ВступСередовище актуарної діяльності -це сукупність процесів, пов'язаних з діяльністю страхових компаній, головною метою яких є фінансова компенсація наслід-ків випадкових подій, які несуть за собою матеріальні збитки. Однак, наприклад, азартні ігри та торгівля цінними паперами не є предметом розгляду у сфері страхування, оскільки у випадку з азартними іграми -учасники свідомо погоджуються на ризик, розуміючи, що ситуація може видатись вдалою або ж невдалою для їх матеріального положення. Аналогічна ситуація і з цінними паперами -учасник торгів може зазнати невдачі, але його ризики не страхуються, оскільки у такому випадку страхові компанії повинні розпла-чуватись за будь-яке невдале розміщення капіталу. Таким чином, у сфері страхування існує два основних види ризиків, перший -чистий ризик, а другий -спе-кулятивні. Предметом інтересу страховиків є тільки чисті ризики [1].Страхова діяльність спрямована на перерозподіл грошових коштів та акумулювання їх безпосередньо для страхової діяльності, а з іншого боку -для ін-вестування цих коштів у різні галузі діяльності, що сприяє їх подальшому розвитку. Таким чином, ви-никають задачі аналізу та менеджменту фінансових ризиків і процесів інвестування з використанням су-часного апарату математичного моделювання, теорії оцінювання, прогнозування та ефективної підтримки прийняття рішень [2,3]. Отже, в силу характеру та розмаїття діяльності страхових компаній ця сфера потребує розробки, удосконалення та впровадження у практику еко-номіко-математичних моделей для обчислення, оці-нювання і прогнозування в умовах невизначеності, ризику реалізації багатьох процесів, які зустрічаються у повсякденному житті фізичним особам та підприєм-ствам різних форм власності і діяльності.Робота посвячена розробці методики моделювання актуарних процесів з використанням узагальнених лінійних моделей (УЛМ) [4]. Також пропонується метод оцінювання параметрів УЛМ на основі бай-єсівського підходу. Наведено приклади застосування запропонованої методики побудови моделей з викори-станням фактичних даних. Аналіз літературних даних та постановка проблемиНа практиці поширеними є методики побудови мо-делей типу авторегресії з ковзним середнім (АРКС), АРКС з ендогенними змінними (АРКСЕ) [5 -7]. Однак, у представлених методиках поняття структури моделі не носить чіткого характеру, а визначенню нелінійності приділяється незначна увага, що може супроводжува-тися отриманням хибних результатів при застосуванні до актуарних процесів. Основні передумови, на яких за-сновані математичні моделі прогнозування за допомо-гою ретроспективної вибірки за визначений період часу можна формулювати у вигляді таких трьох постулатів:
The article deals with methodology of development ща Bayesian network (BN) for risk estimation and probability of damages if insurance case was happened. The model in terms of BN was proposed. It shows cause-andeffect relationships between factors of operational risks and damages of insurance companies (IC). The effectiveness of suggested model was experimentally proved used to actual data of Ukrainian IC in 2003-2014
Background. To solve the problems of modeling and forecasting on the basis of large datasets (including singular ones) in conditions of uncertainty it is necessary to develop integrated information decision support systems (DSS). A methodology is proposed for application of extreme value theory for statistical models development and DSS on their basis. Objective. The goal of the study is in application of the extreme value theory for analysis and estimation of model parameters on the basis of random samples. It is necessary to develop an effective methodology for analysis of pseudorandom sequences and estimation of unknown model parameters; to present examples of analysis using extreme value theory and software developed. Methods. To solve the problems stated the following approaches were used: pseudorandom sequences generating procedures; probabilistic distributions of the extreme value theory, and methods for estimating unknown model parameters. A multistep methodology is proposed for extreme values processing and DSS is developed for analysis and modeling of pseudorandom sequences. Results. Using the DSS developed and generated statistical data as well as proposed methodology the procedure was developed for extreme values analysis. The procedure is to be used for estimating of forecasting models for the process of various origin. A comparative analysis of parameter characteristics for GEV-distributions was performed. Conclusions. Using the instrumentation developed it was shown that the proposed methodology for processing extreme values is convenient for analysis of singular datasets. This is substantiated with the high quality approximation of theoretical probability density by empirical curve. A comparison of model parameters estimation results showed that the estimates converge faster when parameters of form and scale are defined more exactly.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.