量动态马可夫转换因素模型，对我国经济周期进行拐点识别和同步指数分析，指出就长期而言，我国经济周期运行表现出明显的协动性和非线性特征：改革开放以前，宏观经济波动剧烈，情势转换发生得较为频繁；改革开放以后，宏观经济波动明显趋缓。就短期而言，尤其是20世纪90年代以来，我国经济周期运行平稳，协动性特征依然显著但非线性特征明显减弱。 研究动态——吉布斯抽样和贝叶斯分析 刘书霞，张新福和米海杰(2009)在《基于贝叶斯估计的商业银行操作风险计量与管理》中利用贝叶斯估计方法，基于共轭分布原则，结合我国商业银行业务特点，开创性提出了对于操作风险损失强度分布的两阶段拟合方法。 研究动态——吉布斯抽样和贝叶斯分析 刘睿，詹原瑞和刘家鹏(2007)在《基于贝叶斯MCMC的POT模型——低频高损的操作风险度量》中在小样本情况下贝叶斯MCMC方法比极大似然估计更稳定，误差更小。并使用样本损失数据对中国商业银行的内部欺诈风险进行估算，指出银行的内部欺诈风险相当惊人，为此银行需要配备大量的经济资本，这个问题的严重性已经令我们无法回避。 理论 马尔科夫链模拟 吉布斯抽样 贝叶斯推断 其他算法 孔文涛 回顾——马尔科夫过程 马尔科夫链模拟及MCMC方法 马尔科夫链模拟及MCMC方法 马尔科夫链模拟及MCMC方法 转移概率矩阵的定义。 定义：对于一个马尔可夫链 ，称由状态i经过m步转移到状态j的转移概率 为元素，组成的矩阵为转移概率矩阵， 用 表示。 当m=1时的转移概率矩阵为 ，就是一步转移概率矩阵，将其简记为 ，简称为转移矩阵。 马尔科夫链模拟及MCMC方法 考虑“缺失值”的问题。 Dempster，Laird和Rubin(1977)提出EM算法来解决数据分析时“缺失值”的问题。 M步：如果缺失值是可以得到的，能够利用完全数据分析的方法来建立一个波动率模型。 E步：给定可以利用的数据及拟合的模型，能够推导出缺失值的统计分布。 马尔科夫链模拟及MCMC方法 Tanner和Wong(1987)以两种方式扩展了EM算法。 首先：引进迭代模拟的思想——从条件分布中抽取一个随机数来代替缺失值。 第二：利用数据扩张的概念扩展了EM算法的应用——在研究的问题中加入一个辅助变量。 吉布斯抽样 Geman(1984)、Gelfand和Smith(1990)提出的MCMC方法。 通过一个三个参数的简单问题来引进吉布斯抽样的思想。 吉布斯抽样 吉布斯抽样 吉布斯抽样 对一个充分大的m， 渐近等价于来自三个参数的联合分布 的一个随机抽取。 实际中，我们利用一个充分大的n，并且丢掉吉布斯迭代的前m个随机抽取，建立一个吉布斯样本，即 因为前面的迭代从联合分布 中建立了一个随机样本，所以可以利用它们来作出统计推断。 吉布斯抽样 吉布斯抽样具有将一个高维的估计问题利用所有参数的条件分布分解为几个较低维数问题的优点。 N个参数的高维问题转化为N个1维的条件分布迭代地解决。 当参数高度相关时，联合地抽取。 吉布斯抽样 收敛性问题 理论：仅仅指出当迭代次数m充分大时收敛发生，没有对m的