Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Kopula" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
The Copula-Based Total Claim Amount Regression Model with an Unobserved Risk Factor
Regresyjny model łącznej wartości szkód z uwzględnieniem nieobserwowalnego czynnika ryzyka
Autorzy:
Wolny-Dominiak, Alicja
Powiązania:
https://bibliotekanauki.pl/articles/1050537.pdf
Data publikacji:
2016-09-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
ratemaking
GLM
unobserved factor
copula
taryfikacja
nieobserwowalny czynnik ryzyka
kopula
Opis:
Nowadays a common practice of any insurance company is ratemaking, which is defined as the process of classification of the mass risk portfolio into risk groups where the same premium corresponds to each risk. As generalised linear models are usually applied, the process requires the independence between the average value of claims and the number of claims. However, in literature this assumption is called into question. The interest of this paper is to propose the copula-based total claim amount model taking into account an unobservable risk factor in the claim frequency model. This factor, called also as unobserved heterogeneity, is treated as a random variable influencing the number of claims. The goal is to estimate the expected value of the product of two random variables: the average value of claims and the number of claims for a single risk assuming the dependence between the average value of claims and the number of claims for a single risk and the dependence between the number of claims for a single risk and the unobservable risk factor. We give details of the theoretical aspects of the model as well as the empirical example. To acquaint the reader with the model operation, every step of the process of the expected value estimation in described and the R code is available for download, see http://web.ue.katowice.pl/woali/.
W masowych portfelach ryzyk zakłady ubezpieczeń przeprowadzają tzw. taryfikację, której celem jest wyznaczenie składki czystej dla pojedynczego ryzyka. Modele statystyczne stosowane obecnie w praktyce należą najczęściej do klasy uogólnionych modeli liniowych (GLM), w których szacuje się w osobnych modelach wartości oczekiwane dwóch zmiennych losowych: średniej wartości szkody oraz liczby szkód dla ryzyka. Składka czysta definiowana jest wtedy jako iloczyn uzyskanych wartości. Takie podejście wymaga założenia niezależności pomiędzy rozpatrywanymi dwoma zmiennymi losowymi. Jednak w literaturze to założenie jest podważane. Celem tego artykułu jest zaproponowanie modelu z kopulą uwzględniającego nieobserwowalny czynnik ryzyka w modelowaniu liczby szkód. Model ten służy do oszacować oczekiwanej wartości iloczynu dwóch zmiennych losowych: średniej wartości szkody oraz liczby szkód dla pojedynczego ryzyka przy założeniu zależności oraz występowaniu czynnika nieobserwowalnego. W pracy szczegółowo opisano aspekty teoretyczne związane z budową modelu oraz szacowaniem wartości oczekiwanej. Ponadto w licznych przykładach przedstawiono numeryczne rozwiązania obliczeniowe w programie R. Dodatkowo udostępniono kody programu R na stronie internetowej http://web.ue.katowice.pl/woali/.
Źródło:
Przegląd Statystyczny; 2016, 63, 3; 309-328
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Formalne porównanie modeli Copula-AR(1)-t-GARCH(1,1) dla subindeksów indeksu WIG
Formal Comparison of Copula-AR(1)-t-GARCH(1,1) Models for Sub-Indices of the Stock Index WIG
Autorzy:
Mokrzycka, Justyna
Pajor, Anna
Powiązania:
https://bibliotekanauki.pl/articles/1050530.pdf
Data publikacji:
2016-06-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
kopula
model Copula-AR-GARCH
bayesowskie porównanie modeli
Copula
Copula-AR-GARCH model
Bayesian model comparison
Opis:
Kopule stały się jednym z popularnych narzędzi modelowania zależności między szeregami czasowymi, pochodzącymi z rynków finansowych. Głównym celem pracy jest formalne, bayesowskie porównanie mocy wyjaśniającej dwuwymiarowych modeli Copula-AR-GARCH, różniących się strukturą zależności warunkowych, opisaną przez poszczególne kopule. Dla porównania dokonano również estymacji modeli Copula-AR-GARCH metodą największej wiarygodności, a następnie zbudowano ranking modeli na podstawie kryteriów informacyjnych Akaikego (AIC) oraz Schwarza (BIC). Modele CopulaAR-GARCH zostały wykorzystane do opisu zmienności i zależności dziennych stóp zwrotu subindeksów indeksu WIG. Wyniki wskazały na dużą przydatność bardzo prostych i nieformalnych metod porównywania modeli Copula-AR-GARCH. Dla sześciu par szeregów czasowych rankingi modeli uzyskane metodami formalnymi (w ujęciu bayesowskim) i metodami ad hoc (poprzez AIC i BIC) okazały się bardzo zbliżone, a w wielu przypadkach identyczne.
Copulas have become one of most popular tools used in modelling the dependencies among financial time series. The main aim of the paper is to formally assess the relative explanatory power of competing bivariate Copula-AR-GARCH models, which differ in assumptions on the conditional dependence structure represented by particular copulas. For the sake of comparison the Copula-AR-GARCH models are estimated using the maximum likelihood method, and next they are informally compared and ranked according to the values of the Akaike (AIC) and of the Schwarz (BIC) information criteria. We apply these tools to the daily growth rates of four sub-indices of the stock index WIG published by the Warsaw Stock Exchange. Our results indicate that the informal use of the information criteria (AIC or BIC) leads to very similar ranks of models as compared to those obtained by the use of the formal Bayesian model comparison.
Źródło:
Przegląd Statystyczny; 2016, 63, 2; 123-148
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie miar zależności zmiennych losowych oraz kopuli Claytona i Gumbel-Hougaarda do szacowania wartości zagrożonej
Application of Random Variables Dependence Measures and Clayton and Gumbel-Hougaard Copulas for Estimating Value at Risk
Autorzy:
Stryjek, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/1827246.pdf
Data publikacji:
2009-12-31
Wydawca:
Główny Urząd Statystyczny
Tematy:
zarządzanie ryzykiem
wartość zagrożona
kopula
symulacje Monte Carlo
risk management
Value at Risk
copula
Monte Carlo simulations
Opis:
Opracowanie prezentuje możliwości, jakie daje kopula do szacowania wartości zagrożonej VaR. Autor przedstawia wyniki badania empirycznego dla portfeli spółek GPW w Warszawie. W badaniu dokonano porównania efektywności klasycznej metody kowariancji z dobrze znanymi z literatury przedmiotu oraz nowymi, zaproponowanymi przez autora metodami wykorzystującymi kopule Claytona i Gumbel-Hougaarda.
This paper shows the opportunities of copula for estimating Value at Risk (VaR). The author presents results of empirical research carried out for portfolios of stocks from Warsaw Stock Exchange. Efficiency of classical covariance method was compared with other well known in the literature and also new methods proposed by author using Clayton and Gumbel-Hougaard copulas.
Źródło:
Przegląd Statystyczny; 2009, 56, 3-4; 67-80
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies