跳-扩散风险模型下的最优投资和再保策略

来源 :郑州大学学报:理学版 | 被引量 : 0次 | 上传用户:kingwangcheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究了跳-扩散模型下的最优投资和最优再保险策略问题.基于跳-扩散风险模型,考虑购买非便宜比例再保险,以及资产投资于无风险资产和风险资产的条件下,通过应用HJB方程理论,得到破产时期望红利最大的最优策略和值函数.同时给出了当理赔分布为指数分布时最优投资策略和值函数的计算方法.算例中给出了一些参数对投资策略的影响,可以看出投资策略是符合实际情况的.
其他文献
提出了一种支持数据源动态加入的交互式数据集成方法。该方法利用基于可视化嵌套表格提供所见即所得的即时集成环境,利用语义映射工具提供半自动化的支持,渐进式地向用户推荐可
设D=∏r+i(n∈Z),ri≡5 mod 6(1≤i≤n)为彼此不相同的奇素数,p≡1 mod 6为奇素数,关于丢番i=1图方程x3±1=2pDy2的初等解法至今仍未解决.运用Pell方程的解的性质、同余式、平
Tutte猜想每个4-边连通图存在处处非零3-流.验证3-流猜想对于定义在Abel群上的点传递图是成立的,这个结果推广了Potocnik等在2005年的研究结果.
考虑到保险公司的投资收益及分红策略,建立常利率和常数红利边界策略下的稀疏风险模型,其中保费收入不再是时间的线性函数,而是一个复合Poisson过程,且索赔次数是保单到达数
机器学习中,特征选择可以有效降低数据维度.考虑到流形学习能够保持原始数据的几何结构,l_(2,1)范数能够防止过拟合,提升模型的泛化能力,将二者结合起来可以提高特征选择的效果和效率.结合局部邻域嵌入(LNE)算法和l_(2,1)范数,提出一种新的无监督特征选择方法.其主要思想是:首先利用数据样本和邻域间的距离以及重构系数构造相似矩阵;其次构建低维空间并结合l_(2,1)范数进行稀疏回归;最后计算每
制备抗胶质纤维酸性蛋白(glial fibrillary acidic protein,GFAP)单克隆抗体,并尝试建立双抗夹心ELISA检测方法,为出血性脑卒中早期诊断提供基础材料.用重组人GFAP作为抗原免疫
针对因果关系事件中对象、属性及其相互作用关系抽取工作的不足和因果关系中的长距离依赖问题,定义了创新问题的因果关系表达方式,提出了基于层叠跳跃链条件随机场的因果关系标
基于经典风险模型,对有限分红率下公司分红和注资的最优策略进行了深入研究,以便实现公司风险最小化或者股东净收益最大化的目的.首先根据保险公司的盈余过程推导了值函数V(x)
对一类非线性黏弹性方程利用双线性元Q_(11)及Q_(01)×Q_(10)元提出了一个低阶协调混合元格式.基于上述两个单元的高精度分析,利用平均值以及对时间变量的导数转移技巧,得到了
将系统动力学与双要素(水资源量和水环境质量)模型相结合建立城市水资源人口承载力模型,以长春市为例,模拟了2014—2030年长春市水资源人口承载力在不同方案下的动态变化趋势.