标签：
365
python
逻辑回归
|
分类：
业务与报价
|
什么是数据降维？关于这个问题，很多大师的说法都非常学术，估计很多普通人听不懂。所以，这里用通俗的语言解释一下，希望更多的人能理解。
假设一个小学的班级有5个学生，每个人有2们考试成绩，语文和数学。A同学的语文是100分，数学是100分；B同学的语文是90分，数学是100分；C同学的语文是80分，数学是100分；D同学的语文是70分，数学是100分；E同学的语文是60分，数学是100分。
对这个场景，我们要注意到，每位同学的数学成绩都是一样的，都是100分。
这时，如果我们提到“语文是80分，数学是100分的那个同学”，你一定知道我们指的一定是同学C。
但是，如果我们只说“语文是80分的那个同学”，你是不是也知道我们指的一定是同学C！
这就是一个将二维数据降维到一维数据的例子，因为大家的数学都是100分，所以每个同学的数学数据对区分同学之间的差异没有任何价值，仅仅使用语文数据（即一维数据）就足够了，而且用来区分同学100%够用。
所以，做数据分析时，常说的，如果一个维度的数据
对于无标签的数据，常用的技术之一就是降维。
无论使用Python、R或者SAS，降维所采用的最基本思想就是针对包含信息量太多的高维度数据（其中有很多维度的数据是价值很小的甚至是根本没有价值的）进行维度下降，比如将含有100个特征的高维数据，下降到10各维度或者更少的维度，而在这个过程中尽量减少有价值的信息的减少。
要想理解数据降维，必须先要理解线性代数，这门数学中最抽象的分支学科之一。
实际上，以图像为例，每个图像都是一个矩阵，在降维的过程中，其实是在对一个矩阵通过特征值分解的方法，找到足够个数的特征值及其对应的特征向量，来近似原始的矩阵图像。
就像下面这张原始脸
通过第一特征值近似的脸就是这样
感谢所有给与过我支持和帮助的人！我不是一个人在战斗... ：）
中再产险总精算师李晓翾先生荣获北美产险精算学会2022年度卓越成就奖
随着近期世
关于VaR，Value at Risk （在险价值）这个概念，似乎很多人没有正确的理解。
一些人简单地认为，VaR 和 分位数 Percentile 就是一个回事，就是所谓的金融搞 quant 的人给
percentile 起了一个更高大上的名字，忽悠领导和外行人用的，其实，并不是这样。
Percentile 分位数是一个单纯的数学概念，而 VaR
并不是一个数学概念，而是一个金融上的业务概念，它有自己的业务上的意义。
举个简单的例子，一个保险业务，保费收入是100，损失分布是0~200的均匀分布，不考虑费用。我们来问一个问题，这个业务的
99% VaR在险价值是多少？
首先，要明确一个概念，那就是损失超过保费100的部分才是“在险”的，at
risk的，损失不超过保费100的部分，没有“在险”只有“在收益”。所以，这个业务的 99% VaR=
99%分位数下的损失 - 保费收入100=198-100=98. 而不是简单地取 99%分位数下的损失 198.
当然，如果我们针对的直接是 这个保险业务的承保损失的话，也就是 损失-保费收入
的差值的话，它服从于-100~100的均匀分布，这个场景下，
偿二代二期非寿险业务保险风险的规则变化及影响
李晓翾 常笑迎
偿二代自2016年正式施行以来，在推进保险监管现代化建设、提升行业风险防控能力、促进行业转型升级、增强我国保险监管和保险市场的国际影响力等方面都取得了显著的成绩。在先后开展三次定量测试之后，《保险公司偿付能力监管规则（）》从2022年开始正式实施，这标志着
标签：
ifrs
重大保险风险测试
杂谈
|
分类：
财务与准备金
|
原文弄了半天也没弄过来，转载一个链接吧 https://zhuanlan.zhihu.com/p/388140666
2021年12月上旬，经我国上海航运保险协会推荐，经过国际海上保险联盟（IUMI）各会员电子投票，中再产险总精算师李晓翾先生成功当选国际海上保险联盟数据委员会委员。
一年多之前手机换号注销，没想到导致博客无法登陆。弄了好久，终于可以了，尽管还有一些问题未决，呵呵。发文mark一下 ：）
转载自《保险研究》2020年第4期上发表的一篇文章，关于流行病巨灾债券的，供有兴趣的同仁参考。
传染病风险的资本市场解决方案——流行病巨灾债券及其定价分析
李晓翾 常笑迎
加载中…
