Navigation

    精算后花园

    • Register
    • Login
    • Search
    • Categories
    • Recent
    • Tags
    • Popular
    • Users
    • Groups
    1. Home
    2. Popular
    Log in to post
    • All categories
    • 公告 (Announcements)
    • 精算考试 (Actuarial exams)
    •      英国精算师(IFoA)和澳洲精算师(IAAust)
    •          CM1利息理论和寿险精算
    •          CM2金融经济学
    •          CS1概率论与数理统计
    •          CS2精算模型和非寿险精算
    •          CB1公司金融与财务报表
    •          CB2经济学
    •          CB3和OPAT
    •          CP1-3
    •          正精FIA阶段(SP和SA)
    •      北美精算师(SOA)
    •          P概率论
    •          FM利息理论
    •          LTAM寿险精算
    •          STAM非寿险精算
    •          IFM投资与金融市场
    •          SRM风险建模统计
    •          PA预测分析
    •          VEE和FAP
    •          正精FSA阶段
    •      中国精算师(CAA)
    •          A1数学
    •          A2金融数学
    •          A3精算模型
    •          A4经济学基础
    •          A5寿险精算
    •          A6非寿险精算
    •          A7会计与财务
    •          A8精算管理
    •      北美财险精算师(CAS)
    •          MAS-I
    •          MAS-II
    •          Exam 5
    •          Exam 6
    •          Exam 7
    •          Exam 8
    •          Exam 9
    • 考研申研(Master application)
    •      国内精算考研和保研
    •          央财精算学硕
    •          外经贸精算学硕
    •          西财精算学硕
    •      国外精算研究生申请
    • 实务交流 (Work experience)
    •      面试经验
    •      产品定价(Pricing)
    •      准备金评估(Valuation)
    •      再保险(Reinsurance)
    •      市场调研
    •      监管法规
    • 数据科学 (Data science)
    •      Excel & VBA
    •      R
    •      Python
    •      SAS
    •      SQL
    •      Stata
    •      Power BI
    •      JavaScript
    •      Julia
    • 学术科研(Paper & research)
    •      保险知识
    • 精算竞赛、讲座、活动(Actuarial contests, lectures & events)
    • 论坛建议 (Comments & Feedback)
    • All Topics
    • New Topics
    • Watched Topics
    • Unreplied Topics
    • All Time
    • Day
    • Week
    • Month

    • M

      CP3 Guidance
      CP1-3 • • Mengkelyu  

      10
      0
      Votes
      10
      Posts
      32
      Views

      M

      Subject CP3 ASET 2019-21 Papers 2022.pdf
    • M

      三种Ensemble的办法(Bagging, boosting, stacking)
      数据科学 (Data science) • • Mengkelyu  

      10
      0
      Votes
      10
      Posts
      20
      Views

      M

      根据我实际的测试,Bagging后的结果确实比单次的结果好很多。大概能提升AUC 0.01左右
    • M

      一行代码EDA:Python和R中可以用一行代码进行数据探索性分析的包介绍和对比
      数据科学 (Data science) • • Mengkelyu  

      9
      0
      Votes
      9
      Posts
      24
      Views

      M

      AutoViz 照例,先安装 python -m venv au-ven au-ven\Scripts\activate.ps1 pip install autoviz 然后报了错,首先是第一个错是 ModuleNotFoundError: No module named 'scipy.special.cython_special'上网查了一下,原来是scipy版本不兼容,于是乎把scipy降到了1.4.1版本 python -m pip install scipy==1.4.1 之后发现,原来必须要用jupyter来跑这个包,因为它无法像Sweetiviz等包生成html版本的report。 from autoviz.AutoViz_Class import AutoViz_Class # 数据集来源:https://github.com/hmix13/AutoViz AV = AutoViz_Class() df = AV.AutoViz('car_design.csv') Jupyter Lab -> There you go! 说实话,没想到这个包震惊到了我,它的图实在太好康了
    • M

      规划模型运行工具 -- VBA Scheduled Run
      Excel & VBA • • Mengkelyu  

      8
      0
      Votes
      8
      Posts
      9
      Views

      M

      2.点击Run as Scheduled 控件发生的事件 (代码看不全可以左右上下滑动) '这个控件我起的名字是Run Private Sub Run_Click() ‘Error handling On Error Resume Next Dim wb As Workbook Application.ScreenUpdating = False '如果第一个Listbox不是空值 If ListBox1.Value <> "" Then '在Excel屏幕左下方告诉用户第一个宏正在跑 Application.StatusBar = "Your first task is running" '跑这个宏 Application.Run "'" + TextBox1.Value + "'!" + ListBox1.Value Set wb = Workbooks.Open(TextBox1.Value) '关掉打开的工作簿 wb.Close SaveChanges:=False ’第二第三个task同理 If ListBox2.Value <> "" Then Application.StatusBar = "Your second task is running" Application.Run "'" + TextBox2.Value + "'!" + ListBox2.Value Set wb = Workbooks.Open(TextBox2.Value) wb.Close SaveChanges:=False End If If ListBox3.Value <> "" Then Application.StatusBar = "Your third task is running" Application.Run "'" + TextBox3.Value + "'!" + ListBox3.Value Set wb = Workbooks.Open(TextBox3.Value) wb.Close SaveChanges:=False End If Else MsgBox "Please input the macro you want to schedule ;D" End If Application.ScreenUpdating = True If Err.Description = "" Then MsgBox "Successfully run" Else MsgBox "Please note the following error message in running your code: " + Err.Description End If End Sub
    • N

      邂逅澳洲精算师协会 来一场“曲线救国”的恋爱(一)
      英国精算师(IFoA)和澳洲精算师(IAAust) • • Niklaus  

      7
      0
      Votes
      7
      Posts
      26
      Views

      A

      @Niklaus 好的好的,感谢!
    • M

      IFRS 17 问答
      监管法规 • • Mengkelyu  

      7
      0
      Votes
      7
      Posts
      10
      Views

      M

      IFRS适用于哪些合同 保险公司发行的保险或再保险合同 保险公司持有的再保险合同 有保险成分的投资型合同 IFRS17要求保险公司把有类似风险的合约一起管理。每种保险合同至少要分三个组别 发行的时候认为可以赚钱的合约 发行的时候就不赚钱的合约 有可能赚钱有可能亏钱的合约
    • N

      【快乐自动化】如何用R连接数据库并批量导入数据
      R • • Nothanks  

      7
      0
      Votes
      7
      Posts
      19
      Views

      M

      @bengbengbeng 这个目前Close掉了,问题主要是1. 程序不能识别大写的CSV后缀,2. 路径的/要换成\或// 但是目前还有一个问题就是R运行起来时大的Data File似乎会遇到内存不足的问题。还没有解决方案。
    • J

      精算制度汇编(目录征集中)
      监管法规 • • Jackie  

      7
      0
      Votes
      7
      Posts
      43
      Views

      J

      @mlir 有这两个通知的链接吗?我更新进去
    • 谢

      罚广义线性模型:LASSO vs 岭回归
      R • • 谢远涛  

      7
      1
      Votes
      7
      Posts
      22
      Views

      M

      Ridge罚回归的贝叶斯解释: Bayesian interpretation of regularization 普通OLS回顾 对于普通的OLS回归,当假设残差项为正态分布时,我们可以把它算作MLE(Maximum likelihood regression) $y = \beta_0 + \beta_1 \times x_1 + \beta_2 \times x_2 + ... \beta_n \times x_n +e$ ($\beta_0 + \beta_1 \times x_1 + \beta_2 \times x_2 + ... \beta_n \times x_n$用向量表示的话就是 $X\beta$) $\text{Likelihood}: L(\beta|X) = p(Y|X, \beta)$ MLE的任务就是要最大化likelihood。 因为$e\text{服从} N(0, \sigma_e^2)$, 所以 $y \text{服从} N(X\beta, \sigma_e^2 I)$ 因此, likelihood 可以表示为 $\text{Likelihood} ~ N(X\beta, \sigma_e^2 I) \propto exp(-\frac{1}{2\sigma_e^2}||Y-X\beta||^2)$ 所以得出结论:需要找到让$||Y-X\beta||^2$最小的$\beta$ 罚回归 这里要引入MAP的概念(maximum a posteriori estimate),是指最大化后验分布概率 罚回归相当于我们假设$\beta$的先验分布是正态分布$N(0, \tau^2 I)$其中$\tau$是未知常量 根据贝叶斯公式,可以得到 $p(\beta|X,Y) \propto p(Y|X, \beta) p(\beta)$ $\text{Likelihood} \propto exp(-\frac{1}{2\sigma_e^2}||Y-X\beta||^2) \times exp(-\frac{1}{2\tau^2}||\beta||_2^2)$ 最大化likelihood就是最小化$||Y-X\beta||^2+\frac{\sigma_e^2}{\tau^2}||\beta||_2^2$ 其中$\frac{\sigma_e^2}{\tau^2}$就是参数$lambda$
    • M

      定价篇(一)如何平滑死亡率曲线 -- 统计方法应用
      产品定价(Pricing) • • Mengkelyu  

      6
      0
      Votes
      6
      Posts
      34
      Views

      M

      对这篇文章的分享就到这里,如果有兴趣的话呢,可以看看原文更加丰富的内容。原文中还有R代码的实现。可以一试或者和我讨论。
    • M

      常用VBA集锦(更新)
      Excel & VBA • • Mengkelyu  

      6
      0
      Votes
      6
      Posts
      85
      Views

      M

      打开一个文件夹内所有工作表 Sub Open_all_excel_files_in_folder() Dim FoldPath As String Dim DialogBox As FileDialog Dim FileOpen As String On Error Resume Next Set DialogBox = Application.FileDialog(msoFileDialogFolderPicker) If DialogBox.Show = -1 Then FoldPath = DialogBox.SelectedItems(1) End If If FoldPath = "" Then Exit Sub FileOpen = Dir(FoldPath & "\*.xls*") Do While FileOpen <> "" Workbooks.Open FoldPath & "\" & FileOpen FileOpen = Dir Loop End Sub
    • M

      不太常见的换算函数(Commutation function)
      CM1利息理论和寿险精算 • • Mengkelyu  

      5
      0
      Votes
      5
      Posts
      14
      Views

      M

      @Nothanks 嗯嗯 目前是理论意义大于实际意义,但是有的精算考试中还需要。希望能理论能跟上实际的步伐吧
    • K

      【求助】用转换函数表示的离散定期寿险的保费计算
      LTAM寿险精算 • • kkfg01  

      5
      0
      Votes
      5
      Posts
      20
      Views

      A

      @Jackie 第二问期限还得改成10年
    • M

      如何用pandas 直接读取excel
      Python • • Mengkelyu  

      5
      0
      Votes
      5
      Posts
      8
      Views

      M

      代码如下 import pandas as pd tables = pd.read_excel("./premium_preparation.xlsm", sheet_name = [0,1]) rate_table = tables[0] short_rate_table = tables[1]
    • M

      精算R包actuar
      R • • Mengkelyu  

      5
      0
      Votes
      5
      Posts
      18
      Views

      M

      参考文献 https://cran.r-project.org/web/views/Distributions.html actuar.pdf Simulation+of+Compound+Hierarchical+Models+in+R.pdf https://cran.r-project.org/web/packages/actuar/vignettes/credibility.pdf
    • M

      养老年金和增额寿险的IRR比较问题
      产品定价(Pricing) • • Mengkelyu  

      5
      0
      Votes
      5
      Posts
      7
      Views

      M

      引用群里其它同学的回答: @M 不一定养老金更高,要看定价基础、生命表选择。养老金的形态设计也会影响收益,看是现价收益高还是年金收益高。增额寿的形态是后期没有杠杆的,养老金是可能有杠杆的。 如果所有假设都一样,那么就是杠杆问题了,高领取的养老金后期没有死亡责任,那么保单退出了之后他的钱就留在池子里,留给活的人分,所以养老金账户的累积利率可以高于5.5%的,增额终寿就不高于3.5%。 @Cyrene 平均年龄没有85,带了杠杆。 自己搭一下定价模型调一下假设就知道了 增额本质就是个理财基本就没有杠杆 他的IRR不可能超预定利率 年金活的越久你越赚 是带杠杆的 转移了长寿风险给保司。 总的来说早死晚死区别不大。 @wb 但我记得中途退保的话,实际收益并没有3.5。不过长期还是要看通胀的,如果未来通胀超过预期,增额其实就比理财亏了。 @Devin 国内试点的养老理财收益分分钟超增额终身寿。问题是抢不到额度,现在监管各种窗口指导 增额终身寿现价也必须得平滑上升 原来4.025的收益也没了。
    • M

      [求助] Altair 如何显示部分X轴标签
      Python • • Mengkelyu  

      5
      0
      Votes
      5
      Posts
      7
      Views

      M

      Reference: https://altair-viz.github.io/user_guide/generated/core/altair.Axis.html https://vega.github.io/vega/docs/expressions/
    • N

      死亡率假设随着年龄趋同
      实务交流 (Work experience) • • Nothanks  

      4
      0
      Votes
      4
      Posts
      16
      Views

      M

      群里讨论纪要 陈: 年纪大了最后都会死的,基本原理就是这个吧 邱: 就是那个选择因子,一开始死亡率会偏低,过几年死亡率就和没有被选择过的一样了,是一个道理吗 selected mortality 陈: 反正到了80,要么去死 要么去当总统 Keke🤭 因为underwriting的存在所以死亡率变低。 我这个主要是说老了以后怎么死和以前的生活方式关系不大了 邱: 对,后面选择因子就是100%了 但是吸烟者似乎老了之后发病率会更高唉 Keke🤭 是嘛 张 分时间段。 在一百岁左右的时候,以前的选择对这时候的死亡率影响就可以忽略不计了。 陈: 所以说嘛就是到了年纪都会死的 邱: 100岁肯定忽略不计,大家都死了 Keke🤭 这是我找到的一份60-72的死亡表(分Smoker和Non-Smoker),虽然Smoker最后人很少了,但是大概说明这个点是差不多的:一开始吸烟者死亡率是不吸烟者的几倍,后来慢慢比例降低,最后吸烟的人反而死亡率比较低 你说的有道理,我觉得大概就是七八十岁决定死亡的最大因素不是生活方式了 木: 估计从几岁开始吸也相关吧 1960年时候90岁 说明1870年就出生了 那时可能卷烟还没普及 Keke🤭 那你可以看看最近的统计数据能不能有不一样的结论 木: 如果真是这样 那我得90开始猛吸 张: 如果将死亡影响因子二分为生物性和社会性。 人体这个复杂系统。可以类比于一个生化机器人,在完美条件下的设计使用寿命是一百五十岁左右(好像是以前有医学家说的,具体没有考证过)。 零岁以前,生物性影响是致命的。不在表格中。不具备社会性因素。 随着年龄增加,25岁以前,生物性影响因素,比较大,身体机能达到最佳。25以后身体机能逐渐下滑。30以后,社会性因素影响逐步上升。直到七十五岁左右。 这个也和幸存者偏差具有一定关系。 活到八十以后的死亡影响因素中,生物性影响因素更强(即,这就是宿命)。 毕竟,到了那个年龄,活多久不是你能决定的。大多是命。 就像曾经学习基督教神学,上帝要不要拯救你。 不是你能决定的。 要看上帝,要看命。 Keke🤭 Gavrilov很多著作真的是研究这个的,活多久和什么有关 张: 用系统科学的观点。 人体本来就是个复杂系统。 社会是巨型复杂系统。 我们只能通过概率来对总体进行分析、预测,然而并不能用确定的因果关系进行理解。 对于个体而言,活多久,是个玄学。[Lol] Mr.Y: 感觉 抽烟抽的猛的在80、90岁之前就被筛选掉了 剩下来的人,影响寿命的各种因素里面 吸烟就已经很不那么重要了 张: 是的,幸存者偏差有很大的影响。 Keke🤭 死亡率研究的对象就是幸存者嘛,哈哈 毕竟条件概率 泽: 梦回ca1 Keke🤭 泽人学长快把你的研究和大家分享一下(可爱) 泽: 还有smoker的定义本身可能主观对不[Doge]@Keke🤭  我…我…我… 惭愧哈哈 Keke🤭 被我当场逮住 张: 以目前人类的科技水平,无法对人体数以亿计的细胞进行仿真模拟。 毕竟这种参数级别本来就是数以千亿级别的复杂系统。 只能研究总体。 泽: [Awesome][Awesome] 补充一点就是如果是从精算模型来看应该是说老年人对引起死亡率变化因子(比如吸烟喝酒什么的)的敏感度不高,但这个值对中年人很显著,结论的话可以理解为,喝不喝酒抽不抽烟对年轻人来说的健康很重要,但是对老年人而言,维持他们本身的生活健康,开心幸福,或者一些别的原因更重要。还有就是没有办法得到健康和一些生活习惯在每个年龄段都显著。 木: 看来到90也不能猛吸 Mr.Y: 毕竟命还是自己的 统计上的东西 对单独个体而言 本身就只有参考意义
    • M

      如何利用Class module计算精算现值
      Excel & VBA • • Mengkelyu  

      4
      1
      Votes
      4
      Posts
      29
      Views

      M

      更新一个点: property let的input type和property get的output type必须是同一个数据类型,不然会报Definitions of property procedures for the same property are inconsistent的错 例如 Property Let car_type(user_input_car_type As Variant) variable_car_type = user_input_car_type End Property Property Get car_type() As String car_type = variable_car_type End Property 会报错 Property Let car_type(user_input_car_type As String) variable_car_type = user_input_car_type End Property Property Get car_type() As String car_type = variable_car_type End Property 就没问题啦
    • M

      如何用Bokeh和ggplot制作Grouped and Stacked Column Chart
      数据科学 (Data science) • • Mengkelyu  

      4
      0
      Votes
      4
      Posts
      10
      Views

      M

      Bokeh的效果图: