Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Künstliche Intelligenz Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Zukunftswerkstatt Sales Excellence 2025 | 08. Mai 2025

KI als Booster im Vertrieb

Lernen Sie von Digital-Experten, wie der gezielte Einsatz von KI-Unterstützung Ihrem Unternehmen in vielen Bereichen hilft, im Vertrieb einen Schritt voraus zu sein. Jetzt wieder live vor Ort teilnehmen in Frankfurt am Main!
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Numerical Computation of Risk Functionals in PDMP Risk Models

verfasst von : Lea Enzi, Stefan Thonhauser

Erschienen in: Monte Carlo and Quasi-Monte Carlo Methods

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Das Kapitel untersucht die numerische Berechnung von Risikofunktionalitäten in PDMP-Risikomodellen und erweitert die klassische Ruin-Theorie. Er führt eine markovische Erweiterung des klassischen Risikomodells ein und schlägt verschiedene numerische Methoden vor, wobei ein besonderer Schwerpunkt auf der Methode der Quantifizierung liegt. Im Kapitel wird auch ein Verfahren zur Erfassung der Bedeutung diskutiert und es werden zwei numerische Beispiele präsentiert, um die verschiedenen Ansätze zu vergleichen. Der Text vertieft die mathematischen Techniken und theoretischen Grundlagen hinter diesen Methoden und macht ihn zu einer wertvollen Ressource für Fachleute, die fortgeschrittene numerische Techniken in der Risikomodellierung verstehen und anwenden wollen.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Challenges in Developing Great Quasi-Monte Carlo Software
Nächstes Kapitel New Bounds for the Extreme and the Star Discrepancy of Double-Infinite Matrices
Literatur
1.
Asmussen, S., Albrecher, H.: Ruin Probabilities. World Scientific, Hackensack, NJ (2010)CrossRef
2.
Asmussen, S., Glynn, P.W.: Stochastic Simulation: Algorithms and Analysis. Springer, New York (2007)CrossRef
3.
Asmussen, S., Steffensen, M.: Risk and Insurance—A Graduate Text. Springer, Cham (2020)CrossRef
4.
Brandejsky, A., de Saporta, B., Dufour, F.: Numerical method for expectations of piecewise deterministic Markov processes. Commun. Appl. Math. Comput. Sci. 7(1), 63–104 (2012)MathSciNetCrossRef
5.
Davis, M.H.A.: Piecewise-deterministic Markov processes: a general class of non-diffusion stochastic models. J. R. Stat. Soc. Ser. B 46(3), 353–388 (1984)CrossRef
6.
Davis, M.H.A.: Markov Models and Optimization. Chapman & Hall, London (1993)CrossRef
7.
De Saporta, B., Dufour, F., Zhang, H.: Numerical Methods for Simulation and Optimization of Piecewise Deterministic Markov Processes: Application to Reliability. Wiley, Hoboken, NJ (2015)CrossRef
8.
9.
Graf, S., Luschgy, H.: Foundations of Quantization for Probability Distributions. Springer, Berlin (2000)CrossRef
10.
Joe, S., Kuo, F.: Constructing Sobol sequences with better two-dimensional projections. SIAM. J. Sci. Comput. 30(5), 2635–2654 (2008)MathSciNetCrossRef
11.
Kritzer, P., Leobacher, G., Szölgyenyi, M., Thonhauser, S.: Approximation methods for piecewise deterministic Markov processes and their costs. Scand. Actuar. J. 2019(4), 308–335 (2019)MathSciNetCrossRef
12.
Leobacher, G., Pillichshammer, F.: Introduction to Quasi-Monte Carlo Integration and Applications. Birkhäuser, Cham (2014)CrossRef
13.
Pagès, G., Printems, J.: Optimal quadratic quantization for mumerics: the Gaussian case. Monte Carlo Methods Appl. 9(2), 135–165 (2003)MathSciNetCrossRef
14.
Pagès, G., Pham, H., Printems, J.: Optimal quantization methods and applications to numerical problems in finance. In: Rachev, S.T. (ed.) Handbook of Computational and Numerical Methods in Finance, pp. 253–297. Birkhäuser, Boston, MA (2004)
15.
Palmowski, Z., Rolski, T.: A technique for exponential change of measure for Markov processes. Bernoulli 8(6), 767–785 (2002)MathSciNet
16.
Pausinger, F., Svane, A.M.: A Koksma-Hlawka inequality for general discrepancy systems. J. Complex. 31(6), 773–797 (2015)MathSciNetCrossRef
17.
Preischl, M., Thonhauser, S., Tichy, R.F.: Integral equations, Quasi-Monte Carlo methods and risk modeling. In: Dick, J., Kuo, F., Woźniakowski, H. (eds.) Contemporary Computational Mathematics—A Celebration of the 80th Birthday of Ian Sloan, pp. 1051–1074. Springer, Cham (2018)
18.
Rolski, T., Schmidli, H., Schmidt, V., Teugels, J.: Stochastic Processes for Insurance and Finance. Wiley, Chichester (1999)CrossRef
19.
20.
Wolfram Research, Inc.: Mathematica. Version 12.2, Champaign, IL (2020)
Metadaten
Titel
Numerical Computation of Risk Functionals in PDMP Risk Models
verfasst von
Lea Enzi
Stefan Thonhauser
Copyright-Jahr
2024
Buch
Monte Carlo and Quasi-Monte Carlo Methods

Print ISBN: 978-3-031-59761-9

Electronic ISBN: 978-3-031-59762-6

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-59762-6_10

Premium Partner

    Bildnachweise