幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

非壽險精算學模型與應用(對外經濟貿易大學保險專業經典教材)

  • 作者：編者:謝遠濤//黃一凡|責編:陸浥晨
  • 出版社：清華大學
  • ISBN：9787302716204
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：339
人民幣：RMB 85 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以非壽險精算的常用模型作為主線，內容既包括傳統的損失分佈基礎、風險模型、準備金評估、再保險，也包括更複雜的廣義線性模型、貝葉斯信度理論、Copula與相依風險模型、極值理論、時間序列模型以及前沿的機器學習模型，旨在通過理論和案例講解，讓學生理解非壽險精算模型的基本原理及其在保險實務中的應用。本書的知識點涵蓋了美國精算師、英國精算師和中國精算師考試在非壽險精算部分的要求，適合保險和精算專業的高校學生使用。
作者介紹
編者:謝遠濤//黃一凡|責編:陸浥晨
目錄
第1章  損失分佈基礎
  1.1  隨機變數及其分佈
    1.1.1  隨機變數的描述
    1.1.2  隨機變數的數字特徵
    1.1.3  概率母函數、矩母函數和累積量生成函數
  1.2  常見的離散型分佈
    1.2.1  二項分佈
    1.2.2  泊松分佈
    1.2.3  負二項分佈
    1.2.4  （a，b，0）與（a，b，1）分佈類
  1.3  常見的連續型分佈
    1.3.1  指數分佈
    1.3.2  伽馬分佈
    1.3.3  逆高斯分佈
    1.3.4  帕累托分佈
    1.3.5  對數正態分佈
    1.3.6  威布爾分佈
    1.3.7  常見連續型分佈與廣義伽馬、貝塔分佈間的關係
  1.4  損失分佈的變換
    1.4.1  對數變換和指數變換
    1.4.2  組合分佈
    1.4.3  混合分佈
  1.5  分佈擬合與參數估計
    1.5.1  矩估計
    1.5.2  極大似然估計
    1.5.3  擬合優度檢驗
  1.6  真題練習
第2章  風險模型
  2.1  短期聚合風險模型
    2.1.1  基本模型假設
    2.1.2  S的分佈和特徵
    2.1.3  複合泊松分佈
    2.1.4  其他常用複合分佈
  2.2  短期個體風險模型
    2.2.1  基本模型假設
    2.2.2  S的分佈和特徵
  2.3  參數不確定性的影響
  2.4  真題練習
第3章  貝葉斯與信度
  3.1  貝葉斯統計基礎
    3.1.1  貝葉斯公式
    3.1.2  先驗和后驗分佈
    3.1.3  貝葉斯估計
  3.2  信度理論
    3.2.1  信度保費和信度因子
    3.2.2  貝葉斯信度
  3.3  經驗貝葉斯信度
    3.3.1  EBCT模型1：Buhlmann信度
    3.3.2  EBCT模型2：Buhlmann-Straub信度
  3.4  真題練習

第4章  準備金評估
  4.1  流量三角形
  4.2  鏈梯法
    4.2.1  計算過程
    4.2.2  模型檢驗
    4.2.3  通脹調整
  4.3  案均賠款法
  4.4  B-F法
  4.5  隨機準備金模型
    4.5.1  Mack鏈梯模型
    4.5.2  廣義線性模型方法
  4.6  真題練習
第5章  損失調整與再保險
  5.1  再保險簡介
  5.2  再保險下的單次賠付金額
    5.2.1  比例再保險
    5.2.2  超額賠款再保險
    5.2.3  特定分佈下的再保險定價
    5.2.4  通貨膨脹的影響
  5.3  再保險下的累積賠付金額
    5.3.1  比例再保險
    5.3.2  超額賠款再保險
  5.4  不完整數據的估計
  5.5  真題練習
第6章  時間序列分析
  6.1  時間序列基礎
    6.1.1  時間序列過程
    6.1.2  平穩時間序列
    6.1.3  平穩性檢驗
    6.1.4  非平穩序列的變換
  6.2  一元時間序列模型
    6.2.1  滯后運算元和差分運算元
    6.2.2  自回歸模型
    6.2.3  移動平均模型
    6.2.4  自回歸移動平均模型
    6.2.5  ARIMA模型
    6.2.6  時間序列的馬爾可夫性
  6.3  模型擬合與應用
    6.3.1  模型識別
    6.3.2  參數估計
    6.3.3  診斷檢驗
    6.3.4  外推預測
  6.4  多元時間序列模型
    6.4.1  協整時間序列
    6.4.2  向量自回歸模型
  6.5  其他非平穩非線性時間序列
  6.6  真題練習
第7章  廣義線性模型
  7.1  指數族分佈
    7.1.1  指數族分佈的定義和性質

    7.1.2  常見的指數族分佈
  7.2  廣義線性建模框架
    7.2.1  模型結構
    7.2.2  線性預測子
    7.2.3  連接函數
    7.2.4  GLM在精算中的應用
  7.3  參數估計
    7.3.1  極大似然估計
    7.3.2  迭代加權最小二乘法
    7.3.3  尺度參數的估計
    7.3.4  回歸係數估計的標準誤
  7.4  模型診斷與評估
    7.4.1  偏差分析
    7.4.2  殘差分析
    7.4.3  模型選擇和比較
  7.5  應用案例
  7.6  GLM拓展：GAM與GAMLSS
  7.7  真題練習
第8章  相依風險與Copula
  8.1  Copula簡介
    8.1.1  Copula的定義
    8.1.2  聯合分佈的分解——Sklar定理
    8.1.3  3種基礎的Copula
    8.1.4  Copula的基本性質
    8.1.5  相依性的測度
  8.2  常見的Copula函數
    8.2.1  高斯Copula
    8.2.2  t Copula
    8.2.3  阿基米德Copula
    8.2.4  極值Copula和生存Copula
    8.2.5  應用複合函數生成Copula
  8.3  隨機模擬
    8.3.1  高斯Copula的模擬
    8.3.2  阿基米德Copula的模擬
  8.4  模型擬合與參數估計
    8.4.1  基於相依性測度的方法
    8.4.2  極大似然估計與IFM方法
  8.5  應用案例
    8.5.1  索賠金額與理賠費用
    8.5.2  多元生存時間分析
  8.6  真題練習
第9章  極值理論
  9.1  風險度量
    9.1.1  在險價值
    9.1.2  一致性風險度量與尾部在險價值
  9.2  區塊最大值模型
    9.2.1  區塊最大值的概念
    9.2.2  廣義極值分佈
    9.2.3  廣義極值分佈的性質
    9.2.4  應用案例

  9.3  超閾值模型
    9.3.1  超越值的概念
    9.3.2  廣義帕累托分佈
    9.3.3  廣義帕累托分佈的性質
    9.3.4  閾值選擇和參數估計
  9.4  應用案例
  9.5  真題練習
第10章  機器學習
  10.1  數據挖掘與機器學習基礎
    10.1.1  數據挖掘簡介
    10.1.2  機器學習方法的類型和要素
  10.2  常用的無監督學習方法
    10.2.1  主成分分析
    10.2.2  因子分析
    10.2.3  聚類分析
  10.3  常用的監督學習方法
    10.3.1  目標函數與評價準則
    10.3.2  正則回歸模型
    10.3.3  決策樹、隨機森林和梯度提升樹
    10.3.4  神經網路
  10.4  模型選擇與應用
    10.4.1  交叉驗證與超參數調優
    10.4.2  可解釋機器學習
第11章  拓展研究案例
  11.1  基於厚尾分佈的相依準備金評估
    11.1.1  三種厚尾分佈簡介
    11.1.2  單條業務線的準備金評估結果
    11.1.3  相依準備金評估結果
  11.2  雙參數提升樹在車險索賠頻率建模中的應用
    11.2.1  傳統提升樹建模框架
    11.2.2  雙參數提升樹建模框架
    11.2.3  車險索賠頻率分析
  11.3  貝葉斯非參數回歸模型
    11.3.1  狄利克雷過程混合模型
    11.3.2  具有相依權重的非參數混合回歸模型
    11.3.3  保險索賠金額分析
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032