定量金融 > 风险管理
[提交于 2025年7月24日
]
标题: 传统与参数保险的结合:基于适应于重尾损失的标准优化校准方法
标题: Combination of traditional and parametric insurance: calibration method based on the optimization of a criterion adapted to heavy tail losses
摘要: 在本文中,我们考虑提供针对重尾损失的保险保障的问题,其中损失的期望甚至可能不为有限。 我们研究的产品是传统保险至某一限额的组合,以及针对更大损失的参数化(或基于指数)的保障。 该保障的第二部分是从索赔发生后可用的协变量计算得出的,从而通过即时补偿来降低索赔管理成本。 为了优化该产品第二部分的设计,我们使用了一个适用于极端损失的标准(即帕累托类型损失分布)。 我们通过理论结果支持校准过程,这些结果展示了其收敛速度,并通过一个模拟研究和对美国龙卷风的真实数据分析的实证结果加以支持。 我们通过实证证明,所提出的混合合同优于传统的封顶赔偿合同。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.