Parametric divisibility of stochastic losses
随机损失分布的参数化可分性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：摘要涉及保险损失分布与卷积根计算，但未明确研究尾部或系统性风险，也未涉及其他给定细分，因此暂不指定细分。
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…
随机损失分布的参数化可分性
- 研究问题
- 在保险与再保险损失的加性风险因子模型中，如何低成本计算分布的卷积根，并利用可参数化求根的分布近似其他分布的组成部分？
- 方法与思路
- 作者利用 Gamma 分布卷积根可完全参数化计算的性质，构造其他分布卷积根的近似算法，并提供若干算法示例。
- 材料陈述的贡献
- 摘要称，Gamma 分布的参数化求根能够避免重度数值计算，论文进一步利用这一性质近似其他损失分布的卷积根。
- 阅读关注点
- 应核对适用分布是否满足相应可分性、Gamma 近似如何构造，以及近似误差和计算成本如何在不同损失分布中评估。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要中的零误差针对特定参数化求根，不能推广到其他分布的近似。
原文摘要
A probability distribution is n-divisible if its nth convolution root exists. While modeling the dependence structure between several (re)insurance losses by an additive risk factor model, the infinite divisibility, that is the $n$-divisibility for all $n \in\mathbb N$, is a very desirable property. Moreover, the capacity to compute the distribution of a piece (i.e., a convolution root) is also desirable. Unfortunately, if many useful distributions are infinitely divisible, computing the distributions of their pieces is usually a challenging task that requires heavy numerical computations. However, in a few selected cases, particularly the Gamma case, the extraction of the distribution of the pieces can be performed fully parametrically, that is with negligible numerical cost and zero error. We show how this neat property of Gamma distributions can be leveraged to approximate the pieces of other distributions, and we provide several illustrations of the resulting algorithms.