Bivariate Distribution Regression with Application to Insurance Data
二元分布回归及其保险数据应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心为条件联合分布估计，并明确计算保险风险价值与预期损失，支持分布方法与金融风险分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
二元分布回归及其保险数据应用
- 研究问题
- 如何在给定协变量后灵活估计二元结果的联合分布与依赖结构，同时容纳离散、连续及混合结果，并据此计算条件尾部风险指标？
- 方法与思路
- 作者结合分布回归与分解方法建立半参数条件联合分布模型，通过模拟比较有限样本表现，并应用于机动车第三者责任保险组合。
- 材料陈述的贡献
- 摘要称方法无需对整个分布施加全局参数假设，可处理不同结果类型；应用估计条件风险价值和预期损失，模拟表现相当或更好。
- 阅读关注点
- 应核对联合分布的分解方式、条件分布估计的一致性约束，以及尾部分位数和预期损失的计算、不确定性量化及比较基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出理论条件或误差数值，有限样本比较不能证明方法在所有分布下更优。
原文摘要
Understanding variable dependence, particularly eliciting their statistical properties given a set of covariates, provides the mathematical foundation in practical operations management such as risk analysis and decision-making given observed circumstances. This article presents an estimation method for modeling the conditional joint distribution of bivariate outcomes based on the distribution regression and factorization methods. This method is considered semiparametric in that it allows for flexible modeling of both the marginal and joint distributions conditional on covariates without imposing global parametric assumptions across the entire distribution. In contrast to existing parametric approaches, our method can accommodate discrete, continuous, or mixed variables, and provides a simple yet effective way to capture distributional dependence structures between bivariate outcomes and covariates. Various simulation results confirm that our method can perform similarly or better in finite samples compared to the alternative methods. In an application to the study of a motor third-party liability insurance portfolio, the proposed method effectively estimates risk measures such as the conditional Value-at-Risk and Expected Shortfall. This result suggests that this semiparametric approach can serve as an alternative in insurance risk management.