Berdák, Vladimír - Výsledky hledání - Digitální repozitář

host :: přihlásit Digitální repozitář
		Hledej		Nový záznam		Nápověda		O repozitáři

Hlavní stránka > Výsledky hledání: Berdák, Vladimír

Hledej:

Tipy pro vyhledávaní :: Rozšířené hledání

Hledej ve sbírkách:

Seřadit podle:	Zobrazit výsledky:	Výstupní formát:

	Risk quantification in annuity insurance Berdák, Vladimír ; Mazurová, Lucie (vedoucí práce) ; Branda, Martin (oponent) Práce zkoumá vliv jednotlivých rizik na důchodový produkt. Zaměřuje se na produkt doživotního důchodu odloženého o k let a na dvě základní rizika, která mají největší vliv na celkovou ztrátu. Jde o riziko úrokových měr a riziko dlouhověkosti. Jako sledované míry rizika jsou zvoleny směrodatná odchylka (σ), hodnota v riziku (VaR) a očekávaná ztráta (ES) na různých hladinách spolehli- vosti. Na rozklad celkové ztráty je použita Hoeffdingova dekompozice. Následně je aplikována Eulerova alokační metoda, která odhaluje, jaká zastoupení mají v tomto pojištění jednotlivá rizika pro různé vstupní věky. Úplný záznam
	Risk quantification in annuity insurance Berdák, Vladimír ; Mazurová, Lucie (vedoucí práce) ; Branda, Martin (oponent) Práce zkoumá vliv jednotlivých rizik na důchodový produkt. Zaměřuje se na produkt doživotního důchodu odloženého o k let a na dvě základní rizika, která mají největší vliv na celkovou ztrátu. Jde o riziko úrokových měr a riziko dlouhověkosti. Jako sledované míry rizika jsou zvoleny směrodatná odchylka (σ), hodnota v riziku (VaR) a očekávaná ztráta (ES) na různých hladinách spolehli- vosti. Na rozklad celkové ztráty je použita Eulerova alokační metoda a Hoeffdin- gova dekompozice. Tyto metody odhalují, jaká zastoupení mají v tomto pojištění jednotlivá rizika pro různé vstupní věky. Úplný záznam
	Applications of Markov chains Berdák, Vladimír ; Beneš, Viktor (vedoucí práce) ; Kadlec, Karel (oponent) Cílem práce je využití Markovských řetězců pro algoritmy metod Monte Carlo. Je formulována potřebná teorie Markovských řetězců směřující k pojmu stacionárního rozdělení. Z metod MCMC se práce zaměřuje na Gibbsův vzorkovač, který je aplikovaný na model s pevným jádrem. Následně simulujeme z rozdělení nul a jedniček na vrcholech grafu. Jsou vypočteny statistické charakteristiky počtu jedniček odhadnuté z realizace MCMC a prezentovány formou obrázků. Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.

Digitální repozitář :: :: :: ::
Powered by v1.1.2
Spravuje

Tato stránka je dostupná také v následujících jazycích:
Česky English