博碩士論文 105221029 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:12 、訪客IP:3.90.204.40
姓名 林晏瑜(Yen-Yu Lin)  查詢紙本館藏   畢業系所 數學系
論文名稱 隨機模型情境抽樣有效性之應用
(The Application of Efficient Stochastic Modeling from Scenario Sampling)
檔案 [Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   [檢視]  [下載]
  1. 本電子論文使用權限為同意立即開放。
  2. 已達開放權限電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。
  3. 請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。

摘要(中) 在保險業中我們經常需要做隨機模型情境的模擬,藉由過去的數據來模擬分析未來發生的所有可能性,並進行現金流量分析,然而因龐大的模擬次數,現金流量測試大量的運算時間成為了一項很大的挑戰。因此為了解決大量運行時間的問題,本研究利用不同抽樣方法在不減其模型有效性下減少樣本情境數。本文首先以幾何布朗運動模擬出一百萬組股價報酬的情境,再建立三種不同抽樣方法分別進行抽樣,檢視這三種抽樣方法是否能夠有效減少模型運行次數,並比較三種抽樣方式的優劣,且同時檢驗抽樣後隨機模型的有效性。最後本研究將抽樣結果實際應用在隨機現金流量測試中,利用條件尾端期望值作為標準,對保單責任準備金的適足性進行測試,來達到運用抽樣方法減少情境次數同時大幅減少現金流量測試責任準備金適足性運行時間的目的。
摘要(英) In the insurance industry, simulations of stochastic model scenarios are frequently used to simulate and analyze future possibilities with data in the past and conducted in cash flow testing. However, due to the huge number of simulation times, long time of computing cash flow testing becomes a big challenge. Therefore, to solve the problem of long computing time, this research reduces the number of scenario with different sampling methods but under the premises that no efficiency of models would be affected. In this paper, we use geometric Brownian motion to simulate scenarios for ten thousand groups of stock price return, and then we build three different sampling methods to check the efficiency of stochastic modeling from scenario sampling. Finally, we apply the sampling result to the stochastic cash flow testing. In addition, we use conditional tail expectation as a standard to test the adequacy of policy reserve and thus to reduce scenario times, and at the same time, to reduce cash flow testing time by using scenario sampling.
關鍵字(中) ★ 抽樣方法
★ 情境抽樣
★ 隨機現金流量測試
關鍵字(英) ★ sampling method
★ scenario sampling
★ stochastic cash flow testing
論文目次 摘要 i
Abstract ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 vii
第一章 緒論 1
1-1 研究動機與目的 1
1-2 章節架構 1
第二章 文獻回顧 2
第三章 模型架構 3
3-1 Black-Scholes模型 3
第四章 抽樣方法 4
4-1 均勻抽樣 5
4-2 顯著方法 5
4-3 相對現值距離法 6
第五章 隨機模型抽樣結果 7
5-1 風險值和條件尾端期望值 7
5-1-1 風險值(VaR) 7
5-1-2 條件尾端期望值(CTE) 8
5-2 數值分析 9
第六章 隨機抽樣之應用-現金流量測試 25
6-1 現金流量測試 25
6-2 保險商品與精算假設 27
6-3 現金流量測結果 29
第七章 結論 31
參考文獻 33
附錄一 34
附錄二 35
附錄三 37
附錄四 39
?
參考文獻 1. Edward L. Robbins, Samuel H. Cox and Richard D. Phillips (1997), Application of Risk Theory to Interpretation of Stochastic Cash-Flow-Testing Results, 85-98
2. Yvonne C. M. Chueh (2002), Efficient Stochastic Modeling for Large and Consolidated Insurance Business:Interest Rate Sampling Algorithms, 88-103.
3. Yvonne C. M. Chueh (2003), Efficient Stochastic Modeling from Scenario Sampling To Parametric Model Fitting Utilizing ASEM as an Example.
4. David C. M. Dickson, Mary R. Hardy and Howard R. Waters (2013), Actuarial Mathematics for Life Contingent Risks. Cambridge, 397-407.
5. Black, Fischer, and Myron Scholes (1973), The Pricing of Options and Corporate Liabilities, The Journal of Political Economy, 637-654.
6. Michael G. Hilgers (2000), Quasi-Monte Carlo methods in cash flow testing simulations, 517-526
7. 李綾(2006), 隨機模型建構在保險業現金流量測試之應用, 國立中央大學, 財務金融學碩士論文。
8. 詹惟淳(2013), 考慮保戶行為下對附保證投資型商品準備金之評估, 國立中央大學, 財務金融學碩士論文。
9. 黃克崴(1998), 隨機投資模型在精算上的應用, 私立東吳大學, 商用數學碩士論文。
指導教授 許玉生 楊曉文(Yu-Sheng Hsu Sheau-Wen Yang) 審核日期 2018-7-25
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明