Markov模型框架下的重大疾病保险定价研究——基于死亡效力和发病强度的估计

商业重大疾病保险日益成为个人和家庭防范疾病风险,实现健康生活的重要工具。2020年11月5日发布的《中国人身保险业重大疾病经验发生率表(2020)》为重大疾病保险费率科学化提供了更精确的依据。本文在连续时间三状态Markov模型框架下,运用Gompertz-Makeham模型和分段Perks公式,以经验生命表和重大疾病经验发生率表为基础,分别对健康人群的死亡效力和重大疾病的发病强度进行参数估计和模型选择,进而得到18~60周岁人群的独立主险型重大疾病保险的纯保险费率。此外,通过与2013年版重大疾病经验发生率表计算得到的纯保险费率对比发现,虽然2020年版的重疾范围有所扩大,但由于重疾定义发生了变化,在保障责任一致的情形下,男性与女性的纯保险费率均有所下降。虽然男性纯保险费率高于女性,但21~60岁男性的纯保险费率相对女性下降幅度更大。

上市促进了企业创新吗?——来自创业板制造业企业的经验证据

本研究利用手工收集的2009-2013年在创业板市场申请上市的制造业企业样本以及企业创新专利变量,经过对成功上市企业与终止上市企业的样本匹配,运用双重差分模型考察了上市是否促进我国创业板制造业企业创新,研究结果表明,上市显著促进了企业专利创新。进一步地,我们探讨了上市促进企业创新的机制,结果发现,上市通过改善融资约束显著促进了企业创新,而上市没能通过影响代理问题作用于企业创新。该结果意味着直接金融发展有助于推动企业创新;资本市场的风险分担及融资机制能够降低企业融资约束、进而促进企业创新。这不仅为直接金融促进企业创新提供了新的证据,也为我国进一步发展与完善资本市场,进而促进经济转型、创新发展提供了新的政策启示。

广义对称表的定义和哲学意义

基于《多边矩阵理论》,由东方整体性思维所启迪,试图提供并完善一套从整体到局部处理复杂系统对称多指标问题、对称非均匀性问题、对称非线性问题的强有力的数学工具,并对其进行严格的理论推导和证明.广义对称性或广义对称分析方法,是许多学科关注的问题之一,在研究广义对称性问题时,构造一个广义对称表成为研究广义对称性问题的基础.作为系列论文的第一篇,本文利用自由函数模型,根据正交幂等系统,采取对称置换不变性作为平衡指标,定义广义对称表,并从哲学层面讨论它的哲学意义.

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小二乘估计要小,蒙特卡罗模拟证实了该估计量良好的性质.

江苏居民生育意愿和生育政策敏感性研究

为探究不同群体的生育意愿和对生育政策的敏感性,本文以江苏省18~50岁居民为调查对象,通过问卷调查收集了被调查者基本信息、生育基本情况、个人生育意愿、对生育政策的态度等内容,并采用多元有序逻辑回归和基于主成分的聚类分析展开研究。逻辑回归主要结果显示,年龄越大、已有子女个数越多的群体对“双减”、托管服务等政策的支持度越高;工作时长越长的人更希望推行托管服务、延长男性产假;工作时间越长、已有子女数和理想子女数较多的群体更希望减少过度加班。聚类结果表明,若要提升生育率,可以对低学历、中低收入群体推行定向经济补助、公租房等政策,对工作时间较长的群体实行减少过度加班、提供儿童托管服务的举措,营造长辈抚养的社会环境。研究结论对制定和落实生育促进政策、促进人口长期健康发展具有参考意义。

广义对称表的矩阵象和点估计

基于《多边矩阵理论》,由东方整体性思维所启迪,试图提供并完善一套从整体到局部处理复杂系统对称多指标问题、对称非均匀性问题、对称非线性问题的强有力的数学工具,并对其进行严格的理论推导和证明。广义对称性或广义对称分析方法,是许多学科关注的问题之一,在研究广义对称性问题时,构造广义对称表和正交幂等系统成为了研究广义对称性问题的基础。利用自由函数模型,根据正交幂等系统,采取对称置换不变性作为平衡指标,定义广义对称表的矩阵象,并给出对称分解项及其方差和贡献率的点估计。

保险公司风险导向型资本监管约束风险了吗?

结合前景理论和期前结果影响理论,基于均值方差框架构建数理模型,并依据成熟保险市场数据,理论分析和实证检验风险资本监管有效性。结果表明:风险资本监管能有效约束处于“损失状态”的保险公司,但对处于“盈利状态”的保险公司风险约束有限,风险资本监管有效性因市场而异。鉴于此,研究能够完善风险导向型资本监管的理论,为我国保险公司偿付能力监管提供理论支持。

大学生学业成就的构成因素及其实证研究——以地方普通高等学校为例

以939名大学生为被试,对地方普通高等学校大学生学业成就的现状进行了统计分析,结果表明,地方普通高等学校大学生学业成就整体水平有待改善;大学生学业成就在性别、学生干部和家庭居住地等方面存在显著差异;女大学生学业成就各维度均优于男大学生;学生干部的学业成就明显优于非学生干部;家庭居住在城区学生的学业成就要优于家庭居住于乡村的学生。据此,我们应该以认知理论指导教学,实现从知识传授向认知能力培养的转变;革新教育理念,提升大学生的沟通能力;优化培养体系,提升大学生人际交往能力;促进学生个性发展,培养自我管理能力。

基于ML-DMA的黄金期货价格预测研究

在黄金期货价格预测问题的研究中,价格具有时变性、非线性、高噪声和影响因子复杂等因素,决定了其被准确预测的难度。传统方法对黄金期货价格的预测主要借助于静态模型,导致预测精度不高或分析不足。为了能动态而准确的预测黄金期货价格,本文从技术行情指标、行业方面的影响因素及宏观经济环境指标三个维度选取39个变量,以机器学习(machine learning;ML)方法构建基本融合素材,利用动态模型平均(dynamic model averaging,DMA)方法代替传统模型融合技巧,得到黄金期货价格预测模型。实证结果表明,采用机器学习-动态模型平均策略能够明显提高黄金期货价格的预测精度。

金融大数据迁移学习及其应用

在金融科技发展的背景下,本文从金融大数据复杂特征入手,阐述了使用多源数据信息辅助目标任务的重要作用,从多源数据的角度解释了迁移学习技术对处理数据异质性的重要性,并对迁移学习技术相关概念和方法进行梳理和综述,包括数据驱动和基于模型的迁移学习方法.此外,本文提出了基于广义矩估计(GMM)的迁移学习方法的统一框架,给出有效的迁移学习的算法,并将所提出方法应用于多源数据下基于风险价值(VaR)和期望分位数(expectile)的风险度量.然后,在银行个人信用评估场景下模拟了样本量不足和样本不平衡两种情况,测试了三种迁移学习方法的预测精度,并分析了筛选资源域信息对提高估计精度的重要作用.最后,描述了更多迁移学习在金融领域的应用场景与发展前景.

要素投入、气候变化与粮食生产——基于双函数模型

本文以山东省为例,基于1978—2012年各传统农业投入要素的非平稳性特征和气候变量的随机特性,构建具有联动效应的粮食趋势产量模型和粮食波动产量模型,并就实证结果进行拟合优度检验和显著性检验。研究结果表明,第一,传统农业投入要素依然是促进粮食长期增长的重要变量,然而因为农业科学化和规模化的推进,各传统农业要素对粮食生产的贡献率发生结构性调整,其中农业劳动投入的重要性下降,但是农业机械和农田灌溉面积的贡献率上升;第二,气候变化对粮食生产的短期波动有重要影响,其中水灾和旱灾是农业气候变化最重要的显性指标,而积温和降水量的变化则是导致水旱灾害的隐性因子。应继续坚持完善耕地保护举措,调整和促进传统农业要素投入的动态平衡,并注重农业水利设施投入,扩大有效灌溉面积,同时关注农业灾前预警与灾后多样化融资结构的优化,尤其是政策性农业保险的保障度提升和险种创新,从而保障我国粮食主产区粮食的持续、稳定增产。

矩阵型截面数据时间序列自回归模型

矩阵型截面数据时间序列的优点在于可以同时刻画多个对象的多个属性.本文重点研究了矩阵型截面数据时间序列的自回归模型,给出了该模型的参数估计、模型识别、白噪声检验三个方面的理论结果.最后再利用矩阵型截面数据时间序列自回归模型,对两支银行股的日收益率序列和日成交量变化率序列进行建模分析.