0

我感兴趣的数量是定义为yi = (y itj ) 的保险损失向量，其中 i = 投保人，t = 5 年，j = 2（保险风险）。

我试图模拟两种风险的损失成本之间的依赖关系。这里存在两个依赖来源，第一个是 yitj1 和 yitj2 之间的横截面相关性以及 yitj 在 t 上的序列相关性。

我已经为半连续变量（yitj1 和 yitj2）拟合了 Tweedie GLM（使用 tweedie 包），其概率质量为零，对应于零保险索赔，并且正连续分量对应于索赔数量，条件是索赔数量我得到了 mu、p 和 phi 的估计值。

两个变量的汇总统计数据如下：

yitj1              yitj2     
Min.   :     0.0   Min.   :     0.0  
1st Qu.:     0.0   1st Qu.:     0.0  
Median :     0.0   Median :     0.0  
Mean   :   787.5   Mean   :   704.7  
3rd Qu.:     0.0   3rd Qu.:     0.0  
Max.   :421795.2   Max.   :111739.8

拟合值的汇总统计数据为：

fitted yitj1
 Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
    1.438   104.834   287.605   623.168   711.667 25558.121 

fitted yitj2
 Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
    2.995    73.026   180.616   682.671   568.700 23588.293

我需要帮助：

  1. 指定并发相关和序列相关
  2. 为高斯 Copula 指定色散矩阵。
  3. 使用边缘估计器的推理将高斯 Copula 拟合到 Tweeedie 边缘。

对于投保人 i，在 Inference for Margins Estimation 方法的第二步中需要最大化的对数似然函数为：log-likelihood function

我试图通过参考https://www.r-bloggers.com/2016/03/how-to-fit-a-copula-model-in-r-heavily-revised-part-2-fitting-来拟合 copula系词/

但结果并不合理。

这是我的代码

u1 <- pobs(mydata[,1])
u2<- pobs(mydata[,2])

selectedCopula <- BiCopSelect(u1,u2,familyset=NA)
selectedCopula

# the output is:
# Bivariate copula: t (par = 1, par2 = 2, tau = 0.99)

# t copula fitting
t.cop <- tCopula(dim=2)
U <- cbind(ptweedie(mydata[,1], mu = y1_mu, phi = y1_phi, p=y1_p),
           ptweedie(mydata[,2], mu = y2_mu, phi = y2_phi, p=y2_p))

ifme <- fitCopula(t.cop, data = U, method = "ml")
 # Error in optim(start, logL, lower = lower, upper = upper, method = optim.method,  : 
 # L-BFGS-B needs finite values of 'fn'



# output for summary(ifme) is
Call: fitCopula(copula, data = data, method = "ml")
Fit based on "maximum likelihood" and 4676 2-dimensional observations.
Clayton copula, dim. d = 2 
      Estimate Std. Error
alpha   0.5872         NA
The maximized loglikelihood is -1.798e+308 
Optimization converged
Number of loglikelihood evaluations:
function gradient 
       1        1

我将不胜感激任何帮助。

谢谢你。

4

0 回答 0