【摘 要】
：
进入21世纪以来,自然灾害的发生频率在不断增加,且带来的经济损失有上升趋势,地震、台风、洪涝等巨灾在全球范围内带来了不可估量的损失。尤其是我国近12年来每年自然灾害造成的直接经济损失的数目都超过了 2500亿元,每年我国受灾人数都超过了 1亿人。但是在需求充足的巨灾风险市场上,保险公司面临巨灾保险产品供给有限、承保能力和偿付能力不足等问题。巨灾风险证券化的手段之一——巨灾债券可以将风险转移到资本市
论文部分内容阅读
进入21世纪以来,自然灾害的发生频率在不断增加,且带来的经济损失有上升趋势,地震、台风、洪涝等巨灾在全球范围内带来了不可估量的损失。尤其是我国近12年来每年自然灾害造成的直接经济损失的数目都超过了 2500亿元,每年我国受灾人数都超过了 1亿人。但是在需求充足的巨灾风险市场上,保险公司面临巨灾保险产品供给有限、承保能力和偿付能力不足等问题。巨灾风险证券化的手段之一——巨灾债券可以将风险转移到资本市场,有助于为解决以上问题提供思路。因此,本文以福建省台风灾害为研究对象,对福建省台风巨灾债券定价的复合触发机制进行研究。本文首先阐述巨灾风险证券化、巨灾债券产品要素和结构、运作机制、触发机制、巨灾债券定价模型的框架;然后收集1989-2019年间福建省台风灾害造成的经济损失、受灾面积、受灾人数和台风登陆次数数据,分别建立数据的独立分布并选择拟合优度最佳的统计分布,全面、准确地描述福建省台风灾害特征;接着,用Copula函数建立损失-受灾面积的联合分布,形成福建省台风债券的复合触发机制;进而对利率期限结构从简化到复杂进行推导,用蒙特卡洛模拟得到利率的仿真序列,再使用基于均衡定价理论的定价模型,计算得到对福建省台风债券损失-受灾面积触发机制下的价格。然后以利率期限结构为主进行了敏感性分析。本文的实证过程中,模型及其结果环环相扣、逻辑清晰。最后本文结合整个研究过程为我国巨灾债券发展提出对策和建议。
其他文献
作为我国一种新兴的金融机构，村镇银行在弥补农村金融服务缺位等方面作出了突出贡献，为农村经济增长和小微企业发展提供了重要的金融支持。然而，随着村镇银行的快速发展，村镇银行的信贷风险不断增多，出现资产质量下降、贷款不良率上升、违规开展业务等一系列问题。甚至部分村镇银行没有建立信贷风险管理机制，一旦发生大规模信贷风险，将给储户和国家造成巨大的损失。鉴于此，文章对新时期村镇银行信贷风险管理存在的问题进行分
深度神经网络由于其出色的性能被广泛的应用到了各个领域中,但同时深度神经网络也具有计算量和参数量较大的弊端,这样的特点阻碍了深度神经网络的进一步发展。近年来大量的研究关注于深度神经网络的压缩与加速,并提出了多种有效的方法。一种常用的方法是神经网络的剪枝,但目前的剪枝方法大多都依赖手工设计剪枝模型结构和单一的剪枝算法,在面对不同的硬件或者压缩目标时欠缺灵活性,并且在压缩率较高的时候难以维持原有的性能。
箱包重识别目的在于对箱包进行跨摄像机跟踪,其在机场以及海关安检等地方对丢失箱包寻找或可疑箱包追踪发挥重要的作用。目前主流技术是通过射频标签来实现定位跟踪,该标签可能存在运输过程意外脱落、人为撕开以及受金属干扰等问题。箱包重识别作为新型跟踪技术可以作为射频识别的代替或补充。由于该技术不需要物理标签,因此不会存在上述的问题且能够降低成本。然而箱包具有姿态变化大、相互遮挡以及个体间存在极为相似等情况从而
视频目标检测与跟踪作为计算机视觉中的基础问题,已被广泛应用于视频监控、无人驾驶、增强现实等实际场景中。然而,由于实际场景的复杂性,视频中的目标往往会受到遮挡、模糊、相机失焦等问题的影响。这些问题使得视频目标检测与跟踪方法在实际应用中存在一定的局限性。与图像不同,视频包含丰富的时空（Spatial-Temporal）信息。通过充分挖掘视频中丰富的时空信息,可以有效提高视频目标检测与跟踪的精度。鉴于此
具有丰富分子轨道和多个能级的有机分子已成为微型分子电子器件和热电材料的良好候选者,分子结的电输运及热电性质测量对于分子导电机制研究具有重要意义,也为推动集成电路工业小型化和高效热电转换的发展提供了新思路。随着扫描隧穿裂结等精密测量仪器技术的开发和拓展,众多单分子结或分子膜器件的热电性质被广泛研究,并初步开拓了热电性质基于分子与电极的接触效应、长度依赖性、分子内部取代基团、外部环境调控的变化规律。进
合理膳食是老年人保持健康、防治慢性病的最佳途径之一。当前中国社会老龄化进程加速,老年人膳食健康问题也逐渐突显。一方面,随着老龄人口的增加以及对膳食健康的日渐重视,社会中对老年人膳食知识的需求迅速增长。另一方面,老年人缺乏获取全面的膳食知识的途径,且难以分辨互联网中混杂的信息。基于此,本文在保证易操作性的前提下,设计并实现老年人膳食问答推荐系统,精准实时地为广大老年人及其家属答疑解惑,方便用户快捷地
深度学习已经成功地被应用于解决各种计算视觉问题。但在无人驾驶、机器人技术等应用场景下,图片无法提供感知环境所需的全部信息。相比于图像,三维数据可以更准确地还原现实场景,在不同应用场景的推动下,处理三维数据逐渐成为热门课题,其中点云作为较为简洁的三维数据的表示形式,不论是获取还是应用上都十分简便,因此高效地分析点云是让机器理解三维数据的关键。然而现存的方法存在诸多问题,比如,在点云场景语义分割任务中
全卷积神经网络为图像语义分割开辟了新的发展道路,使图像语义分割得到了迅猛发展。图像语义分割是将不同的图像区域解析为语义相关类别的视觉任务。图像语义分割在车辆自动驾驶、医学疾病诊断、视频监控等方面有着广泛的研究前景和实践意义。现有的主流全监督图像语义分割方法需要耗费大量人力进行像素级标注,因此,研究不完全标记的图像语义分割是一个具有实际意义的研究方向。然而,现有的使用相对容易标注样本的弱监督图像语义
近年来,深度卷积神经网络推动了人工智能的快速发展,但神经网络模型庞大的参数量和计算量,严重制约了其在资源受限的移动嵌入式设备端的应用和部署。庞大的市场需求,促使越来越多的学者聚焦于神经网络压缩与加速的研究。本文致力于基于量化的神经网络压缩与加速算法的探索,基于参数量化技术,分析量化误差,并据此提出提高量化模型性能的优化算法。本文研究内容和创新点如下:（1）基于渐进优化的量化算法。现有自动混合精度量
改革开放以来,我国进入一个迅速变革的时期,剧烈变化的社会环境给个体带来冲击,导致心理问题和精神疾病的患病率明显升高,精神疾病成为新的健康问题。随着我国精神卫生政策的完善和发展,社区康复已经成为精神健康基层政策的重点。严重精神障碍社区康复服务涉及众多复杂社会问题的解决,需要多部门共同参与协作,减少服务的重复,填补服务的空白,以提供更加灵活、协调、关联的整合服务。尤其是在强调多元主体参与共治的社会治理