Разорение в R

Я пытаюсь воссоздать что-то похожее на образ в современной теории актуарного риска, используя R: https://www.academia.edu/37238799/Modern_Actuarial_Risk_Theory (стр. 89)

Нажмите здесь для изображения

В моем случае капли имеют размер, основанный на экспоненциальном распределении с параметром 1/2000, и они разнесены друг от друга с временем прибытия Пуассона, что означает, что они распределены экспоненциально с параметром скорости 0,25 (в моей модели).

Стоимость U определяется как первоначальный излишек плюс премиальный доход (c) в единицу времени (в течение периода времени, определяемого распределением между прибытиями) за вычетом суммы требования, которая была бы случайной из экспоненциального распределения, упомянутого выше.

У меня есть ощущение, что нужно будет использовать цикл, и это то, что у меня есть до сих пор:

lambda <- 0.25
EX <- 2000
theta <- 0.5

c <- lambda*EX*(1+theta)

x <- rexp(1, 1/2000)
s <- function(t1){for(t1 in 1:10){v <- c(rep(rexp(t1,1/2000)))
print(sum(v))}}


u <- function(t){10000+c*t}
plot(u, xlab = "t", xlim = c(-1,10), ylim = c(0,20000))
abline(v=0)


for(t1 in 1:10){v <- c(rep(rexp(t1,1/2000))) 
print(sum(v))}

Конечная цель состоит в том, чтобы запустить эту симуляцию, скажем, 10 000 раз в течение 10 лет и использовать ее в качестве наглядного представления в качестве скорости разорения страховой компании.

Любая помощь приветствуется.

Я не могу понять, что делает ваш код.. график просто показывает прямую линию..

MrSmithGoesToWashington 06.04.2022 18:58

@MrSmithGoesToWashington прямая линия - это все, что мне удалось, я не могу понять, как сделать так, чтобы линия опускалась, как на изображении, на которое я ссылаюсь в посте. У Вас есть какие-либо идеи?

Ethan Betty 06.04.2022 19:56
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
2
32
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я думаю, вы ищете что-то вроде этого, все завернуто в изящную функцию, которая по умолчанию рисует сюжет, но при желании просто возвращает «руин» или «безопасно», чтобы вы могли запустить ее в симуляции:

simulate_ruin <- function(lambda = 0.25, EX = 2000,
                          theta  = 0.5, initial_amount = 10000,
                          max_time = 10, draw = TRUE) {

  income_per_year <- lambda * EX * (1 + theta)
  
  # Simulate a Poisson process. Include the initial time 0,
  # and replicate every other time point so we have values "before" and
  # "after" each drop
  times <- c(0, rep(cumsum(rexp(1000, lambda)), each = 2))
  times <- c(times[times < max_time], max_time)
  
  # This would be our income if there were no drops (a straight line)
  total_without_drops <- initial_amount + (income_per_year * times)
    
  # Now simulate some drops. 
  drop_size <- rexp((length(times) - 1) / 2, 1/2000)
  
  # Starting from times[3], we apply our cumulative drops every second index:
  payout_total <- rep(c(0, cumsum(drop_size)), each = 2)
  
  total <- total_without_drops - payout_total
  
  if (draw) {
    plot(times, total, type = "l", ylim = c(-1000, 20000))
    abline(h = 0, lty = 2)
  } else {
    if (any(total < 0)) 
      return("ruin") 
    else 
      return("safe")
  }
}

Таким образом, мы можем вызвать его один раз для моделирования:

simulate_ruin()

И снова для другой симуляции

simulate_ruin()

И занесите в таблицу результаты 10 000 симуляций, чтобы найти скорость разорения, которая составляет около 3%.

table(sapply(1:10000, function(x) simulate_ruin(draw = FALSE)))
#> 
#> ruin safe 
#>  305 9695

Created on 2022-04-06 by the reprex package (v2.0.1)

Надеюсь, ты знаешь, что ты удивительный человек! Вы остановили дни стресса. Спасибо, добрый сэр.

Ethan Betty 06.04.2022 21:33

Другие вопросы по теме