巨灾事件模型的平均损失的校正方法技术

本发明专利技术涉及一种巨灾事件模型的平均损失的校正方法，包括以下步骤：读参步骤读取每个巨灾事件的事件标识和相应的平均损失与年发生频率，读取预置超越概率及与之对应的预置损失值；计算步骤由每个巨灾事件的所述年发生频率计算每个所述平均损失的超越概率；查找步骤将每个所述平均损失的超越概率与所述预置超越概率比较，查找所述预置超越概率中与所述平均损失的超越概率相同的值；替换步骤用所述预置超越概率中与所述平均损失的超越概率相同的值作为校正损失替换所述平均损失。根据本发明专利技术的技术方案，不需要对事件发生的概率分布进行多次抽样操作，同时能够保证生成出来的超越概率曲线具有较好的准确性以及稳定性。概率曲线具有较好的准确性以及稳定性。概率曲线具有较好的准确性以及稳定性。

【技术实现步骤摘要】
巨灾事件模型的平均损失的校正方法


[0001]本专利技术涉及再保险领域，尤其涉及一种巨灾事件模型的平均损失的校正方法。

技术介绍

[0002]在巨灾事件损失计算以及定价的过程中，系统首先需要根据巨灾模型进行事件模拟，也就是要生成巨灾事件的实际发生情况。系统在进行巨灾事件模拟时，会根据巨灾模型当中的事件信息生成事件的实际发生情况，在对事件进行模拟生成事件的实际发生情况之后，将会对每一个实际发生的事件生成它的实际损失。在生成事件的实际损失时，需要构建该事件的概率分布，之后进行模拟抽样。
[0003]若某一事件在模拟结果中出现的次数较多，就需要对该事件的分布进行同样次数的抽样，此时，抽样操作将会耗费较长的时间。由于所有事件数量在千万级别，若进行100000年的模拟，模拟出的实际发生情况表中将会有几亿次事件发生，因此将会进行几亿次抽样，计算量十分庞大。
[0004]此外，如果某一事件的实际发生情况中出现次数较少，比如就出现1次，那么在进行抽样时，抽样结果很难准确表示该事件的损失分布情况，在每次计算时，抽样出来的结果都不同。这样在后续计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种巨灾事件模型的平均损失的校正方法，其特征在于，包括以下步骤：读参步骤 读取每个巨灾事件的事件标识和相应的平均损失与年发生频率，读取预置超越概率及与之对应的预置损失值；计算步骤 由每个巨灾事件的所述年发生频率计算每个所述平均损失的超越概率；查找步骤 将每个所述平均损失的超越概率与所述预置超越概率比较，查找所述预置超越概率中与所述平均损失的超越概率相同的值；替换步骤 用所述预置超越概率中与所述平均损失的超越概率相同的值作为校正损失替换所述平均损失。2.如权利要求1所述的方法，其特征在于，根据式I计算每个所述平均损失的超越概率：其中，OEP(EventLoss[i])表示第i个平均损失的超越概率，EventLoss[i]表示在排序平均损失中的第i个平均损失，EventFrequencySum[i]表示第i个累加频率，e为自然底。3.如权利要求2所述的方法，其特征在于，还包括以下步骤：对巨灾事件按照所述平均损失大小进行排序，得到对应的所述排序平均损失和排序年发生频率；对所述排序年发生频率依次累加，得到所述累加频率。4.如权利要求3所述的方法，其特征在于，若所述预置超越概率中不存在与某个所述平均损失的超越概率相同的值，用所述预置超越概率中与该超越概率最接近的两个值，按照式II进行线性插值计算得到校正损失：其中，Loss[i]表示第i个巨灾事件的校正损失，EventLoss[i]表示在所述排序平均损失中的第i个平均损失，OEP(EventLoss[i])表示所述EventLoss[i]的超越概率，OEPmin表示在所述预置超越概率中与所述EventLoss[i]最接近的两个值中较小的，Lossmin为所述OEPmin对应的损...

【专利技术属性】
技术研发人员：杨浩，鲁涵，杨李，李旭，
申请(专利权)人：中国再保险集团股份有限公司，
类型：发明
国别省市：