基于聚类和时间序列分析的保险业发展水平研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 引言 | 第8-11页 |
| 1.1 研究的实用价值与理论意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 论文的基本内容 | 第10-11页 |
| 2 聚类分析简介 | 第11-14页 |
| 2.1 系统聚类法 | 第11-12页 |
| 2.2 K-均值聚类法 | 第12页 |
| 2.3 聚类分析法的基本思路 | 第12-14页 |
| 3 时间序列分析简介 | 第14-22页 |
| 3.1 ARIMA模型 | 第14-17页 |
| 3.1.1 ARIMA模型的结构 | 第14-15页 |
| 3.1.2 ARIMA模型的性质 | 第15页 |
| 3.1.3 ARIMA模型建模 | 第15-16页 |
| 3.1.4 ARIMA模型预测 | 第16-17页 |
| 3.2 残差自回归模型 | 第17-22页 |
| 3.2.1 模型结构 | 第17-18页 |
| 3.2.2 残差自相关检验 | 第18-21页 |
| 3.2.3 模型拟合 | 第21-22页 |
| 4 我国东部地区保险业的区域性分析 | 第22-31页 |
| 4.1 聚类分析 | 第22-26页 |
| 4.1.1 使用CLUSTER过程 | 第22-24页 |
| 4.1.2 确定分类个数 | 第24-25页 |
| 4.1.3 聚类分析评价 | 第25-26页 |
| 4.2 我国东部地区保险业的区域性差异指标分析 | 第26-31页 |
| 4.2.1 保费收入的区域性差异 | 第26-27页 |
| 4.2.2 保险密度的区域性差异 | 第27-28页 |
| 4.2.3 保险深度的区域性差异 | 第28-31页 |
| 5 中国人寿保费收入的预测研究 | 第31-40页 |
| 5.1 ARIMA模型 | 第31-37页 |
| 5.1.1 绘制序列时序图 | 第31-33页 |
| 5.1.2 差分平稳化 | 第33页 |
| 5.1.3 模型定阶 | 第33-34页 |
| 5.1.4 参数估计 | 第34-35页 |
| 5.1.5 模型检验 | 第35页 |
| 5.1.6 序列预测 | 第35-37页 |
| 5.2 残差自回归模型 | 第37-39页 |
| 5.2.1 绘制时序图 | 第37页 |
| 5.2.2 因变量关于时间的回归模型 | 第37-39页 |
| 5.2.3 保费收入的预测 | 第39页 |
| 5.3 小结 | 第39-40页 |
| 6 结论 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
