| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 保险数据分析的研究背景及意义 | 第9-10页 |
| 1.2 保险数据分析的国内外研究现状 | 第10-13页 |
| 1.2.1 保费的面板数据分析方法 | 第10-12页 |
| 1.2.2 保费的时间序列数据分析方法 | 第12-13页 |
| 1.3 论文方法和内容 | 第13-15页 |
| 第2章 变量选取与统计描述 | 第15-21页 |
| 2.1 变量选取 | 第15-16页 |
| 2.2 描述性统计分析 | 第16-19页 |
| 2.2.1 保费收入与解释变量的关系 | 第16-17页 |
| 2.2.2 保费收入月度变化 | 第17-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 基于普通面板数据模型的影响因素分析 | 第21-33页 |
| 3.1 平稳性检验 | 第21页 |
| 3.2 面板数据模型 | 第21-23页 |
| 3.2.1 面板数据模型的基本类型 | 第21-22页 |
| 3.2.2 固定效应模型和随机效应模型 | 第22-23页 |
| 3.3 模型检验 | 第23-24页 |
| 3.3.1 F检验 | 第23-24页 |
| 3.3.2 Hausman检验 | 第24页 |
| 3.4 主成分分析 | 第24-26页 |
| 3.4.1 主成分分析原理 | 第24-25页 |
| 3.4.2 主成分回归反解回原变量原理 | 第25-26页 |
| 3.5 实证分析 | 第26-32页 |
| 3.5.1 数据预处理及单位根检验 | 第26-27页 |
| 3.5.2 主成分分析 | 第27-28页 |
| 3.5.3 面板数据模型及检验 | 第28-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 基于变系数分位数回归模型的影响因素分析 | 第33-45页 |
| 4.1 部分线性变系数分位数回归面板数据模型及估计 | 第33-35页 |
| 4.2 蒙特卡罗模拟分析 | 第35-39页 |
| 4.3 实证分析 | 第39-43页 |
| 4.4 结论 | 第43-45页 |
| 第5章 我国保险业发展趋势的时间序列分析 | 第45-63页 |
| 5.1 白噪声序列及检验 | 第45页 |
| 5.2 GARCH模型 | 第45-48页 |
| 5.2.1 ARCH模型 | 第45-46页 |
| 5.2.2 GARCH模型 | 第46-47页 |
| 5.2.3 EGARCH模型 | 第47-48页 |
| 5.3 马尔可夫区制转移ARCH模型 | 第48-50页 |
| 5.3.1 MS-ARCH模型的建立 | 第48页 |
| 5.3.2 MS-ARCH模型的MCMC估计 | 第48-50页 |
| 5.4 BP神经网络 | 第50-52页 |
| 5.4.1 BP神经网络的基本原理与结构 | 第50-51页 |
| 5.4.2 BP神经网络的学习过程 | 第51-52页 |
| 5.4.3 BP神经网络的预测 | 第52页 |
| 5.5 实证分析 | 第52-62页 |
| 5.5.1 MS-ARCH模型 | 第52-58页 |
| 5.5.2 BP神经网络 | 第58-61页 |
| 5.5.3 模型比较及预测 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |