纵观我国保险业20年的发展,客观的说,中国保险市场还处在初级阶段;管理模式落后,经营机制陈旧,产品结构单一。像巨灾损失一样,保险损失索赔数据具有厚尾性,虽然超大额的损失发生概率小,但在实际上不能忽略其发生的概率,且一旦发生损失程度极大,因此影响了商业保险公司承保巨灾风险的积极性。极值理论作为概率统计理论的一个重要分支,其主要是研究极端事件的,并在研究厚尾数据的统计规律上具有优势。
本文用自然灾害损失数据建模,自然灾害损失数据一般具有厚尾特征,符合保险损失索赔数据特征。文章中运用了多种厚尾性检验,如偏度和峰度统计量、QQ图和MEF图等验证了巨灾损失数据的厚尾性。本文的创新之处在于把金融风险管理常用的极值理论与VaR理论应用到对巨灾保险损失数据的拟合与未来可能最大损失的估算上。本文基于极值理论中的两种重要模型:组内极大值模型(BMM模型)与超阈值极值模型(POT模型),对中国近10年来巨灾损失数据进行拟合与实证分析。本文详细地描述了两种模型的子区间与阈值的选取,然后采用极大似然参数估计,全面地比较了两种模型在不同参数之下的拟合效果。最后,选取较优的拟合模型并应用VaR估计,给处在一定的置信度下未来可能最大的赔付损失,从而达到为保险公司的经营管理提供有效参考的目的。
评论0
最新资源