کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5076709 1374098 2013 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Application of data clustering and machine learning in variable annuity valuation
ترجمه فارسی عنوان
کاربرد خوشه بندی داده ها و یادگیری ماشین در ارزیابی متغیر سالیانه
کلمات کلیدی
سالانه متغیر، خوشه بندی داده ها، فراگیری ماشین، شبیه سازی مونت کارلو، ارزیابی نمونه کارها، قیمت گذاری نمونه کارها،
ترجمه چکیده
ارزیابی تضمین های متغیر سالیانه به طور گسترده در چهار دهه گذشته مورد بررسی قرار گرفته است. با این حال، تقریبا تمام مطالعات بر ارزش گذاری تضمین های تعبیه شده در یک قرارداد سالانه متحرک متمرکز است. چگونه به طور موثر تضمین برای نمونه کارهای بزرگ قراردادهای سالانه متغیر قیمت توجه کافی را به دست نیاورده است. این مقاله شکاف را با معرفی یک روش جدید مبتنی بر خوشه بندی داده ها و یادگیری ماشین به منظور تضمین برای نمونه های بزرگ قراردادهای سالانه متغیر می پردازد. نتایج آزمون ما نشان می دهد که این روش با دقت و سرعت بسیار خوب عمل می کند.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
پیش نمایش مقاله
کاربرد خوشه بندی داده ها و یادگیری ماشین در ارزیابی متغیر سالیانه
چکیده انگلیسی
The valuation of variable annuity guarantees has been studied extensively in the past four decades. However, almost all the studies focus on the valuation of guarantees embedded in a single variable annuity contract. How to efficiently price the guarantees for a large portfolio of variable annuity contracts has not received enough attention. This paper fills the gap by introducing a novel method based on data clustering and machine learning to price the guarantees for a large portfolio of variable annuity contracts. Our test results show that this method performs very well in terms of accuracy and speed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Insurance: Mathematics and Economics - Volume 53, Issue 3, November 2013, Pages 795-801
نویسندگان
,