全部版块 我的主页
论坛 经济学人 二区 外文文献专区
818 23
2022-06-10
英文标题:
《A unifying approach to constrained and unconstrained optimal reinsurance》
---
作者:
Yuxia Huang, Chuancun Yin
---
最新提交年份:
2018
---
英文摘要:
  In this paper, we study two classes of optimal reinsurance models from perspectives of both insurers and reinsurers by minimizing their convex combination where the risk is measured by a distortion risk measure and the premium is given by a distortion premium principle. Firstly, we show that how optimal reinsurance models for the unconstrained optimization problem and constrained optimization problems can be formulated in a unified way. Secondly, we propose a geometric approach to solve optimal reinsurance problems directly. This paper considers a class of increasing convex ceded loss functions and derives the explicit solutions of the optimal reinsurance which can be in forms of quota-share, stop-loss, change-loss, the combination of quota-share and change-loss or the combination of change-loss and change-loss with different retentions. Finally, we consider two specific cases: Value at Risk (VaR) and Tail Value at Risk (TVaR).
---
中文摘要:
在本文中,我们从保险人和再保险人的角度研究了两类最优再保险模型,通过最小化它们的凸组合,其中风险由扭曲风险测度度量,保费由扭曲保费原则给出。首先,我们展示了如何将无约束优化问题和约束优化问题的最优再保险模型统一起来。其次,我们提出了一种直接求解最优再保险问题的几何方法。本文考虑了一类递增凸分保损失函数,导出了最优再保险的显式解,其形式可以是配额份额、止损、变动损失、配额份额与变动损失的组合或变动损失与变动损失在不同保留率下的组合。最后,我们考虑两种具体情况:风险价值(VaR)和尾部风险价值(TVaR)。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-10 07:22:58
约束和非约束最优再保险的统一方法曲阜师范大学统计学院玉霞黄传村音山东273165,中国电子邮件:ccyin@mail.qfnu.edu.cnJuly本文从保险人和再保险人的角度出发,通过最小化其凸组合,研究了两类最优再保险模型,其中风险由扭曲风险测度度量,保费由扭曲保费原则给出。首先,我们展示了如何以统一的方式建立无约束优化问题和约束优化问题的最优再保险模型。其次,我们提出了一种直接求解最优再保险问题的几何方法。本文考虑了一类递增凸分保损失函数,导出了最优再保险的显式解,其形式可以是配额份额、止损、变动损失、配额份额与变动损失的组合或变动损失与变动损失在不同保留条件下的组合。最后,我们考虑两种特殊情况:风险价值(VaR)和尾部价值风险(TVaR)。关键词:失真风险度量;失真溢价原则;几何方法;拉格朗日对偶法;增加凸函数;无约束优化问题;约束优化问题1介绍再保险是保险公司有效的风险管理工具。通过平衡已付损失和再保险保费,保险公司可以通过分担部分损失来控制风险。LetX是保险人的初始损失。假设X是累积分布函数FX(X)=P(X)的非负随机变量≤ x) ,生存函数SX(x)=P(x>x)和0<E[x]<∞.
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 07:23:01
为了避免严重的理赔,保险公司从另一家公司购买再保险,并向再保险公司支付一定金额的赔偿金作为共同赔偿。假设保险公司将损失函数分离为f(X),0≤ f(X)≤ 十、 然后保险人保留损失X- f(X),表示为If(X)。设∏f(X)表示再保险保费,该保费对应于分保损失函数f(X),TIf(X)和TRf(X)分别表示保险公司和再保险公司的总损失。然后我们得到以下关系:TIf(X)=If(X)+∏f(X)(1.1)和trf(X)=f(X)- ∏f(X)。(1.2)设T(X)表示保险人和再保险人的总服务水平s的凸组合,如下所示:T(X)=βTIf(X)+(1- β) TRf(X),β∈ [0, 1]. (1.3)最优再保险的发展经历了很长一段时间。Borch(1960)证明,在期望值原则下,当保险人的风险用方差来衡量时,止损再保险是最优的。Arrow(1963)表明,在期望价值原则下,当保险人是一个期望效用最大化者时,止损再保险是最优的。这些基本结论已扩展到许多有趣和重要的方向。例如,Young(1999)、Kaluszka(2001)、Kaluszka和Okolewski(2008)。Cai和Tan(2007)提出了两个优化标准,通过风险价值(VaR)和条件尾部期望(CTE)最小化保险人的总损失。Cai et al.(2008)表明,当他们在期望值原则下研究VaR和CTE增加凸分保损失函数时,配额份额和止损再保险是最优的。Cheung(2010),Tan et al.(2011),Chi and Tan(2011),Chi and Tan(201 3),Li et al.(20 15)扩展了基本结果。Cheung等人(2014)扩展了Tan等人的结论。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 07:23:04
(2011)到满足正则不变性的一般凸风险度量。有很多关于变更风险度量和顺序的研究,例如,尹和朱(2 016),尹(2018)。Chi and Tan(2013),Chi and Weng(2013)研究了一类保持凸序的保费原则。Zheng和Cui(2014)讨论了失真风险度量的一般模型,并假设偏差函数是分段凸或凹的。Cui等人(2013年)研究了具有扭曲风险度量和扭曲溢价原则的一般模型。Cheung和Lo(2015)在成本效益框架下扩展了Cui等人(2013)的模型。Assa(2015)通过边际赔偿函数(MIF)公式研究了Cui等人(2013)在没有保费约束的情况下的最优再保险模型。Zuanget al.(2016)将MIF公式和拉格朗日对偶方法相结合,研究了保费约束下的最优再保险。Jiang等人(2017)研究了扭曲风险测度下具有风险约束的Pareto-o最优再保险。受Cai et al.(2008)、Zhuang et al.(2016)和Jiang et al.(2017)的启发,我们希望寻求一种解决这类约束优化问题的统一方法。论文的其余部分组织如下。在第2节中,我们给出了两类优化模型:无约束优化模型和约束优化模型。此外,我们提出了两类问题的统一框架。在第三节中,我们给出了求解目标函数的几何方法,并推导了最优再保险。在第4节中,我们给出了VaR和TVaR的数值例子。第5节总结了本文。2模型在本节中,我们建立了保险人和再保险人的最优再保险模型。此外,我们还提出了一种解决无约束优化问题和约束优化问题的唯一方法。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 07:23:07
本节首先简要描述失真风险度量和失真。2.1失真风险度量和预测通过本文,我们将VaR和TVaR定义为VaRα(X)=inf{X:P(X>X)≤ α} TVaRα(X)=E[X | X≥ VaRα(X)]。定义2.1。非负随机变量X的失真风险度量定义为g(X)=Z∞g(SX(x))dx,(2.1),其中函数g:[0,1]→ [0,1]是非递减的,g(0)=0,g(1)=1。根据Fubini定理,我们得到g(X)=ZV aRα(X)dg(α)。(2.2)定义2.2。非负随机变量X的失真溢价原理定义为∏(X)=(1+ρ)g(X),其中ρ>0是安全荷载。我们得到了再保险前∏f(X)的表达式,它对应于分保损失函数f(X),如下所示:∏f(X)=(1+ρ)g(f(X))。(2.3)如果g(x)=x,则失真溢价原则恢复预期值原则。如果变形函数是ρ=0的凹函数,则扭曲溢价原理恢复了Wang的溢价原理。备注2.1。在本文中,假设失真风险度量的置信水平为1-α(0<α<1),失真溢价原则的置信水平为1- γ (0 < γ < 1). 为了便于讨论,我们给出了以下定义k(t),gα(t)gγ(t),t∈ (0, 1). (2.4)注意K(t)可以是凸的、凹的、分段凸的或凹的,这里我们只讨论K(t)是凹函数的情况。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 07:23:10
其他情况可采用相同的方法进行讨论。在下面的小节中,我们将从两个优化问题开始研究两类优化问题。2.2模型设置let H表示一类让渡损失函数,由[0]中定义的所有H(x)组成,∞) 公式h(x)=nXj=1Cn,j(x- dn,j)+,x≥ 0,n=1,2,···,其中Cn,j≥ 0和dn,j≥ 0是常数,因此0≤Pnj=1Cn,j≤1,dn,1≤ dn,2≤ · · · ≤ 设F={F(x):F(x)是用0增加凸函数≤ f(x)≤ x代表x∈ [0, ∞)}. 请注意,H F、 假设F*是一种最优再保险策略,根据Cai et al.(2008)的引理3.2和富比尼定理,我们得到了βgα(TIf*(十) )+(1- β)gα(TRf*(十) )=明∈H{βgα(TIh(X))+(1- β)gα(TRh(X))}。(2.5)现在我们考虑一个理想情况。保险人和再保险人有足够的资本,因此他们不担心自己将承担的损失,并且在设计再保险合同时,保险人可以在不受预算限制的情况下支付再保险费。在这种情况下,我们给出如下无约束优化模型。模式1(无约束优化模型)最小值{gα(T(X))}。(2.6)在实际的保险应用中,保险人和再保险人的监管机构将要求他们的损失限制在一个范围内,并且保险人将对再保险费有一个不可接受的限制。在这种情况下,我们给出了如下约束优化模型。模式2(约束优化模型)最小值{gα(T(X))},s.T。gα(TIh(X))≤ Lgα(TRh(X))≤ 五十、 ∏h(X)≤ 五十、 (2.7)其中,L表示一定的货币水平。重要的是找到一种解决无约束优化问题和约束优化问题的统一方法。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群