[发明专利]一种基于拉丁超立方抽样方法进行巨灾事件模拟的方法及计算机程序产品

说明书

本发明涉及巨灾保险业务领域，尤其涉及一种基于拉丁超立方方法的巨灾事件抽样方法与一种计算机程序产品，该方法包括获取参数步骤，排序步骤，确定抽样间隔值步骤，抽样步骤，乱序步骤；本发明的计算机程序产品被处理器执行时实现本发明方法中的所有步骤。本发明提高了对小概率事件的抽样准确性，模拟的巨灾事件发生情况更接近实际情况。

本发明涉及巨灾保险业务领域，尤其涉及一种基于拉丁超立方方法的巨灾事件抽样方法及计算机程序产品。

背景技术

在巨灾事件损失计算以及保险定价的过程中，系统首先要对由巨灾模型生成的巨灾事件根据其发生频率在时域上进行模拟，也就是要生成巨灾事件在给定的时间段之内的发生情况。由巨灾模型产生的巨灾事件包含了事件本身的物理特性以及对保险标的产生的损失等多种信息，其中事件的年平均发生频率是事件模拟过程中最重要的信息字段之一。事件抽样过程服从大数定律，即重复多次相同的试验，当试验样本数量足够大的时候，样本均值和真实(总体)均值充分接近。蒙特卡洛抽样方法就是基于该定律的简单随机抽样方法。指使用随机数或伪随机数从概率分布中抽样的传统技术。该方法也可用于巨灾事件模拟。

使用蒙特卡洛方法进行巨灾事件抽样时，通过随机数的方法确定本次抽样落在哪个事件的频率区间。这一方法在模拟次数较大时，实际抽样结果能够接近事件本身的年发生频率。但是当抽样次数较小时，实际抽样结果可能与各个事件的频率分布存在较大差别。蒙特卡罗抽样技术完全是随机的，即在输入分布的范围内，样本可以落在任何位置。当然，样本更有可能从高发生概率的分布区域中抽取。当执行的迭代次数少的时候，抽样会产生聚集的问题。在分布范围之外的值，不作为样本，它们对结果的影响，不包括在模拟输出中。当分布中包含低概率结果的时候，聚集会变得特别明显，可能会对结果产生大的影响，考虑这些低概率结果的影响是重要的。由于巨灾事件发生的频率往往确实很小，并且发生频率越小的事件，它的损失可能会越大，对整体损失的影响也就越大，因此对低概率事件的模拟就更加重要。

发明内容

针对现有技术中存在的技术问题，本发明技术方案一方面提出了一种基于拉丁超立方抽样方法进行巨灾事件模拟的方法，包括模拟巨灾事件序列的方法的如下步骤：

获取参数步骤获取被模拟巨灾事件的事件频率和事件标识；

排序步骤将被模拟巨灾事件按照事件频率进行排序，得到相对应的排序事件频率和排序事件标识；

确定抽样间隔值步骤用排序事件频率总和除以抽样数N得到每次的抽样间隔值δ；

抽样步骤对所述排序事件频率按照δ的间隔依次进行抽样，记录每次抽样对应的排序事件标识；

乱序步骤将全部抽取的排序事件标识进行乱序得到模拟巨灾事件序列。

另一方面提供了一种计算机程序产品，包括计算机程序，其特征在于，被处理器执行任何基于拉丁超立方抽样方法进行巨灾事件模拟的方法的步骤。

本发明的有益效果在于，提高了对小概率事件的抽样准确性，模拟的巨灾事件发生情况更接近实际情况。

附图说明

图1.一种实施方式中抽样步骤的线段图；

图2.一种实施方式中得到的模拟巨灾事件序列；

图3.一种实施方式的流程图。

具体实施方式

本发明的一些实施方式涉及了基于拉丁超立方抽样方法进行巨灾事件模拟的方法，包括模拟巨灾事件序列的方法的如下步骤：

获取参数步骤获取被模拟巨灾事件的事件频率和事件标识；

排序步骤将被模拟巨灾事件按照事件频率进行排序，得到相对应的排序事件频率和排序事件标识；

确定抽样间隔值步骤用排序事件频率总和除以抽样数N得到每次的抽样间隔值δ；