基于卡尔曼算法的回归信度模型研究
2016-10-27吴黎军
重庆理工大学学报(自然科学) 2016年9期
王 涛,蔡 敏,林 杉,李 洋,吴黎军
(1 新疆大学 数学与系统科学学院, 乌鲁木齐 830046;2.西安财经学院 统计学院,西安 730000)
基于卡尔曼算法的回归信度模型研究
王涛1,蔡敏1,林杉2,李洋1,吴黎军1
(1 新疆大学 数学与系统科学学院, 乌鲁木齐830046;2.西安财经学院 统计学院,西安730000)
主要研究在卡尔曼算法下的回归信度模型的信度估计问题,即将卡尔曼算法运用到回归信度模型中,得出了回归信度模型推导的另一种方法。由结果可知:用卡尔曼算法推导出的递推公式与用贝叶斯方法推出的结果一致,但用卡尔曼算法更直接、更简单,从而推广了经典的信度理论。
卡尔曼算法;回归信度模型;信度理论
在非寿险精算学中,信度理论一直是最重要的保费定价方式之一,其基本原理是精算师根据投保人过去的索赔经历来预测投保人未来的风险保费。信度理论最早为Mowbray[1]和Whithey[2]所研究,且提出了最基本的保费公式:

(1)

卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程,通过输入输出观测数据对系统状态进行最优估计的算法[6-8]。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可看作滤波过程。数据滤波是去除噪声还原真实数据的一种数据处理技术。Kalman滤波在测量方差已知的情况下,能从一系列存在测量噪声的数据中估计动态系统的状态。由于其便于计算机编程实现,并能对现场采集的数据进行实时的更新和处理,成为目前应用最为广泛的滤波方法,在通信、导航、制导与控制等多领域得到较好的应用[9]。……
登录APP查看全文
