根据我实际的测试，Bagging后的结果确实比单次的结果好很多。大概能提升AUC 0.01左右

AutoViz 照例，先安装 python -m venv au-ven au-ven\Scripts\activate.ps1 pip install autoviz 然后报了错，首先是第一个错是 ModuleNotFoundError: No module named 'scipy.special.cython_special'上网查了一下，原来是scipy版本不兼容，于是乎把scipy降到了1.4.1版本 python -m pip install scipy==1.4.1 之后发现，原来必须要用jupyter来跑这个包，因为它无法像Sweetiviz等包生成html版本的report。 from autoviz.AutoViz_Class import AutoViz_Class # 数据集来源：https://github.com/hmix13/AutoViz AV = AutoViz_Class() df = AV.AutoViz('car_design.csv') Jupyter Lab -> There you go! 说实话，没想到这个包震惊到了我，它的图实在太好康了

2.点击Run as Scheduled 控件发生的事件 （代码看不全可以左右上下滑动） '这个控件我起的名字是Run Private Sub Run_Click() ‘Error handling On Error Resume Next Dim wb As Workbook Application.ScreenUpdating = False '如果第一个Listbox不是空值 If ListBox1.Value <> "" Then '在Excel屏幕左下方告诉用户第一个宏正在跑 Application.StatusBar = "Your first task is running" '跑这个宏 Application.Run "'" + TextBox1.Value + "'!" + ListBox1.Value Set wb = Workbooks.Open(TextBox1.Value) '关掉打开的工作簿 wb.Close SaveChanges:=False ’第二第三个task同理 If ListBox2.Value <> "" Then Application.StatusBar = "Your second task is running" Application.Run "'" + TextBox2.Value + "'!" + ListBox2.Value Set wb = Workbooks.Open(TextBox2.Value) wb.Close SaveChanges:=False End If If ListBox3.Value <> "" Then Application.StatusBar = "Your third task is running" Application.Run "'" + TextBox3.Value + "'!" + ListBox3.Value Set wb = Workbooks.Open(TextBox3.Value) wb.Close SaveChanges:=False End If Else MsgBox "Please input the macro you want to schedule ;D" End If Application.ScreenUpdating = True If Err.Description = "" Then MsgBox "Successfully run" Else MsgBox "Please note the following error message in running your code: " + Err.Description End If End Sub

Ridge罚回归的贝叶斯解释: Bayesian interpretation of regularization 普通OLS回顾 对于普通的OLS回归，当假设残差项为正态分布时，我们可以把它算作MLE（Maximum likelihood regression) $y={\beta }_0+{\beta }_1\times x_1+{\beta }_2\times x_2+...{\beta }_n\times x_n+e$ (${\beta }_0+{\beta }_1\times x_1+{\beta }_2\times x_2+...{\beta }_n\times x_n$用向量表示的话就是 $X\beta$) $\text{Likelihood}:L(\beta |X)=p(Y|X,\beta )$ MLE的任务就是要最大化likelihood。 因为$e\text{服从}N(0,{\sigma }_e^2)$, 所以 $y\text{服从}N(X\beta ,{\sigma }_e^{2}I)$ 因此, likelihood 可以表示为 $\text{Likelihood}N(X\beta ,{\sigma }_e^{2}I)\propto exp(-\frac{1}{2{\sigma }_e^2}||Y-X\beta |{|}^2)$ 所以得出结论：需要找到让$||Y-X\beta |{|}^2$最小的$\beta$ 罚回归 这里要引入MAP的概念(maximum a posteriori estimate)，是指最大化后验分布概率 罚回归相当于我们假设$\beta$的先验分布是正态分布$N(0,{\tau }^{2}I)$其中$\tau$是未知常量 根据贝叶斯公式，可以得到 $p(\beta |X,Y)\propto p(Y|X,\beta )p(\beta )$ $\text{Likelihood}\propto exp(-\frac{1}{2{\sigma }_e^2}||Y-X\beta |{|}^2)\times exp(-\frac{1}{2{\tau }^2}||\beta |{|}_2^2)$ 最大化likelihood就是最小化$||Y-X\beta |{|}^2+\frac{{\sigma }_e^2}{{\tau }^2}||\beta |{|}_2^2$ 其中$\frac{{\sigma }_e^2}{{\tau }^2}$就是参数$lambda$

解释公式：

IFRS适用于哪些合同 保险公司发行的保险或再保险合同 保险公司持有的再保险合同 有保险成分的投资型合同 IFRS17要求保险公司把有类似风险的合约一起管理。每种保险合同至少要分三个组别 发行的时候认为可以赚钱的合约 发行的时候就不赚钱的合约 有可能赚钱有可能亏钱的合约

@bengbengbeng 这个目前Close掉了，问题主要是1. 程序不能识别大写的CSV后缀，2. 路径的/要换成\或// 但是目前还有一个问题就是R运行起来时大的Data File似乎会遇到内存不足的问题。还没有解决方案。

@mlir 有这两个通知的链接吗？我更新进去

@Niklaus 好的好的，感谢！

对这篇文章的分享就到这里，如果有兴趣的话呢，可以看看原文更加丰富的内容。原文中还有R代码的实现。可以一试或者和我讨论。

打开一个文件夹内所有工作表 Sub Open_all_excel_files_in_folder() Dim FoldPath As String Dim DialogBox As FileDialog Dim FileOpen As String On Error Resume Next Set DialogBox = Application.FileDialog(msoFileDialogFolderPicker) If DialogBox.Show = -1 Then FoldPath = DialogBox.SelectedItems(1) End If If FoldPath = "" Then Exit Sub FileOpen = Dir(FoldPath & "\*.xls*") Do While FileOpen <> "" Workbooks.Open FoldPath & "\" & FileOpen FileOpen = Dir Loop End Sub

@Nothanks 嗯嗯 目前是理论意义大于实际意义，但是有的精算考试中还需要。希望能理论能跟上实际的步伐吧

@Jackie 第二问期限还得改成10年

参考文献 https://cran.r-project.org/web/views/Distributions.html actuar.pdf Simulation+of+Compound+Hierarchical+Models+in+R.pdf https://cran.r-project.org/web/packages/actuar/vignettes/credibility.pdf

引用群里其它同学的回答： @M 不一定养老金更高，要看定价基础、生命表选择。养老金的形态设计也会影响收益，看是现价收益高还是年金收益高。增额寿的形态是后期没有杠杆的，养老金是可能有杠杆的。 如果所有假设都一样，那么就是杠杆问题了，高领取的养老金后期没有死亡责任，那么保单退出了之后他的钱就留在池子里，留给活的人分，所以养老金账户的累积利率可以高于5.5%的，增额终寿就不高于3.5%。 @Cyrene 平均年龄没有85，带了杠杆。 自己搭一下定价模型调一下假设就知道了 增额本质就是个理财基本就没有杠杆 他的IRR不可能超预定利率 年金活的越久你越赚 是带杠杆的 转移了长寿风险给保司。 总的来说早死晚死区别不大。 @wb 但我记得中途退保的话，实际收益并没有3.5。不过长期还是要看通胀的，如果未来通胀超过预期，增额其实就比理财亏了。 @Devin 国内试点的养老理财收益分分钟超增额终身寿。问题是抢不到额度，现在监管各种窗口指导 增额终身寿现价也必须得平滑上升 原来4.025的收益也没了。

Email reminder public.zip

代码如下 import pandas as pd tables = pd.read_excel("./premium_preparation.xlsm", sheet_name = [0,1]) rate_table = tables[0] short_rate_table = tables[1]

Reference: https://altair-viz.github.io/user_guide/generated/core/altair.Axis.html https://vega.github.io/vega/docs/expressions/

在之前的例子里，我们用的都是固定利率，如果是Yield Curve的情况该怎么办呢？ 我们可以通过不同Materity的Zero-Coupon Bond的Spot Rate构建一个收益率曲线，命名为curve 然后用这个Curve来算现值和久期

更新一个点： property let的input type和property get的output type必须是同一个数据类型，不然会报Definitions of property procedures for the same property are inconsistent的错 例如 Property Let car_type(user_input_car_type As Variant) variable_car_type = user_input_car_type End Property Property Get car_type() As String car_type = variable_car_type End Property 会报错 Property Let car_type(user_input_car_type As String) variable_car_type = user_input_car_type End Property Property Get car_type() As String car_type = variable_car_type End Property 就没问题啦