本項目采用的貝葉斯統(tǒng)計推斷技術(shù)在擬合未來損失或資產(chǎn)收益的分布時，使用貝葉斯MCMC（Markov Chain Monte Carlo）算法形成一個來自預測分布的隨機樣本，這種隨機性就從方法論上將參數(shù)的不確定性問題納入考慮范疇。而基于模型邊緣似然的貝葉斯因子為模型是否是產(chǎn)生觀察數(shù)據(jù)的真正隨機機制，提供了簡潔直觀的判斷標準，可實時預警所設模型的適用性和優(yōu)劣性。這些技術(shù)方法再結(jié)合最大熵風險中性轉(zhuǎn)換模型，基于王變換再抽樣的風險中性模擬技術(shù)，和基于收斂抽樣樣本的數(shù)值模擬技術(shù)，為防范參數(shù)和模型不確定性風險提供關鍵的技術(shù)手段，能大幅提高產(chǎn)品定價和資本要求風險度量的精度，對結(jié)構(gòu)復雜的新型壽險產(chǎn)品的開發(fā)和風險管理都將具有非常重要的意義。
鄂公網(wǎng)安備 42010302001612號 