アクチュアリアル・サイエンスと統計的諸問題
清水 泰隆
早稲田大学 理工学術院 応用数理学科
統計サマーセミナー2017
2017年8月5-8日@日光鬼怒川温泉
⃝Shimizu Lab.c
Y.Shimizu WASEDA Univ.
Contents
序章・アクチュアリアル・サイエンス
リスク計量化の手法
(保険料計算原理,VaR,TVaR)
保険リスクの計量化と統計的推測 (複合分布のVaR)
その他・統計的諸問題
(破産理論,支払備金,死亡率予測) まとめ
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks
Part I
序章・アクチュアリアル・サイエンス
Y.Shimizu WASEDA Univ.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Actuarial Science
アクチュアリー ?
Actually? ̸= Actuary
アクチュアリー: problem solvers, strategic thinkers,share a love of maths, analyse data, evaluate financial risks, communicate data to non-specialists.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Actuarial Science
アクチュアリー数学
日本アクチュアリー会1次試験 数学(確率・統計の基礎)
分布,期待値,極限定理,推定,検定,回帰分析,分散分析 生保数理(期待値計算)
利息,死亡率,保険料,責任準備金,解約・給付等,災害・疾病に関わる保険 年金数理(期待値と人口予測)
計算基礎率,原価率,人口論,財政方式,責任準備金,積立金,損益分析 損保数理(確率過程とリスク評価)
クレーム分布,クラス料率,IBNR,保険料算出原理,破産理論,再保険 会計・経済・投資理論(時系列,確率過程)
財務会計制度・理論,ミクロ・マクロ経済,ポートフォリオ理論,プライシ ング,デリバティブ,投資分析
⇒保険・金融に関わるリスク評価と将来予測(リスク管理)
Y.Shimizu WASEDA Univ.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Actuarial Science
アクチュアリアル・サイエンス?
保険数学・アクチュアリー数学(Actuarial Mathematics) 計算手法的側面を強調?
実務計算.古典的なアクチュアリーの技術.
保険数理(Insurance Mathematics)
理論的側面が強調される.保険数学のよりコアな部分が対象. よりアカデミックなニュアンス.
海外の大学教育:Department of Statistics and Actuarial Science
Actuarial Science
両者の複合的なニュアンス.
※近年はアクチュアリーの世界でもBig Data, AIといったキーワードが重視されるようになり (アクチュアリーの定義?),伝統的なアクチュアリーの仕事だけでなく,もっと広範囲にデータ解 析の(actualな)分野全体を指すこともある.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Insurance premiums
保険数理の基本的問題
.リスク管理 ..
...
Ω: 起こりうるシナリオ
X : Ω → R保険会社が将来支払うべきお金e.g.,保険金,運用損失,etc (正なら損失.負なら利益と解釈)
⇒将来の支払Xに備え,どれだけの準備が必要か?
Ex. 保険料の決め方(収支相等の原則): P:保険料(定数),i番目の契約者へ の支払保険金Xi: IID, (i = 1, 2, . . . , N)
(収入) P · N ≈ X1+ X2+ · · · + XN (支出)
N → ∞と考えて,P = lim
N→∞
1 N
∑N i=1
Xi= E[X1] a.s. (純保険料)
Y.Shimizu WASEDA Univ.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Insurance premiums
生保の保険料 ( 例:終身保険 )
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Insurance premiums
保険料計算
予定利率をrとすると,割引率v = 1 1 + r.
保険金額Z = 1000万円の終身保険の場合,x才の被保険者がK年後に死亡
するとすると,
純保険料P = E [(将来支払う保険金額の現価)]
= E[vKZ ]
問題はKが未確定であること(いつ死亡するのか?) P = E[vKZ ]
=
∑∞ k=1
vkZ × P(K = k) < Z
P(K = k) (=k|qx)は“x才のk年後死亡率”⇒推定・予測の対象!(後述) 死亡率には,厚生労働省やアクチュアリー会などが作成する生命表がある.
Y.Shimizu WASEDA Univ.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Insurance premiums
生命表
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Insurance premiums
例: 1000 万円終身保険の一時払 ( 純 ) 保険料
厚生労働省・第20回(平成17年)生命表を使用.(予定利率r=3%の場合) 年齢(歳) 保険料(万円) 年齢(歳) 保険料(万円)
0 109.52 19 183.42
1 110.16 20 188.51
2 113.06 30 228.91
3 116.17 40 324.82
4 119.47 50 421.08
... ... ... ...
17 173.50 90 875.15
18 178.41 100 926.83
But...実際には,純保険料だけでは確率1で破産!(⇒ “破産理論”) P = E[X1] + ∆ (付加保険料)
∆ > 0は経費やリスクを適切に見積もって決定する!
Y.Shimizu WASEDA Univ.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Math framework
リスク計量化のための数学的枠組
(Ω, F): 可測空間
ただし,F: Ωの部分集合からなるσ-加法族(数学技術上の理由)
M: F-可測関数(確率変数)の集合(“リスク”の集合)
X ∈ M: “リスク(risk)”or“損失(loss)”と呼ぶ.
A ⊂ M: 許容できる損失の集合(acceptance sets) (何らかの順序“⪯”が入っているとする)
0 ∈ A (損失0は許容的) X ∈ A, Y ⪯ X ⇒ Y ∈ A
(許容的なリスクX より“安全”なY は許容的)
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Math framework
何らかの基準により準備金を決める
保険料を集め,そこからC ≥ 0をプールしておく(責任準備金,支払備金) 全てのシナリオω∈ Ωに対して
X (ω) − C ≤ 0
となるなら,Cは準備金として十分.(正なら損失.負なら利益と解釈) 実際はこうはできない!
保険料ならばもらい過ぎ ⇒ 誰もこの保険を買わない.
準備金ならばCは会社にとって“負債”⇒ あまり大きくしたくない. .Definition (Risk measure)
..
...
ρ: M → R ∪ {±∞},を以下の様に定める.
ρ(X ) = inf{c ∈ R | X − c ∈ A}
このような“リスク”M上の汎関数ρをリスク尺度(risk measure)という.
Y.Shimizu WASEDA Univ.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Math framework
リスク尺度
リスク尺度の研究は数理ファイナンスで盛んに論じられている.
⇒公理論的アプローチ: Artzner et al. (1999), F¨ollmer and Schied (2004)
実はアクチュアリーが,保険料決定の文脈で古くから取り入れていた. B¨uhlman (1970),Gerber(1980), etc.
純益条件(Net Profit Condition):
ρ(X ) > E[X ] 保険料が満たすべき最低条件.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks Math framework
保険料計算原理
以下の保険料はいずれも純保険料E[X ]より大きくなっている. (以下,θ >0を定数とする)
期待値原理
ρ(X ) = (1 + θ)E[X ] 標準偏差原理
ρ(X ) = E[X ] + θ√Var (X ) 指数原理
ρ(X ) = 1 θlog E[e
θX]
Esscher原理
ρ(X ) = E[Xe
θX]
E[eθX] Wang原理
ρ(X ) = E [
X exp (
θΦ−1(FX(X )) −
θ2 2
)]
※θの水準を決めるには,許容できるリスクAを決める必要がある.
Y.Shimizu WASEDA Univ.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks VaR
実務上よく用いられるリスク尺度
.Definition (Value-at-Risk, VaR) ..
...
リスク(損失額)X : Ω → Rの分布関数FX に対して, VaRα(X ) := inf{x ∈ R | FX(x) ≥ α}
✲
✻
❜ r 1
VaRα(X ) x α
FX(x) 分布FX のα-分位点
将来の損失Xをカバーする確率が α(以上)
P(X ≤ VaRα(X )) ≥ α 確率(1 − α)の希な事象は無視. 実務的にはα= 0.99, 0.999など.
. . . Introduction
. . . . . Fundamental problems
. . . . Measuring risks?
. . Value-at-Risks VaR
リスク尺度としての VaR
α≈ 1に対して,確率(1 − α)くらいで損失が起こることを許すとする: (許容的リスク集合)
A = {X ∈ M | P(X > 0) ≤ 1 − α} とすると,
VaRα(X ) = inf{c ∈ R | X − c ∈ A} と書けるので,これはリスク尺度.
リスク尺度の整合性(coherency): Artzner et al. (1999) 単調性: X ≤ Y a.s. ⇒ VaRα(X ) ≤ VaRα(Y ) 並進性: c ∈ R ⇒ VaRα(X + c) = VaRα(X ) + c 正同次性: c > 0 ⇒ VaRα(cX ) = cVaRα(X )
劣加法性: VaRα(X + Y ) ≤ VaRα(X ) + VaRα(Y ) ⇒
×
不成立! VaRは整合的(coherent)でない!Y.Shimizu WASEDA Univ.
. . . . . Insurance risks
. . . . Inference
Part II
保険リスクの計量化と統計的推測
. . . . . Insurance risks
. . . . Inference Compound risks
複合保険リスク評価
代表的な保険リスク:累積クレーム額
S =
∑N i=1
Ui (複合分布)
Ui ∼ FU:正値IID, i番目の支払保険金, N:支払件数を表すr.v. (Ui’sと独立) リスク管理のためには
VaRα(S) = inf{x ∈ R | FS(x) ≥ 1 − α} を推定したい.
複合分布の分布関数:
FS(x) =
∑∞ k=0
FU∗k(x)P(N = k)
Y.Shimizu WASEDA Univ.
. . . . . Insurance risks
. . . . Inference Compound risks
複合幾何リスク
Ex. 幾何分布: N ∼ Ge(p)
P(N = k) = (1− p)pk, (k = 0, 1, 2, . . . ) とすると,Sの分布=複合幾何分布:
FS(x) := P(S ≤ x) =
∑∞ k=0
(1 − p)pkFU∗k(x)
再生(型)方程式(renewal-type equation)
FS(x) = pFU(x) + pFU∗ FS(x), x ≥ 0. ただし,F ∗ G (x) =∫0xF (x − y)G (dy).
. . . . . Insurance risks
. . . . Inference Compound risks
Renewal Theory
.Theorem (Key Renewal Theorem) ..
...
Zに関する再生方程式
Z (x) = H(x) + G ∗ Z (x), x ≥ 0, に対して,Hは“直接Riemann可積分”とし,
G (∞) = 1, 0 < µG :=
∫ ∞ 0
x G (dx) < ∞ とする.このとき,
Z (x) ∼ 1 µG
∫ ∞ 0
H(x) dx, x → ∞.
cf. Feller (1971), Mikosch (2009), Rolski et al. (1999) etc.
Y.Shimizu WASEDA Univ.
. . . . . Insurance risks
. . . . Inference Compound risks
Lundberg 近似
再生方程式
FS(x) = pFU(x) + pFU∗ FS(x), x ≥ 0 にKey Renewal Theoremをうまく用いて以下を得る. .Theorem (複合幾何分布のLundberg近似)
..
...
Uの積率母関数mU(r ) = E[erU1]に対して, mU(γ) = 1
p
なるγ >0が存在するとし,あるϵ >0でmU(γ + ϵ) < ∞とする.このとき, FS(x) ∼ 1 − p
γp · mU′(γ)e
−γx, x → ∞.
γ >0: 調整係数(adjustment coefficient)
γは適当なモーメント条件の下で,一意に存在する.
. . . . . Insurance risks
. . . . Inference Compound risks
保険リスクの VaR
連続型:S =
∑N i=1
Ui, FS(x) = P(S ≤ x)
Note: lim
α→1F
−1
S (α) = ∞ (⇔ VaRα(S) → ∞)
α= 0.99 or 0.999などであるから,Lundberg近似を用いて 1 − α = FS(VaRα(S)) ∼ 1 − p
γp · m′U(γ)e
−γVaRα(S), α
→ 1.
α→ 1のとき,
VaRα(S) ∼ −
1 γlog
[1 − α 1 − pγp · m
′ U(γ)
] .
あとはパラメータp,γや,m′U(x)の推定問題に帰着する.
Y.Shimizu WASEDA Univ.
. . . . . Insurance risks
. . . . Inference Estimation of VaR
保険会社のクレームデータ
第i期のクレーム件数をNi,期内のクレーム額をUi ,1,Ui ,2, . . . ,Ui ,Ni とし,
Si=
Ni
∑
k=1
Ui ,k (第i期内の支払総額)
m期間で以下のようなデータが得られることになる.
1期目のデータ N1; (U1,1,U1,2, . . . ,U1,N1); S1
2期目のデータ N2; (U2,1,U2,2, . . . ,U2,N2); S2
... ...
m期目のデータ Nm; (Um,1,Um,2, . . . ,Um,Nm); Sm
U1,1,U1,2, . . . ,U1,N1; U2,1,U2,2, . . . ,U2,N2; · · · ; Um,1,Um,2, . . . ,Um,Nm
⇒ V1,V2, . . . ,Vn, n = nm
と書きなおす.n → ∞ (m → ∞)
. . . . . Insurance risks
. . . . Inference Estimation of VaR
パラメータ等の推定 I
pの推定:N1,N2, . . . ,Nm: IIDサンプルP(N = k) = (1− p)pk 対数尤度: ℓn(p) = m log(1 − p) + mNmlog p MLE:bpm= 1
1 + Nm
漸近正規(有効)推定量:
√m(bpm− p)
−→ N(0, p(1 − p)),d m → ∞.
Y.Shimizu WASEDA Univ.
. . . . . Insurance risks
. . . . Inference Estimation of VaR
パラメータ等の推定 II
調整係数γの定義:Uの積率母関数mU(r ) = E[erU1]に対して,
mU(γ) = 1
p ⇒ Z -推定:
1 n
∑n i=1
eγbnUi = 1 bpm 漸近正規推定量:
√n(bγn− γ)−→ N(0, σd γ2), σ 2 γ=
mU(2γ) − [mU(γ)]2 [mU′(2γ)]2
. . . . . Insurance risks
. . . . Inference Estimation of VaR
パラメータ等の推定 III
mU′(γ) = E[U1eγU1]の推定:∀I ⊂ R(有界閉区間)
sup
r∈I
1 n
∑n i=1
VierVi− m′(r )
−→ 0 m → ∞.p
より, b
m′U(bγn) := 1 n
∑n i=1
ViebγnVi −→ mp ′U(γ), m → ∞. 以上により,VaRα(S)を以下で推定.
VaRdα(S) ∼ −
1 bγnlog
[ 1 − α
1 − bpmbγnbpm· bm
′ U(bγn)
]
, α→ 1.
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality
Part III
その他・統計的諸問題
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Ruin probability
Danish fire insurance claims
0 2 4 6 8 10
050100150200250
Danish fire insurance claims: 1980−1990
Time (for 11 years)
Claim size
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Ruin probability
An insurance surplus
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Ruin probability
アカデミックでは dynamic model が主流
保険サープラス(剰余金):
Rt = u + ct − Nt
∑
i=1
Ui
u > 0: 初期備金,c > 0: 保険料率,Ui: i番目の保険金請求(クレーム), Nt: 時刻tまでのクレーム件数.
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Ruin probability
破産確率とリスク尺度
破産確率:
ψ(u) = P(Rt <0 for some t > 0)
= P (
t>0infRt <0 )
= P (
sup
t>0
(Nt
∑
i=1
Ui− ct
)
>u )
= P(S∗>u) = FS∗(u), ただし,S∗:= supt>0(∑Ni=1t Ui− ct
).
S∗で確率過程R = (Rt)t≥0のリスクを測定:十分小さなϵ >0に対して, A = {X ∈ M | P(X > 0) ≤ ϵ}
破産確率に基づくリスク尺度:
ρ(S∗) = VaR1−ϵ(S∗) =inf{u > 0 | ψ(u) ≤ ϵ}
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Ruin probability
破産確率は複合幾何分布!
複合ポアソン過程 ∑Ni=1t Ui: U1∼ FU; Nt ∼ Po(λt), 再生方程式: ψ(u) = FS∗(u),
FS∗(u) = λµ c
(FS∗∗ GI
)(u) +λµ c GI(u) ここに,GI(u) = 1
µ
∫ u 0
FU(x) dx. Lundberg近似:
ψ(u) = FS∗(u) ∼ c − λµ
λm′U(γ) − ce
−γu, u → ∞.
ただし,γ >0 (調整係数)は次の方程式の正の解:
mX(γ) = 1
p, where X ∼ GI, p = λµc (< 1)
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Stochastic reserving
クレームはすぐに会社に報告されるわけではない!
ある時刻Tkにk番目の事故が発生(incurred)した場合,その事故の調査や 損害額の査定等に時間を要することがある(自動車事故,震災等). 時間Wkが経過し,大体の調査が終わったころに保険会社に報告が来る (reported).
保険金の支払いは1度で終わらない場合もあり(再発,後遺症,訴訟等),支 払完了(settled)まで時間Skを要することがある.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Stochastic reserving
IBNR, RBNS
k番目のクレームに対する支払総額をUk=∑
j≥1
Xk,j, 時刻tまでのクレーム件数をNtと書く.
IBNR(Incurred But Not Reported) claims CtIBNR =
Nt
∑
k=1
Uk1{Tk≤t<Tk+Wk}
RBNS(Reported But Not Settled) claims CtRBNS=
Nt
∑
k=1
Uk1{Tk+Wk≤t<Tk+Wk+Sk}
2006年度より,地震・自賠責を除くすべての保険種目に対して,これらの統計的 予測値を支払備金として積み立てることが求められている.
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Stochastic reserving
Run-off 三角形
Ci ,jはi年度に発生したもののうち, j年度報告分までの累積支払額. 報告年度
1 2 3 ... j ... I − 1 I
1 C1,1 C1,2 C1,3 ... C1,j ... C1,I −1 C1,I
2 C2,1 C2,2 C2,3 ... C2,j ... C2,I −1
3 C3,1 C3,2 C3,3 ... C3,j ...
... ... ... ... ... ...
i Ci ,1 Ci ,2 Ci ,3 ... Ci ,j
発生年度
... ... ... ... ...
I − 1 CI−1,1 CI−1,2
I CI ,1
第I年度における累積支払額はCI∗:= ∑
i+j=I +1
Ci ,jとなり,これらを予測していく.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Stochastic reserving
さまざまな予測法
I 年度までに得られている情報(上三角):
FI := σ(Ci ,j| i + j ≤ I + 1, 1 ≤ i, j ≤ I ) に対して,{Ci ,j| i + j > I + 1}の部分(下三角)を予測したい.
Cbi ,I = E[Ci ,I|FI] + θ ·
√Var (Ci ,I|FI) ρ(Ci ,I) = e.g., VaRα(Ci ,I|FI)など. 歴史的には様々な方法論が提案されている.
Chain-Ladder法(Mack model,実務的) Bornhuetter-Ferguson法
Bayes法(Benktander-Hovinen法) GLM法
Bootstrap法
理論の詳細はW¨uthurichu and Merz (2008)を参照. Rに“ChainLadder”というパッケージがあります! https://github.com/mages/ChainLadder#chainladder
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Lee-Carter model
死亡率予測の確率モデル
(再掲:生命表)
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Lee-Carter model
日本全体と静岡県の ( 対数 ) 死亡率曲線
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Lee-Carter model
実務上の有名モデル (Lee and Carter, 1992)
.Definition (Lee-Carter’s Age-Period model) ..
...
時点tにおけるx 歳の死亡率mx,tに対して,
log mx ,t= ax+ bx· kt+ ϵx ,t,
ただし,ax,bx はx のみに依存するパラメータ,ktはtのみに依存するパラメー タ,ϵx ,tは(x, t)ごとにIIDなノイズ.
ax: 観察期間の平均対数死亡率
kt: 各時点tにおけるaxからの偏差水準.(制約条件)∑T−1t=0 kt = 0 bx: kt への年齢効果.(制約条件)∑xx=0∗ bx = 1
⇒パラメータは最小二乗法で決定: min
x∗
∑
x=0 T−1∑
t=0
ϵ2x,t= min
x∗
∑
x=0 T−1∑
t=0
|log mx,t− ax− bx· kt|2
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Lee-Carter model
いくつかの問題点
死亡率データ
The Human Motality Database (HMD) http://www.mortality.org/
国立社会保障・人口問題研究所(日本版HMD,都道府県別) http://www.ipss.go.jp/p-toukei/JMD/
データの欠測,誤植(?)⇒ 欠測データ解析?
人口の大小による経験死亡率のブレなど ⇒ 小地域推定,信頼性理論 Lee-Carter modelの問題点:コホート効果,(0, 1)-valued,国依存,...
Aged-Period-Cohort model(Renshaw and Haberman, 2006): log mx ,t= ax+ bx· kt+ cx· γt−x+ ϵx ,t
Cairns-Blake-Dowd model(Cairns et al., 2006): log mx ,t
1 − mx,t = k
(1)
t + kt(2)· x (+γt−x) + ϵx ,t その他の共変量??(疾病・喫煙率,経済・国情,気候,...etc.)
Y.Shimizu WASEDA Univ.
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Lee-Carter model
Lee-Carter model による死亡率の予測(日本)
. . . . . Ruin theory
. . . . IBNR
. . . . Mortality Lee-Carter model
Lee-Carter model による死亡率の予測(静岡県)
Y.Shimizu WASEDA Univ.
. .
Conferences and journals Bibliography
Part IV
保険数理に関する国際会議・学術誌情報
. .
Conferences and journals Bibliography
代表的な学会
Insurance: Mathematics and Economics (IME)
毎年開催(今年はVienna,来年はSydney).アカデミックの研究者による 大会.
Actuarial Research Conference (ARC)
毎年開催(今年はAtlanta,来年はLondon in Ontario, Canada).アクチュ アリー実務と研究者混合会議.アカデミックも多数.
International Congress of Actuaries (ICA)(国際アクチュアリー会議) 4年に1回(来年はBerlin).アクチュアリー実務者とアカデミック混合では 最大の会議.
2026年には日本で開催決定! その他:
日本保険・年金リスク学会(JARIP)
International Actuarial Association (IAA)主催の実務家向け会議 アクチュアリー年次大会(日本アクチュアリー会員限定)
Y.Shimizu WASEDA Univ.
. .
Conferences and journals Bibliography
代表的な学術誌
Insurance: Mathematics and Economics (IME)
先の会議の母体.理論寄りも,実用的,意味のある研究を重視. Scandinavian Actuarial Journal (SAJ)
理論寄り.分野問わず.
European Actuarial Journal (EAJ) 2011年から刊行.理論寄り. ASTIN Bulletin (ASTIN)
昔は理論寄り.今は非常に実務寄り. North American Actuarial Journal (NAAJ) 実務寄り.
その他: 通常の(応用)確率論,統計雑誌等も対象.
. .
Conferences and journals Bibliography
Bibliography I
[1] Artzner, P.; Delbaen, F.; Eber, J. M. and Heath, D. (1999). Coherent measures of risk. Math. Finance, 9, (3), 203–228
[2] Asmussen, S and Albrecher, H. (2010). Ruin probabilities. 2nd. ed. World Scientific Publishing Co. Pte. Ltd., Hackensack, NJ.
[3] Cairns, A.; Blake, D. and Dowd, K. (2006). A two-factor model for stochastic mortality: Theory and calibration. J. Risk and Insurance, 73, 687–718.
[4] Deniut, M.; Dhaene, J.; Goovaerts, M. and Kaas, R. (2005). Actuarial theory for dependent risks: Measures, Orders and Models. John Wiley & Sons, Ltd.
[5] Embrechts, P.; Kl¨uppelberg, C and Mikosch, T. (1997). Modelling extremal events. Springer-Verlag, Berlin.
[6] Feller, W. (1971). An introduction to probability theory and its applications. Vol. II. Second edition, John Wiley & Sons, New York-London-Sydney.
[7] F¨ollmer, H. and Schied, A. (2004) Stochastic finance 2nd ed., Walter de Gruyter & Co., Berlin.
[8] Gerber, H. U. and Shiu, E. S. W. (1998a). On the time value of ruin; with discussion and a reply by the authors. N. Am. Actuar. J., 2, no. 1, 48–78.
Y.Shimizu WASEDA Univ.
. .
Conferences and journals Bibliography
Bibliography II
[9] Grandell, J. (1991), Aspects of risk theory, Springer-Verlag.
[10] Lee, R. D. and Carter, L. R. (1992). Modeling and forecasting U.S. mortality, J. American Statistical Association, 87, 659–671.
[11] Mikosch, T. (2009). Non-life insurance mathematics. 2nd. ed., Springer-Verlag, Berlin. [12] Renshaw, A. and S. Haberman (2006) A cohort-based extension to the Lee-Carter model for
mortality reduction factors, Insurance: Mathematics and Economics, 38, (3), 556–570. [13] Rolski,Schmidli, Schmidt and Teugels (1999), Stochastic Processes for Insurance and
Finance, John Wiley & Sons.
[14] W¨uthurichu, M. V., and Merz, M. (2008), Stochastic Claims Reserving Methods in Insurance, John Wiley & Sons.
[15] Trufin, J.; Albrecher, H. and Denuit, M. M. (2011). Properties of a risk measure derived from ruin theory. The Geneva Risk and Insurance Review. 36, 174–188.
. .
Conferences and journals Bibliography
最後に
保険数理には統計的に未熟な部分がたくさん残っていますし,保険独特の データ・問題も存在します.
実務アクチュアリーだけでなく,若い研究者に参入していただき,日本の保 険数理アカデミズムを活性化.
日本での産学連携を強化し,国際レベルに!
統計学会(9月)企画セッション:
「統計科学としてのアクチュアリアル・サイエンス:∼古典的な保険数学を 超えて∼」
Y.Shimizu WASEDA Univ.
. .
Conferences and journals Bibliography