Monte Carlo stokastik optimizasyonu ile optimal saklama pay seviyesi hesab
|
|
- Aysun Ergen
- 8 yıl önce
- İzleme sayısı:
Transkript
1 statistikçiler Dergisi 4 (2011) 1-8 statistikçiler Dergisi Monte Carlo stokastik optimizasyonu ile optimal saklama pay seviyesi hesab Murat Büyükyazc Hacettepe Üniversitesi Fen Fakültesi, Aktüerya Bilimleri Bölümü Beytepe, Ankara muratby@hacettepe.edu.tr Erbil Taar Hewlett Packard Türkiye Merkez Ofisi Ümraniye, (stanbul erbil.tasar@gmail.com Özet Bu çalmada, son yllarda finans sektöründe yaygn olarak kullanlan riske maruz de#er (Value-at-Risk, VaR) risk ölçüsü ile toplam hasar fazlas reasürans yöntemi altnda beklenen ve standart sapma prim ilkeleri açsndan sigortacnn maruz kalaca# toplam ödemeyi Monte Carlo stokastik optimizasyon yöntemi ile minimize ederek sigortac için optimal saklama paynn hesaplanmas incelenmitir. Böylece analitik çözümün elde edilemedi#i durumlarda optimal saklama paynn Monte Carlo stokastik optimizasyon yöntemi ile elde edilebilece#i gösterilmitir. Anahtar sözcükler: Reasürans; Toplam hasar fazlas; Optimal saklama pay; Riske maruz de#er (VaR); Monte Carlo optimizasyon; Stokastik optimizasyon. Abstract Optimal retention limit with Monte Carlo stochastic optimization In this study, VaR (Value-at-Risk) risk measure which is commonly used in financial sector in recent years, are analyzed by minimizing cedent s total risk of exposure using Monte Carlo Stochastic optimization method, with calculating the optimal retention limit in terms of expected and standart deviation premium principles under the stop loss reinsurance contract for the cedent. Thus, it is revealed that, in the circumstances, when analytic solution is not achieved, the optimal retention limit can be achieved by Monte Carlo optimization method. Keywords: Reinsurance; Stop loss; Optimal retention limit; Value-at-Risk (VaR); Monte Carlo optimization; Stochastic optimization. 1. Giri Sigorta irketleri, üzerlerine aldklar riski azaltmak ve kendilerini beklenmeyen hasarlara kar koruyabilmek için portföy yaplarn ve gelecek planlarna en uygun reasürans yöntemini belirlemelidir. Reasürans yönteminin belirlenmesinin yan sra sigorta irketinin üzerinde tuttu#u riskin ne kadarn sigortalamas gerekti#inin belirlenmesi de reasürans uygulamalarnn önemli problemlerinden biridir. Optimal reasürans konusu, aktüerya alannda klasik bir problemdir. Aratrmaclar problemi reasürör ya da sedan irket açsndan inceleyebilirler. Bu konudaki ilk çalma Borch tarafndan ortaya konulmutur. Birkaç yl sonra, Arrow [1] ise beklenen de#er prim ilkesi ile toplam hasar fazlas (stop loss) reasürans yönteminin, riskten kaçnan sigortacnn dönem sonu varl#n beklenen fayda kuram ile maksimize etti#ini göstermitir. Optimal reasürans modelleri ile ilgili olarak, aratrmalarn önemli bir ksm ya sigortacnn faydasn maksimize etmeye ya da sigortacnn riskini minimize etmeye adanmtr.
2 M. Büyükyazc, E. Taar / statistikçiler Dergisi 4 (2011) Reasürans yapsna bakld#nda, sedan reasüröre ksmen risk aktard#nda, bunun karl# olan reasürans primini ödeyerek ek bir maliyete katlanmaktadr. Bu nedenle, sedann kendi üzerinde saklad# risk arttkça daha düük, azaldkça daha yüksek bir reasürans primi ödemesi beklenir. Dolaysyla sigortac reasürans korumas arad#nda; reasürans priminin maliyeti ile üzerinde saklad# riskin maliyeti arasnda karar vermek zorunda kalacaktr. Bu konuda birçok çalma yaplmtr. Önceki çalmalarda; Gerber, Waters, Pesonen, Goovaerts vd., ve Hesselager, son zamanlarda ise Gajek ve Zagrodny, Kaluszka, Cai ve Tan ve Cai vd. bu konuya katk sa#lamlardr [12]. Sigorta irketlerinin sigorta etmi oldu#u riskin, reasüröre devretmeyip üzerinde tuttu#u ksm saklama pay olarak adlandrlr. Saklama paynn do#ru ve optimal belirlenmesi sigorta irketi açsndan büyük önem tamaktadr. Çünkü saklama paynnn yüksek tutulmas halinde büyük bir hasarn meydana gelmesi sigortacy büyük kayplara u#rataca# gibi, saklama paynn düük tutulmas da sigorta irketinin gereksiz prim kaybna yol açacaktr. Optimal saklama paynn belirlenmesinde çeitli yöntemler kullanlabilir. Bunlarn banda fayda kuram ve iflas olasl# yöntemleri gelmektedir. Bu klasik yaklamlarn dnda, son dönemde pazar risklerini belirlemede, portföy optimizasyonlar vb. konularda gittikçe önem kazanan riske maruz de#er (value-atrisk, VaR) ve koullu riske maruz de#er (conditional tail expectations, CTE) gibi risk ölçümleri de kullanlmaktadr. Cai ve Tan (2007), beklenen prim ilkesi altnda toplam hasar fazlas reasürans yöntemini kullanarak, sigortacnn toplam ödemesini VaR ve CTE risk ölçümleriyle minimize ederek, optimal saklama paynn varl# için gerek ve yeter koullar belirtmilerdir. Reasürans primi beklenen prim ilkesi ile hesapland#nda; çok sayda reasürans anlama tipi arasndan yalnzca toplam hasar fazlas anlamalar, sedann saklad# riskin varyansn en küçük yapt# için, en uygun olandr [5, 2, 10, 3, 4, 1]. Literatürde yer alan optimal reasürans çalmalarnn ço#unda beklenen prim ilkesi varsaym kullanlmtr [12]. Beklenen prim ilkesi dnda literatürde sklkla karlalan çok sayda temel prim hesaplama yöntemlerinden bazlar; standart sapma, varyans ve ortalama de#er prim ilkeleridir [13]. Cai ve Tan (2007) in çalmasndan yola çkarak Tan vd. (2009), toplam hasar fazlas yöntemine ek olarak yine yaygn bir biçimde kullanlan kot-par yöntemini analiz etmilerdir. Ayrca, 17 farkl reasürans prim ilkesi altnda optimal saklama payn de#erlendirerek konuyu iki farkl yöne do#ru geniletmilerdir. Seçilen prim ilkelere ba#l olarak kot-par ve toplam hasar fazlas reasürans yöntemlerini, VaR ve CTE risk ölçümleri altnda optimal çözüm aramannn anlaml olup olmad#n ve optimal çözüm var ise, analitik olarak çözümün elde edilip edilemedi#ini göstermitir. Aa#da Çizelge 1 de sadece toplam hasar fazlas reasürans yöntemi ve dört prim ilkesi için bulduklar sonuçlar verilmitir. Çizelge 1. Prim ilkeleri / reasürans yöntemleri. Çizelge 1. de; Prim Toplam Hasar Fazlas Ilkesi VaR CTE Beklenen NT NT Standart sapma - - Varyans NT NT Ortalama de#er T T T : optimal çözümün anlamsz oldu#unu (trivial), NT : optimal çözümün anlaml oldu#unu (nontrivial), - : optimizasyon probleminin karkl# nedeniyle analitik olarak optimal çözümün elde edilemedi#ini ifade etmektedir.
3 M. Büyükyazc, E. Taar / statistikçiler Dergisi 4 (2011) Bu çalmada, son yllarda finans sektöründe yaygn olarak kullanlan VaR risk ölçümü ile toplam hasar fazlas reasürans yöntemi altnda iki farkl prim ilkesi açsndan sigortacnn maruz kalaca# toplam ödemeyi Monte Carlo stokastik optimizasyon yöntemi ile minimize ederek sigortac için optimal saklama paynn hesaplanmas incelenmitir. Böylece analitik çözümün elde edilemedi#i durumlarda optimal saklama paynn Monte Carlo stokastik optimizasyon yöntemi ile elde edilebilece#i gösterilmitir. Çalmann birinci bölümünde konuya giri yaplm, önceki çalmalar hakknda bilgi verilmi ve bu çalmada ne yapld# belirtilmitir. Kkinci bölümde VaR risk ölçütü ksaca açklanmtr. Üçüncü bölümde Monte Carlo stokastik optimizasyon yönteminden genel olarak bahsedilmitir. Dördüncü bölümde toplam hasar fazlas reasürans benzetim optimizasyon modeli verilmi; beinci bölümde alt farkl stokastik reasürans optimizasyon senaryosu için Crystal Ball yazlm kullanlarak Monte Carlo stokastik optimizasyon yöntemiyle optimal saklama paylar hesaplanm ve altnc bölümde çalmann sonuçlar de#erlendirilmitir. 2. VaR risk ölçütü VaR, bir mali kuruluun ya da firmann risk durumunu bir bütün olarak ortaya koyabilen, klasik risk ölçümlerine kyasla anlalmas daha kolay olan ve risk tutarlarn riskin meydana gelme olasl#yla ilikilendirerek ifade edilebilen bir ölçüm olarak bilinmektedir. VaR n çeitli kullanm alanlar bulunmaktadr: Toplam risk hedeflerini ayarlama, irket içi sermaye da#tmn belirleme, farkl yatrm seçeneklerin de#erlendirme. Daha ayrntl bilgi için Dowd [7] yeterli bir kaynaktr. X ba#msz de#ikeni toplam hasar gösteriyor olsun. 0< < 1 olmak üzere (1 ) X in VaR ; güven aral#nda VaR ( ) = inf{ x : P( X > x) } (1) X biçiminde verilir. 3. Monte Carlo stokastik optimizasyonu Bir optimizasyon modelinin üç önemli unsuru bulunmaktadr. Bunlar; karar de#ikenleri, kstlar ve amaç fonksiyonudur. Optimizasyon, kstlar sa#layacak ekilde amaç fonksiyonunu maksimize ya da minimize eden karar de#ikeni de#erlerinin en iyi kombinasyonunu belirleme sürecidir. Verilen amaç fonksiyonunu minimize eden bir optimizasyon modelinin genel gösterimi; min J ( ) (2) biçiminde verilebilir. Burada; girdi de#ikenlerini, J ( ) amaç fonksiyonunu ve ise kst kümesini göstermektedir. J amaç fonksiyonu için kullanlabilecek en yaygn gösterim E. 3 de verilen beklenen de#er biçimindedir. [ ] J( ) = E L(, ) (3)
4 M. Büyükyazc, E. Taar / statistikçiler Dergisi 4 (2011) Burada bir benzetim tekrarlamasnda sistemin stokastik etkisini, L(, ) ise benzetim tekrarlamalar sonucunda elde edilen örneklem tahminlerini göstermektedir [8, 9]. Optimal de#erler elde etmek genellikle, hedefe do#ru ve tekrarlayan ilemlerden oluan bir aratrma sürecini gerektiririr. Bu süreç, karar de#ikenlerinin balangçtaki de#erleri için amaç fonksiyonu de#erleri hesaplama, sonuçlar analiz etme, bir veya daha fazla karar de#ikenini de#erlerini de#itirme, modeli tekrar çaltrma ve tatmin edici bir sonuç bulana dek ayn ilemleri tekrar etmeyi içerir. E#er problem basit ve durum de#ikenlerinin de#erleri tam olarak biliniyorsa, optimizasyon modelindeki tüm girdiler sabit ise, model deterministik olacaktr. Rekil 1. de deterministik bir optimizasyon modeli görülmektedir. )ekil 1. Deterministik optimizasyon modeli [11] Ancak birçok durumda deterministik bir model, karar verme probleminin içerdi#i tüm karmakl# açklayamayabilir. Bir modeldeki baz girdiler belirsiz ve dolaysyla sadece olaslk da#lmlar ile tanmlanabiliyor ise karar de#ikenlerinin seçilen çözüm kümesi için amaç fonksiyonu de#erlerinin olaslk da#lm elde edilebilir. )ekil 2. Stokastik optimizasyon modeli [11] En az bir tane rastgele parametre içeren bu tür modeller ise stokastik optimizasyon modeli olarak adlandrlr. Rekil 2. de stokastik bir optimizasyon modeli görülmektedir. Karar de#ikenlerinin seçilen bir çözüm kümesi için amaç fonksiyonun kesin bir de#eri olmayaca# da ekilden görülmektedir. Deterministik bir modelin optimal çözümü analitik olarak ya da Monte Carlo optimizasyonu ad verilen, rastgele seçilen çok sayda uygun çözüm kümeleri içinde amaç fonksiyonuna en iyi de#eri verenin bulunmas yöntemiyle olabilir [6].
5 M. Büyükyazc, E. Taar / statistikçiler Dergisi 4 (2011) Stokastik modellerin optimizasyonu, deterministik modellere göre daha karmaktr. Stokastik bir modelin optimal çözümü analitik yollarla bulunamyorsa; optimal çözüm, hem model girdilerinin (durum de#ikenleri, sistem parametreleri vs.) belirlenmesinde, hem de optimal sonucun aranmasnda belli bir olaslk da#lmna uygun rastgele saylar üreten Monte Carlo benzetimi kullanlarak elde edilebilir [11]. Optimal saklama paynn belirlenmesi gibi risk analizlerinde kullanlan deterministik modeller günümüzde etkinli#ini kaybetmekte, gerçek karar verme süreçlerindeki karmakl# açklamamaktadr. Bunun yerine rastlantya ba#l olaylarn ortaya çkma durumunu içeren stokastik modeller tercih edilmelidir. Ancak stokastik modellerin optimal çözümünün analitik olarak bulunmas çok basitletirici varsaymlar yapld#nda bile ço#u zaman mümkün de#ildir [12]. Bu çalmada optimal saklama pay belirleme stokastik modelinin çözümü, hem model girdilerinin hem de optimal sonucun aranmasnda belli bir olaslk da#lmna uygun rastgele saylar üreten Monte Carlo tekni#ini kullanan Crystal Ball program ve bu programn kendi içinde kulland# optimizasyon algoritmas olan OptQuest yardmyla elde edilecektir. 4. Toplam hasar fazlas- reasürans benzetim optimizasyon modeli Sigortacnn balangçta öngördü#ü toplam hasar miktarn belirten negatif olmayan bir rastlant de#ikeni X olsun. Toplam hasar fazlas reasürans anlamalarnda sigorta irketi toplam hasarn X I kadarlk ksmn üstlenir ve geri kalan XR = X XI ksmn reasüröre devreder. Saklama pay d > 0 olmak üzere, sigortacnn ve reasürörün ödeyecekleri toplam hasar miktarlar srasyla XI = min{ x, d} ve X = max{0, x d} biçiminde hesaplanr. R Reasürans anlamas yoluyla riskin devredilmesi sürecinde sigorta irketi saklama paynn seviyesine göre reasüröre bir prim ödemek durumundadr. Saklama pay seviyesi arttkça, reasüröre ödenmesi gereken primin azalmas beklenir. Dolaysyla, reasürans primi R ( d ), d saklama paynn azalan bir fonksiyonudur. > 0 yükleme katsays olmak üzere beklenen de#er ve standart sapma prim ilkelerine göre reasürans primi srasyla, R( d) = (1 + ) E( XR), (4) ( d) = E( X ) + V( X ), (5) R R R biçimlerinde yazlabilir. Burada EX ( R ) reasürans ödemesinin beklenen de#erini, V( X R ) reasürans ödemesinin varyansn göstermektedir. Sigorta irketi açsndan toplam ödeme T, devredilmeyen hasar ve reasürans priminden oluur [3]. T = XI + R ( d ) (6) Toplam hasar fazlas reasürans yöntemi ile sigortacnn maruz kald# toplam ödeme için VaR ölçümünü minimize eden stokastik optimizasyon modeli E. 7 de verilmitir. Beinci bölümde farkl durumlar için * d optimal saklama pay de#erleri bu model üzerinden elde edilecektir. min EVaR [ ( d,, )] d[0, ) T (7) 5. Benzetim sonuçlar- Çalmann bu bölümünde E. 7 de verilen stokastik optimizasyon modelinin benzetimi ve optimizasyonu için OptQuest benzetim optimizasyoncusunu kullanan Crystal Ball program deneme sürümünden yararlanlmtr.
6 M. Büyükyazc, E. Taar / statistikçiler Dergisi 4 (2011) Sigortacnn optimal saklama pay seviyesi; hasar da#lm, reasürör güvenlik yükleme katsays, reasürans prim ilkeleri açlarndan ele alnmtr. Cai ve Tan, 2007 nin örneklerinin sonuçlar ile karlatrabilmek amacyla sigortacnn toplam hasar da#lm için ortalama ve standart sapmas 1000 olan üstel da#lm 0,001x F( x) = 1 e, x 0; ile ortalamas 1000 standart sapmas yaklak 1732 olan pareto da#lm, 2000 ( ) 3 F( x) = 1, x 0 incelenmitir. Ayrca, ortalamas ve standart sapmas 1000 olan lognormal x da#lm ( µ = 6, 637 ; = 0,541) da ele alnmtr. Reasürans prim ilkelerinden beklenen ve standart sapma için de ayr durumlar oluturulmutur. Ayrca reasürörün güvenlik yükleme katsays = 0, 2 ve 2 oranlarnda ayr durumlar gerçekletirilmitir. Toplamda oluturulan 6 durum için sigortacnn optimal saklama pay seviyleri VaR ölçümü için (1 ) = 0, 90 güven aral#nda hesaplanmtr. Kullanlan programda her bir durum için belirlenen optimal saklama pay seviyelerinin makul bir bilgisayar çalma süresinde elde edilebilmesi ve tutarl olabilmesi için örnekli (sample) sonuç (solution) elde edilmitir. Çalmada 6 farkl durum için elde edilen sonuçlar aa#da Çizelge 2 de verilmitir. Tabloda verilen sonuçlar kesin analitik çözüm sonuçlar de#il, yaklak çözüm sonuçlardr. Bu durum Cai ve Tan, 2007 çalmasnda Durum1 ve Durum2 için = 0, 2 olmas durumunda elde edilen optimal saklama pay seviyelerinin analitik sonuçlar srasyla 182,32 ve 125,32 ile bu çalmada elde edilen yaklak çözümler 184 ve 128 de#erleri karlatrld#nda da görülebilmektedir. Çizelge 1 de görüldü#ü üzere Tan vd. (2009) optimizasyon probleminin karkl# nedeniyle analitik olarak optimal çözümün elde edilemedi#ini belirtti#i standart sapma prim ilkesi için de stokastik optimizasyon yöntemiyle sonuçlarn elde edilebildi#i Çizelge 2 de görülmektedir. Çizelge 2. Alt farkl durum için elde edilen stokastik optimizasyon sonuçlar Optimal Saklama Pay d* VaRT ( d,, ) Toplam Hasar Da#lm Prim Ilkeleri Yükleme katsays (W) Yükleme katsays (2W) Yükleme katsays (W) Yükleme katsays (2W) Durum1 Üstel Beklenen 184,00 336, , ,63 Durum2 Pareto Beklenen 128,00 239, , ,46 Durum3 Lognormal Beklenen 312,00 440, , ,07 Durum4 Üstel Standart sapma 0,00 0, , ,00 Durum5 Pareto Standart sapma 0,00 0, , ,82 Durum6 Lognormal Standart sapma 44,00 48, , ,98 Durum sonuçlar incelendi#inde, beklenen prim ilkeleri için optimal saklama paylarnn standart sapma prim ilkelerlerine göre yüksek oldu#u görülmektedir. Toplam hasar seviyesinin ortalama 1000 oldu#u düünüldü#ünde her iki prim ilkesi için elde edilen optimal saklama paylarnn, sigorta sektöründe uygulanabilir olmad# görülmektedir. Reasürörün güvenlik yükleme katsays arttkça, beklendi#i gibi, optimal saklama pay seviyesinin de artt# Çizelge 2. de gözlemlenmektedir. Bununla birlikte optimal saklama pay seviyesine etki eden bir baka faktör de sigortacnn toplam hasar da#lm olarak göze çarpmaktadr. Beklenen prim ilkesi için pareto da#lmn optimal saklama pay seviyesinin daha düük oldu#u görülmektedir. Bunun nedeni olarak pareto da#lmnn kaln kuyruklu olmas söylenebilece#i gibi, Durum1 ve Durum4 de üstel da#lmn standart sapmalar 1000 iken Durum2 ve Durum5 de pareto da#lmnn standart sapmasnn yaklak 1732 olmas da söylenebilir. Standart sapma büyüdükçe risk de artaca#ndan, sigorta irketi açsndan saklama pay seviyesini düürmek tercih edilebilir bir durum olur.
7 M. Büyükyazc, E. Taar / statistikçiler Dergisi 4 (2011) Rekil 3 de = 0, 2 olmak üzere beklenen prim ilkesi varsaymna dayal Durum1, Durum2 ve Durum3 için VaRT ( d,, ) grafikleri saklama paynn (0,1000) tanm bölgesinde ve (0,3000) tanm bölgesinde ayr olarak verilmektedir. Rekil 4 de ise = 0, 2 olmak üzere standart sapma prim ilkesi varsaymna dayal Durum4, Durum5 ve Durum6 için VaRT ( d,, ) grafikleri saklama paynn (0,1000) tanm bölgesinde ve (0,3000) tanm bölgesinde ayr olarak verilmektedir Durum1 (ustel) Durum2 (pareto) Durum3 (lognormal) 2400 Durum1 (ustel) Durum2 (pareto) Durum3 (lognormal) VaR T (d,,) VaR T (d,,) < d < < d < 3000 )ekil 3. Beklenen prim ilkesine dayal durumlar için VaRT ( d,, ) grafikleri Durum4 (ustel) Durum5 (pareto) Durum6 (lognormal) Durum4 (ustel) Durum5 (pareto) Durum6 (lognormal) VaR T (d,,) VaR T (d,,) < d < < d < 3000 )ekil 4. Standart sapma prim ilkesine dayal durumlar için VaRT ( d,, ) grafikleri Durum4 ve Durum5 de optimal saklama paylarnn 0 çkmasnn nedeni, bu durumlar için VaRT ( d,, ) fonksiyonunun saklama pay d arttkça sürekli artan fonksiyonlar olmasdr. Bu durum Sekil 4 de gözlemlenebilmektedir. 6. Sonuç Literatürde stokastik reasürans problemlerinin baz durumlarda analitik çözümünün elde edilebildi#i ço#u durumda ise elde edilemedi#i görülmektedir. Bu çalmada, analitik çözümün elde edilemedi#i durumlarda optimal saklama paynn Monte Carlo stokastik optimizasyonu ile elde edilebilece#i gösterilmitir. Ayrca Rekil 3 ve Rekil 4 incelendi#inde fonksiyonlarn en küçük de#er aldklar nokta bölgesinde e#rilerin hzl artan ve azalan olmadklar, küçük bir e#imle azalp arttklar görülmektedir. Bu nedenle, hesaplanan saklama paylarnn optimal de#erden bir miktar daha artrlmas durumunda VaRT ( d,, ) de#erindeki art da küçük olacaktr. Örne#in Durum6 için Çizelge 2 de verilen optimal saklama pay 44 ve buna karlk (,, ) T VaR d de#eri 1399,98 dir. Rekil 4 de 0< d < 1000 tanm
8 M. Büyükyazc, E. Taar / statistikçiler Dergisi 4 (2011) bölgesinin gösterildi#i grafikte Durum6 fonksiyon e#risi incelendi#inde saklama paynn 0< d < 300 bölgesinde VaRT ( d,, ) de#erinin az miktarda de#iti#i görülebilmektedir. Baz de#erleri vermek gerekirse; saklama pay 73,22 iken VaRT ( d,, ) de#eri 1400; saklama pay 243,31 iken VaRT ( d,, ) de#eri 1404,74 dür. Bu durumda sigorta irketinin, daha yüksek bir VaRT ( d,, ) riskini göze alarak saklama payn hesap edilen optimal saklama paylarndan daha yüksek bir seviyede belirleyebilece#i açktr. Bu durum modele kst ekleyerek, etkin snr analizleri ile ya da model üzerinde yaplcak di#er de#iikliklerle gelecek çalmalarda incelenebilir. Kaynaklar [1] A. Balbas, B. Balbas, and A. Heras, 2009, Optimal Reinsurance with General Risk Measures, Insurance: Mathematics and Economics, 44, [2] N. L. Bowers, H. U. Gerber, J. C. Hickman, D. A. Jones, C. J. Nesbitt, 1997, Actuarial Mathematics, The Society of Actuaries, USA. [3] J. Cai, and K. S. Tan, 2007, Optimal Retention For a Stop-Loss Reinsurance Under the VaR and CTE Risk Measures, ASTIN Bulletin, 37(1), [4] J. Cai, K. S. Tan, C. Weng, and Y. Zhang, 2008, Optimal Reinsurance Under VaR and CTE Risk Measures, Insurance Math. and Econom., 43, [5] C. D. Daykin, T. Pentikainen, and M. Pensonen, 1994, Practical Risk Theory for Actuaries, London: Chapman and Hall. [6] B. H. Dickman, and M. J. Gilman, 1987, Monte Carlo optimization, Journal of Optimization Theory and Applications, Tecnical note, Vol. 60, No 1, [7] K. Dowd, 2004, Value-at-risk, in Encyclopedia of Actuarial Science, ed. Sundt, B. and Teugels, J. (New York: John Wiley & Sons, Ltd. [8] M.C. Fu, FW Glover, and J. April, Simulation optimization: a review, new developments, and applications, In: M.E. Kuhl, N.M. Steiger, J.A. Joines, editors, Proceedings of the 2005 winter simulation conference, [9] M.C. Fu, C.H. Chen, and L. Shi, Some topics for simulation optimization, In: S.J. Mason, R.R. Hill, L. Mönch, O. Rose, T. Jefferson, and J.W. Fowler, editors, Proceedings of the 2008 winter simulation conference, [10] T. Kaas, M. Goovaerts, J. Dhaene, and M. Denuit, 2001, Modern Actuarial Risk Theory, Kluwer Academic Publishers, Boston. [11] J. Mun, 2006, Modeling Risk Applying Monte Carlo Simulation, Real Options Analysis, Forecasting, And Optimization Techniques, New Jersey. [12] K. S. Tan, C. Weng, and Y. Zhang, 2009, VaR and CTE criteria for Optimal Quota-Share and Stop-Loss Reinsurance, The North American Actuarial Journal, Volume 13, No: 4. [13] V. R. Young, 2004, Premium Principles, In Encyclopedia of Actuarial Science, vol. 3, ed. J. Teugels and B. Sundt, pp , John Wiley.
Türkiye demir ve çelik sektöründe bir irketin yangn risklerinin aktüeryal modeli
www.istatistikciler.org statistikçiler Dergisi 3 (010) 37-44 statistikçiler Dergisi Türkiye demir ve çelik sektöründe bir irketin yangn risklerinin aktüeryal modeli Özlem Ceren Gültekin skenderun Demir
DetaylıKare tabanl bir kutunun yükseklii 10 cm dir.taban uzunluunu gösteren X ise (2, 8) arasnda uniform (tekdüze) dalmaktadr.
SORU : Kare tabanl bir kutunun yükseklii 0 cm dir.taban uzunluunu gösteren X ise (, 8) arasnda uniform (tekdüze) dalmaktadr. Kutunun hacminin olaslk younluk fonksiyonu g(v) a%adakilerden hangisidir? v
DetaylıTürkiye zorunlu trafik sigortas dalnda toplam hasar rezervi tahminlerinin hata kareler ortalamas
www.istatistikciler.org statistikçiler Dergisi 4 (0) 9-5 statistikçiler Dergisi Türkiye zorunlu trafik sigortas dalnda toplam hasar rezervi tahminlerinin hata kareler ortalamas Gülen Demir Ay T.C. Babakanlk
Detaylı2 400 TL tutarndaki 1 yllk kredi, aylk taksitler halinde aadaki iki opsiyondan biri ile geri ödenebilmektedir:
SORU 1: 400 TL tutarndaki 1 yllk kredi, aylk taksitler halinde aadaki iki opsiyondan biri ile geri ödenebilmektedir: (i) Ayla dönütürülebilir yllk nominal %7,8 faiz oran ile her ay eit taksitler halinde
DetaylıOlas l ksal ev Stabilitesi Analizlerinde Yerel De i kenli in Etkisi
Takn ve Heyelan Sempozyumu / 24-26 Ekim 2013, Trabzon - 221 - Olaslksal ev Stabilitesi Analizlerinde Yerel Deikenliin Etkisi H. Gören, E. Tekin, S. O. Akba, Gazi Üniversitesi, Mühendislik Fakültesi, naat
Detaylı2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018
2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla
DetaylıHDROLK SLNDR DNAMK ANALZ
Balkesir Üniversitesi Mühendislik- Mimarlk Fakültesi, IV. Mühendislik-Mimarlk Sempozyumu, 11-13 Eylül 2002. HDROLK SLNDR DNAMK ANALZ Zeki Kral 1, Hira Karagülle 2 ve Kutlay Aksöz 3 ÖZET -Hidrolik ve pnömatik
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME
SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla
DetaylıHAREKETL BASINÇ YÜKLEMES ALTINDAK HDROLK SLNDRN DNAMK ANALZ
12. ULUSAL MAKNA TEORS SEMPOZYUMU Erciyes Üniversitesi, Kayseri 09-11 Haziran 2005 HAREKETL BASINÇ YÜKLEMES ALTINDAK HDROLK SLNDRN DNAMK ANALZ Kutlay AKSÖZ, Hira KARAGÜLLE ve Zeki KIRAL Dokuz Eylül Üniversitesi,
DetaylıEKG Sinyallerinde Gürültü Gidermede Ayrk Dalgack Dönüümünde Farkl Ana Dalgacklarn Ve Ayrtrma Seviyelerinin Karlatrlmas
EKG Sinyallerinde Gürültü Gidermede Ayrk Dalgack Dönüümünde Farkl Ana Dalgacklarn Ve Ayrtrma Seviyelerinin Karlatrlmas Cengiz Tepe 1 Hatice Sezgin 1, Elektrik Elektronik Mühendislii Bölümü, Ondokuz May#s
DetaylıBÖLÜM 2 D YOTLU DO RULTUCULAR
BÖLÜ 2 DYOTLU DORULTUCULAR A. DENEYN AACI: Tek faz ve 3 faz diyotlu dorultucularn çalmasn ve davranlarn incelemek. Bu deneyde tek faz ve 3 faz olmak üzere tüm yarm ve tam dalga dorultucular, omik ve indüktif
DetaylıL-Moment Yöntemi le Bölgesel Ta k n Frekans Analizi ve Genelle tirilmi Lojistik Da l m le Do u Karadeniz Havzas Örne i
Takn ve Heyelan Sempozyumu / 24-26 Ekim 2013, Trabzon - 349 - L-Moment Yöntemi le Bölgesel Takn Frekans Analizi ve Genelletirilmi Lojistik Dalm le Dou Karadeniz Havzas Örnei Yrd.Doç.Dr. Fatih SAKA 1, Prof.Dr.
DetaylıSigorta irketlerinin Yaps ve Aktüerin Rolü. Aktüerler Derneği Nisan 2010
Sigorta irketlerinin Yaps ve Aktüerin Rolü Aktüerler Derneği Nisan 2010 Türkiye de sigortaclk ve bireysel emeklilik sektörü RKET SAYISI - NUMBER OF COMPANY 2006 2007 2008 Hayat D - Non Life (Alt adedi
Detaylı3 1 x 2 ( ) 2 = E) f( x) ... Bir sigorta portföyünde, t poliçe yln göstermek üzere, sigortal saysnn
SORU : Aada tanm verilen f fonksiyonlarndan hangisi denklemini her R için salar? f + = f t dt integral e A) f = e B) f = e C) f D) f = E) f = e ( ) = e ( ) SORU : Bir sigorta portföyünde, t poliçe yln
DetaylıSigortac tazminatn ödedii sigortal maln sahibi olur. Sigortacnn bu ekilde sahip olduu mallarn satndan elde ettii gelire ne ad verilir?
SORU 1: Aadaki sigorta türlerinden hangisi sigorta snflandrmas bakmndan dierlerine göre farkllk arz etmektedir? A) Kasko Sigortas B) Yangn Sigortas C) Nakliyat Sigortas D) Makine Montaj Sigortas E) Trafik
DetaylıDokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 8, Say: 3, 2006 OYLAMA YÖNTEMNE DAYALI AIRLIKLANDIRMA LE GRUP KARARININ OLUTURULMASI
Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 8, Say: 3, 2006 OYLAMA YÖNTEMNE DAYALI AIRLIKLANDIRMA LE GRUP KARARININ OLUTURULMASI Onur ÖZVER( * ÖZET Organizasyonlarda karar vericiler
DetaylıDo u Karadeniz deki iddetli Ya lar ve Ta k n Debilerine Uyan Da l mlar n Analizi
Takn ve Heyelan Sempozyumu / 4-6 Ekim 013, Trabzon - 377 - Dou Karadeniz deki iddetli Yalar ve Takn Debilerine Uyan Dalmlarn Analizi Prof. Dr. Ömer YÜKSEK (1), Ara. Gör. Tuçe ANILAN (), Yük. n. Müh. Uur
DetaylıBİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ
BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ Özgür ARMANERİ Dokuz Eylül Üniversitesi Özet Bu çalışmada, bir montaj hattı
DetaylıBÖLÜM 3. A. Deneyin Amac
BÖLÜM 3 TRSTÖRLÜ DORULTUCULAR A. Deneyin Amac Tek faz ve 3 faz tristörlü dorultucularn çalmasn ve davranlarn incelemek. Bu deneyde tek faz ve 3 faz olmak üzere tüm yarm ve tam dalga tristörlü dorultucular,
DetaylıMER A YLETRME ve EROZYON ÖNLEME ENTEGRE PROJES (YENMEHMETL- POLATLI)
MER A YLETRME ve EROZYON ÖNLEME ENTEGRE PROJES (YENMEHMETL- POLATLI) I- SORUN Toprak ve su kaynaklarnn canllarn yaamalar yönünden tad önem bilinmektedir. Bu önemlerine karlk hem toprak hem de su kaynaklar
DetaylıTÜRKYE DE DI TCARETN GELM (2000-2007) EVOLUTION OF FOREIGN TRADE IN TURKEY (2000-2007)
TÜRKYE DE DI TCARETN GELM (2000-2007) Yrd.Doç.Dr.Sevim AKDEMR * Ar.Gör.Fatih KONUR ** ÖZET Türkiye ekonomisinde 2001 y(l(ndan itibaren yüksek oranlarda büyüme gerçeklemitir. Ancak ekonomide yüksek büyüme
DetaylıBir-Yönlü ANOVA (Tamamen Rasgele Tasarm)
Bir-Yönlü ANOVA (Tamamen Rasgele Tasarm) Birdal eno lu ükrü Acta³ çindekiler 1 Giri³ Giri³ 2 3 4 LS Tahmin Edicilerinin Özellikleri 5 Genel Kareler Toplamnn Parçalan³ ndirgenmi³ Model-Tam Model Yakla³m
DetaylıKeynesyen makro ekonomik modelin geçerli oldu(u bir ekonomide aa(daki ifadelerden hangisi yanltr?
SORU 31: 3 / 4 Bir ekonomide kii ba üretim fonksiyonu y = 2k biçiminde verilmektedir. Nüfus art hz %2, teknik ilerleme hz %2 ve amortisman oran %6 iken tasarruf oran da %30 ise bu ekonomideki kii ba sermaye
DetaylıHACETTEPE ÜNVERSTES. l e t i i m. : H. Ü. Fen Fakültesi Aktüerya Bilimleri Bölümü Beytepe/Ankara. Telefon :
l e t i i m Adres : H. Ü. Fen Fakültesi Aktüerya Bilimleri Bölümü 06800 Beytepe/Ankara Telefon : +90 312 297 6234 Faks : +90 312 297 7998 HACETTEPE ÜNVERSTES e-posta Web : aktuerya@hacettepe.edu.tr : www.aktuerya.hacettepe.edu.tr
DetaylıHAYAT DIŞI SİGORTALARI SINAVI EKİM 2017
HAYAT DIŞI SİGORTALARI SINAVI EKİM 2017 SORU 1: Hasar sıklığı dağılımının oranıyla possion dağılımına sahip olduğu, bireysel hasar tutarlarının ortalaması 20 olan bir üstel dağılım olduğu ve prim yüklemesinin
DetaylıTÜRKYE DE Ç GÖÇ AKIMLARI ÜZERNE BR ÇALIMA: LOWRY HPOTEZ A STUDY ON THE INTERNAL MIGRATION FLOWS IN TURKEY: LOWRY HYPOTHESIS
TÜRKYE DE Ç GÖÇ AKIMLARI ÜZERNE BR ÇALIMA: LOWRY HPOTEZ Ögr. Gör. Dr. Ferhat Topba' 1 Ar'. Gör. Banu Tanr+över 2 ÖZET Bu çalmann amac, Türkiye için Gedik (1992) tarafndan 1965 1980 ve Yamak ve Küçükkale
DetaylıFİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis
FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis Keziban KOÇAK İstatistik Anabilim Dalı Deniz ÜNAL İstatistik Anabilim Dalı ÖZET Son yıllarda
Detaylıyurdugul@hacettepe.edu.tr VB de Veri Türleri 1
yurdugul@hacettepe.edu.tr 1 VB de Veri Türleri 1 Byte 1 aretsiz tamsay Integer 2 aretli Tamsay Long 4 aretli Tamsay Single 4 Gerçel say Double 8 Gerçel say Currency 8 Gerçel say Decimal 14 Gerçel say Boolean
DetaylıÇarpm ve Bölüm Uzaylar
1 Ksm I Çarpm ve Bölüm Uzaylar ÇARPIM UZAYLARI 1 ÇARPIM TOPOLOJ S 2 KARMA P R O B E M L E R 1. A ile B, srasyla, (X, T )X ile (Y, S ) topolojik uzaylarnn birer alt-kümesi olsunlar. (a) (A B) = A B (b)
DetaylıRİSK ANALİZİ VE. İşletme Doktorası
RİSK ANALİZİ VE MODELLEME İşletme Doktorası Programı Bölüm - 1 Portföy Teorisi Bağlamında Risk Yönetimi ile İlgili Temel Kavramlar 1 F23 F1 Risk Kavramı ve Riskin Ölçülmesi Risk istenmeyen bir olayın olma
Detaylı2013 YILI II. SEVYE AKTÜERLK SINAVLARI FNANS TEORS VE UYGULAMALARI ÖRNEK SINAV SORULARI
SORU 1: 013 YILI II. SEVYE AKTÜERLK SINAVLARI FNANS TEORS VE UYGULAMALARI ÖRNEK SINAV SORULARI ABC hisse senedinin spot piyasadaki fiyat 150 TL ve bu hisse senedi üzerine yazlm alivre sözle mesinin fiyat
DetaylıOnüçüncü Bölüm Zaman Serisi Analizi
OnüçüncüBölüm ZamanSerisiAnalizi Hedefler Buüniteyiçalktansonra; Zaman serisine en uygun tahmin denklemini belirler, Tahmin denklemini kullanarak projeksiyon yapar, Tahminler için yaplan hatay ölçer, Belli
DetaylıARTVN L GELME PLANI. Artvin l Geneli-2000. Bilinmeyen 80+ 75-79 70-74 65-69 60-64 55-59 50-54 45-49 40-44 35-39 30-34 25-29 20-24 15-19 10-14 5-9 0-4
ARTVN L GELME PLANI Artvin l Geneli-2000 Bilinmeyen Erkek 80+ 75-79 70-74 65-69 60-64 Kad n Y a Gruplar 55-59 50-54 45-49 40-44 35-39 30-34. 25-29 20-24 15-19 10-14 5-9 0-4 12 9 6 3 0 3 6 9 12 % NÜFUS
DetaylıBulank kümeleme analizi ile ülkelerin turizm istatistikleri bakmndan snflandrlmas
www.istatistikciler.org statistikçiler Dergisi 4 (011) 31-38 statistikçiler Dergisi Bulank kümeleme analizi ile ülkelerin turizm istatistikleri bakmndan snflandrlmas brahim Klç Afyon Kocatepe Üniversitesi,
DetaylıL SANS YERLE T RME SINAVI 1
LSANS YERLETRME SINAVI MATEMATK TEST SORU KTAPÇII 9 HAZRAN 00. ( )( + ) + ( )( ) = 0 eitliini salayan gerçel saylarnn toplam kaçtr?. ( )( ) < 0 eitsizliinin gerçel saylardaki çözüm kümesi aadaki açk aralklarn
DetaylıSosyo-ekonomik göstergeler bakmndan illerin bölgesel bazda benzerliklerinin çok deikenli analizler ile incelenmesi
www.istatistikciler.org statistikçiler Dergisi 4 (2011) 57-68 statistikçiler Dergisi Sosyo-ekonomik göstergeler bakmndan illerin bölgesel bazda benzerliklerinin çok deikenli analizler ile incelenmesi brahim
DetaylıErsin Pak (ersin.pak@kocallianz.com.tr) Melda Şuayipoğlu (melda.suayipoglu@kocallianz.com.tr) Nalan Öney (nalan.kadioglu@kocallianz.com.
Sağlık Sigortalarında İflas Olasılığını Etkileyen Parametrelerin Simülasyon Modeli ile Analizi Ersin Pak (ersin.pak@kocallianz.com.tr) Melda Şuayipoğlu (melda.suayipoglu@kocallianz.com.tr) Nalan Öney (nalan.kadioglu@kocallianz.com.tr)
Detaylı2013 YILI II. SEVYE AKTÜERLK SINAVLARI MUHASEBE VE FNANSAL RAPORLAMA ÖRNEK SINAV SORULARI
2013 YILI II. SEVYE AKTÜERLK SINAVLARI MUHASEBE VE FNANSAL RAPORLAMA ÖRNEK SINAV SORULARI 1-Türkiye Finansal Raporlama Standartlar na (TFRS) göre deer dü"üklüü aada verilen hangi hesap kalemi için ayr(lmaz?
DetaylıKENT KARAYOLLARINDA KAPAS TEN N BULANIK MANTIK LE MODELLENMES CAPACITY MODELLING OF URBAN HIGHWAYS BY FUZZY LOGIC
Say 24, Nisan 2011 Kent Karayollarnda Kapasitenin Bulank Mantk le Modellenmesi N.Bargan,.ahinolu KENT KARAYOLLARINDA KAPASTENN BULANIK MANTIK LE MODELLENMES Nuran BAIRGAN 1, lker AHNOLU 2 1 Dumlupnar Üniversitesi,
DetaylıTÜRK MOB L TELEKOMÜN KASYON P YASALARINDA REKABET VE EBEKE ETK LER
TÜRK MOB L TELEKOMÜN KASYON P YASALARINDA REKABET VE EBEKE ETK LER Mehmet Karaçuka * ÖZET Enformasyonun üretim sürecinin önemli bir girdisi olduu günümüz ekonomilerinde telekomünikasyon ebekeleri enformasyona
DetaylıMatematiksel denklemlerin çözüm yöntemlerini ara t r n z. 9. FORMÜLLER
ÖRENME FAALYET-9 AMAÇ ÖRENME FAALYET-9 Gerekli atölye ortam ve materyaller salandnda formülleri kullanarak sayfada düzenlemeler yapabileceksiniz. ARATIRMA Matematiksel denklemlerin çözüm yöntemlerini aratrnz.
DetaylıBir yerleim yerinin (Yaprakhisar, Kapadokya) iki boyutlu kaya dümesi analizleri ile kaya dümesi riski açsndan deerlendirilmesi
Bir yerleim yerinin (Yaprakhisar, Kapadokya) iki boyutlu kaya dümesi analizleri ile kaya dümesi riski açsndan deerlendirilmesi Rockfall risk assessment in a settlement area (Yaprakhisar, Cappadocia) by
DetaylıRÜZGÂR ENERJ S NDE KULLANILAN JENERATÖRLER N
RÜZGÂR ENERJSNDE KULLANILAN JENERATÖRLERN KARILATIRMALI ANALZ 1 Meltem APAYDIN 2 Arif Kvanç ÜSTÜN 3 Mehmet KURBAN 4 Ümmühan BAARAN FLK Anadolu Üniversitesi ki Eylül Kampüsü Mühendislik-Mimarlk Fakültesi
DetaylıEndüstri Meslek Lisesi Örencilerinin Yetenek lgi ve Deerleri le Okuduklar Bölümler Arasndaki li"ki
Eitim Fakültesi Dergisi http://kutuphane.uludag.edu.tr/univder/uufader.htm Endüstri Meslek Lisesi Örencilerinin Yetenek lgi ve Deerleri le Okuduklar Bölümler Arasndaki li"ki Salih Baatr *, Reat Peker**
DetaylıDependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20
ABD nin 1966 ile 1985 yllar arasnda Y gayri safi milli hasla, M Para Araz (M) ve r faiz oran verileri a#a$da verilmi#tir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatas ta#yp ta#mad$n Ramsey RESET testi
DetaylıTangram Etkinlii ile Çevre ve Alan Hesab *
Elementary Education Online, 8(2), tp: 1-6, 2009. lkö!retim Online, 8(2), öu: 1-6, 2009. [Online]: http://ilkogretim-online.org.tr Tangram Etkinlii ile Çevre ve Alan Hesab * Güney HACIÖMERO0LU 1 Sezen
DetaylıY ll k Maksimum Ak mlar n Baz Olas l k Da l mlar na Uygunlu unun Ki-Kare Ve Kolmogorov-Smirnov Testleriyle Belirlenmesi
Takn ve Heyelan Sempozyumu / 24-26 Ekim 2013, Trabzon - 339 - Yllk Maksimum Akmlarn Baz Olaslk Dalmlarna Uygunluunun Ki-Kare Ve Kolmogorov-Smirnov Testleriyle Belirlenmesi Yrd.Doç.Dr. Fatih SAKA 1, Prof.Dr.
DetaylıGelişmekte olan bazı piyasalarda finansal risklerin uç değer kuramı ile ölçülmesi
www.istatistikciler.org İstatistikçiler Dergisi: İstatistik&Aktüerya 6 (2013) 86-95 İstatistikçiler Dergisi: İstatistik&Aktüerya Gelişmekte olan bazı piyasalarda finansal risklerin uç değer kuramı ile
DetaylıÖlçek Geli,tirme Çal.,malar.nda Kapsam Geçerlii için Kapsam Geçerlik &ndekslerinin Kullan.lmas.
XIV. Ulusal Eitim ilimleri Kongresi Pamukkale Üniversitesi Eitim Fakültesi 28 30 Eylül 2005 DEN&ZL& Ölçek Geli,tirme Çal.,malar.nda Kapsam Geçerlii için Kapsam Geçerlik &ndekslerinin Kullan.lmas. Dr. Halil
DetaylıHomojen Sonlu evlerde Kritik Güvenlik Say s n n Pratik Ba nt larla Tahmin Edilmesi
Takn ve Heyelan Sempozyumu / - Ekim, Trabzon - - Homojen Sonlu evlerde Kritik Güvenlik Saysnn Pratik Bantlarla Tahmin Edilmesi Prof. Dr. Özcan TAN, Ar.Gör..Hakk ERKAN, Ar.Gör. Yavuz YENGNAR Selçuk Üniversitesi
DetaylıAnketler ne zaman kullanlr? Ünite 6 Anketlerin Kullanm. Temel Konular. Soru Tipleri. Açk-uçlu ve kapal anketler. Anketler. Anketler de0erlidir, e0er;
Ünite 6 Anketlerin Kullanm Sistem Analiz ve Tasarm Sedat Telçeken Anketler ne zaman kullanlr? Anketler de0erlidir, e0er; Organizasyonun elemanlar geni/ olarak da0lm/sa Birçok eleman projede rol almaktaysa
Detaylı1. Sabit Noktal Say Sistemleri
2. SAYI SSTEMLER VE KODLAR Say sistemleri iki ana gruba ayrlr. 1. Sabit Noktal Say Sistemleri 2. Kayan Noktal Say Sistemleri 2.1. Sabit Noktal Say Sistemleri 2.1.1. Ondalk Say Sistemi Günlük yaantmzda
DetaylıAKTÜERLK SINAVLARI FNANSAL MATEMATK SINAVI ÖRNEK SORULARI
AKTÜERLK SINAVLARI FNANSAL MATEMATK SINAVI ÖRNEK SORULARI SORU 1: 6 yl vade ile yllk %14 basit faiz oran üzerinden bir borç alnmtr. 3. yldaki faiz oranna e$de%er olan efektif iskonto oran a$a%dakilerden
DetaylıFİNANS YATIRIM VE RİSK YÖNETİMİ SINAVI ÇÖZÜMLÜ SET EKİM 2017
FİNANS YATIRIM VE RİSK YÖNETİMİ SINAVI ÇÖZÜMLÜ SET EKİM 2017 Soru 1 Bir sigorta şirketinin 4 yıllık (yılsonu değeri olmak üzere) beklenen hasar ödemeleri sırasıyla 300 TL, 400 TL, 900 TL ve 500 TL dir.
DetaylıDeneysel Verilerin Değerlendirilmesi
Deneysel Verilerin Değerlendirilmesi Ölçme-Birimler-Anlamlı Rakamlar Ölçme: Bir nesnenin bazı özelliklerini (kütle, uzunluk vs..) standart olarak belirlenmiş birimlere göre belirlenmesi işlemidir (ölçüm,
DetaylıVE SÜRDÜRÜLEB L R YEK UYGULAMALARI
YENLENEBLR ENERJ KAYNAKLARI MALYET ANALZ VE SÜRDÜRÜLEBLR YEK UYGULAMALARI Ömer Faruk ERTURUL omerfarukertugrul@gmail.com TEA 16. letim Tesis ve letme Grup Müdürlüü, Batraman Yolu Üzeri 2. km. 72070, Batman
Detaylı1) Ekonominin Genel Durumu ve Piyasalar:
01/01/2005-30/06/2005 DÖNEMNE LKN YAPI KRED EMEKLLK A.. GELR AMAÇLI KAMU BORÇLANMA ARAÇLARI (DÖVZ) EMEKLLK YATIRIM FONU FAALYET RAPORU 1) Ekonominin Genel Durumu ve Piyasalar: 2005 yl gelimekte olan ülke
DetaylıPARAMETRK OLMAYAN STATSTKSEL TEKNKLER. Prof. Dr. Ali EN ÖLÇEKLER
PARAMETRK OLMAYAN STATSTKSEL TEKNKLER Prof. Dr. Ali EN 1 Normal dalm artlarn salamayan ve parametrik istatistik tekniklerinin kullanlmasn elverisiz klan durumlarn bulunmas halinde, eldeki verilere bal
DetaylıYAPI KRED EMEKLLK A.. 1 OCAK - 30 EYLÜL 2008 ARA HESAP DÖNEMNE AT FNANSAL TABLOLAR VE FNANSAL TABLOLARA LKN AÇIKLAYICI DPNOTLAR
1 OCAK 30 EYLÜL 2008 ARA HESAP DÖNEMNE AT FNANSAL TABLOLAR VE FNANSAL TABLOLARA LKN AÇIKLAYICI DPNOTLAR 30 EYLÜL 2008 TARH TBARYLE AYRINTILI BLANÇO (Para birimi Aksi belirtilmedikçe Yeni Türk Liras (YTL)
DetaylıÖlçek Geli tirme Çal malarnda Kapsam Geçerlik ndeksinin Kullanm
Ölçek Geli tirme Çal malarnda Kapsam Geçerlik ndeksinin Kullanm Dr. Halil Yurdugül Hacettepe Üniversitesi Eitim Fakültesi yurdugul@hacettepe.edu.tr Motivasyon: Proje tabanl bir öretim sürecinde örencilerin
DetaylıGenetik Algoritma Kullanarak Görüntü Kaynaştırma Tabanlı Görünür Damgalama Veysel ASLANTAŞ, Rifat KURBAN
Genetik Algoritma Kullanarak Görüntü Kaynaştırma Tabanlı Görünür Damgalama Veysel ASLANTAŞ, Rifat KURBAN Özet Gelien teknolojiyle beraber saysal bilginin güvenlii oldukça önem kazanmtr. Görüntü damgalama,
DetaylıSigorta priminin benzetim yöntemi ile belirlenmesi ve otomobil sigortası örneği
www.istatistikciler.org İstatistikçiler Dergisi: İstatistik&Aktüerya 7 (2014) 20-28 Đstatistikçiler Dergisi: Đstatistik&Aktüerya Sigorta priminin benzetim yöntemi ile belirlenmesi ve otomobil sigortası
DetaylıTÜRK TEKSTL SANAYNDE ENERJ KULLANIMININ GENEL DEERLENDRLMES. Emel KAPLAN ve Erdem KOÇ Ç.Ü., Tekstil Mühendislii Bölümü, Adana/Türkiye
ISSN 1019-1011 Ç.Ü.MÜH.MM.FAK.DERGS CLT.19 SAYI.2 Aral'k December 2004 Ç.Ü.J.FAC.ENG.ARCH. VOL.19 NO.2 TÜRK TEKSTL SANAYNDE ENERJ KULLANIMININ GENEL DEERLENDRLMES Emel KAPLAN ve Erdem KOÇ Ç.Ü., Tekstil
DetaylıTÜRKYE'DE KENTLERN BÜYÜMES VE ZIPH KANUNU Erturul Delikta 1
TÜRKYE'DE KENTLERN BÜYÜMES VE ZIPH KANUNU Erturul Delikta 1 Özet Türkiye de 1950'den sonra hzl bir kentleme süreci yaanrken, özellikle metropolan kentlerin daha hzl büyüdüü ve baz kentlerin küçüldüü görülmektedir.
DetaylıMarkov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları
Markov Zinciri Monte Carlo Yaklaşımı ve Aktüeryal Uygulamaları ŞİRZAT ÇETİNKAYA Aktüer Sistem Araştırma Geliştirme Bölümü AKTÜERLER DERNEĞİ 2.0.20080 2008 - İSTANBUL Sunum Planı. Giriş 2. Bayesci Metodun
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıAKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.
SORU : AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI X raslat deikeii olas l k youluk foksiyou 8x, x f(x) = 0, ö.d olarak verilmitir. Bua göre 0< y içi Y = raslat deikeii X olaslk youluk
DetaylıOLU TURDU U DALGALARIN SAYISAL OLARAK MODELLENMES
GEMİ İNŞAATI ve DENİZ TEKNOLOJİSİ TEKNİK KONGRESİ 2012 HAREKET EDEN YARIMKÜRE EKLNDEK BR CSMN OLUTURDUU DALGALARIN SAYISAL OLARAK MODELLENMES Deniz BAYRAKTAR ERSAN 1 ve Serdar BEJ 2 ÖZET Su dalgalarnn
DetaylıKIRSAL ÇEVRE ve ORMANCILIK SORUNLARI ARATIRMA DERNE The Research Association of Rural Environment and Forestry
KIRSAL ÇEVRE ve ORMANCILIK SORUNLARI ARATIRMA DERNE The Research Association of Rural Environment and Forestry 9 Mart 1998 Say* : F-1998/ Konu : Krsal Kalknmada Ekolojik Boyut Konulu Eitim TKV K*rsal Kalk*nma
DetaylıE-DEVLET H ZMETLER NDEN YARARLANMA DERECES VE ALGILANAN H ZMET KAL TES : AMPR K B R ÇALIMA
E-DEVLET H ZMETLER NDEN YARARLANMA DERECES VE ALGILANAN H ZMET KAL TES : AMPR K B R ÇALIMA Yrd. Doç. Dr. Naci Tolga SARUÇ * ÖZET E-devlet hizmetlerin vatandalar tarafndan nasl alglandn, hangi hizmetlerin
DetaylıÇan Aç k Oca nda Patlatma Kaynakl Titre imlerin ncelenmesi The Analysis of Ground Vibrations Induced by Blasting at Çan Open Pit Mine
Çan Açk Ocanda Patlatma Kaynakl Titreimlerin ncelenmesi The Analysis of Ground Vibrations Induced by Blasting at Çan Open Pit Mine Mehmet Aksoy, Ali Kahriman, Ümit Özer, Abdulkadir Karadoan, Kaan Özdemir
DetaylıBAYINDIRLIK LER BRM FYAT ANALZLERNDEK GÜCÜ VERMLLKLERNN RDELENMES. M.Emin ÖCAL, Ali TAT ve Ercan ERD Ç.Ü., naat Mühendislii Bölümü, Adana / Türkiye
ISSN 1019-1011 Ç.Ü.MÜH.MM.FAK.DERGS CLT.19 SAYI.2 Aral,k December 2004 Ç.Ü.J.FAC.ENG.ARCH. VOL.19 NO.2 BAYINDIRLIK LER BRM FYAT ANALZLERNDEK GÜCÜ VERMLLKLERNN RDELENMES M.Emin ÖCAL, Ali TAT ve Ercan ERD
DetaylıNehir Ak lar n n Yeni Bir E ilim Metoduyla ncelenmesi
Takn ve Heyelan Sempozyumu / 24-26 Ekim 2013, Trabzon - 423 - Nehir Aklarnn Yeni Bir Eilim Metoduyla ncelenmesi Prof.Dr.Özgür K 1, Ara.Gör.Murat AY 2 1 Canik Baar Üniversitesi, Mimarlk ve Mühendislik Fakültesi,
Detaylı18.702 Cebir II 2008 Bahar
MIT Açk Ders Malzemeleri http://ocw.mit.edu 18.702 Cebir II 2008 Bahar Bu materyallerden alnt yapmak veya Kullanm artlar hakknda bilgi almak için http://ocw.mit.edu/terms ve http://tuba.acikders.org.tr
DetaylıTÜRKYE DE TARIM SEKTÖRÜNE YAPILAN DORUDAN YABANCI YATIRIMLAR ve GELM SEYR
TÜRKYE DE TARIM SEKTÖRÜNE YAPILAN DORUDAN YABANCI YATIRIMLAR ve GELM SEYR ÖZET Mustafa Terin 1 brahim Yldrm 1 Ülkelerin ekonomik kalknmasnda yatrmlar büyük önem tamaktadr. Sermaye birikiminin yetersiz
DetaylıÇMENTO SEKTÖRÜNDE GÖRECEL ETKNSZLK ALANLARININ VER ZARFLAMA ANALZ YÖNTEM LE TESPT
ÇMENTO SEKTÖRÜNDE GÖRECEL ETKNSZLK ALANLARININ VER ZARFLAMA ANALZ YÖNTEM LE TESPT Doç.Dr. Veysel KULA * Ar.Grv. Letife ÖZDEMR ** ÖZET Çalmada, stanbul Menkul Kymetler Borsas (MKB) na kote olan çimento
DetaylıVeriye Dayalı Karar Verme (Bölüm 2) Can Akkan
Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik
Detaylı84,972, Kasa Alnan Çekler Bankalar. 62,357, Verilen Çekler Ve Ödeme Emirleri (-) - 5- Di#er Nakit Ve Nakit Benzeri Varlklar
I Varl klar VARLIKLAR A Nakit Ve Nakit Benzeri Varl klar 84,972,238 1 Kasa 807 2 Alnan Çekler 3 Bankalar 62,357,854 4 Verilen Çekler Ve Ödeme Emirleri () 5 Di#er Nakit Ve Nakit Benzeri Varlklar 22,613,577
DetaylıSUALTI ve SUÜSTÜ GEM LER N N AKUST K Z ÇIKARTIMI
SUALTI ve SUÜSTÜ GEMLERNN AKUSTK Z ÇIKARTIMI Erkul BAARAN (a), Ramazan ÇOBAN (b), Serkan AKSOY (a) (a) Yrd. Doç. Dr., Gebze Yüksek Teknoloji Enstitüsü, Elektronik Müh. Böl., 41400, Gebze, Kocaeli erkul@gyte.edu.tr
DetaylıTÜRKYE DE SABT SERMAYE YATIRIMLARININ EKONOMK BÜYÜME ÜZERNDEK ETKS:KO-ENTEGRASYON ANALZ(1980-2006)
TÜRKYE DE SABT SERMAYE YATIRIMLARININ EKONOMK BÜYÜME ÜZERNDEK ETKS:KO-ENTEGRASYON ANALZ(1980-2006) Yusuf BAYRAKTUTAN* brahim ARSLAN** ÖZET 20.yüzylda küreselle"me e#ilimleri bilimsel ve teknolojik yeniliklerin
DetaylıBÜHLMANN-STRAUB KREDİBİLİTE MODELİNDE KREDİBİLİTE FAKTÖRÜNÜN İNCELENMESİ
SAÜ Fen Edebiyat Dergisi (213-II) BÜHLMANN-STRAUB KREDİBİLİTE MODELİNDE KREDİBİLİTE FAKTÖRÜNÜN İNCELENMESİ Abdurrahman ERDAL *1, Meral EBEGİL ** *1 Türkiye Çalışma ve İş Kurumu /ANKARA ** Gazi Üniversitesi
DetaylıSIEMENS Siemens Sanayi ve Ticaret A..
SIEMENS Siemens Sanayi ve Ticaret A.. Deerli Tedarikçilerimiz, Türk Vergi Usul Kanunu ve ana ortamz olan Siemens AG nin kurallar gerei, firmamza gelen faturalarn muhasebeletirilmesi, takibi ve vadesinde
DetaylıTarm Ürünleri Dolu Sigortas nda aa1da verilen seçeneklerden hangisi yanltr?
SORU 1: Sedan irketçe kabul edilen sigortalar için üst snr önceden belirtilmi olan saklama paynn (sigorta bedeli veya hasar tazminat tutarnn) almas halinde uygulanan ve reasürörün anlamaya katlma payna
DetaylıRESMÎ VE ÖZEL FEN LSELERNN ÖRGÜTSEL ÖRENME AÇISINDAN KARILATIRILMASI. Mustafa KALE
RESMÎ VE ÖZEL FEN LSELERNN ÖRGÜTSEL ÖRENME AÇISINDAN KARILATIRILMASI Mustafa KALE Özet Aratrmann temel amac, Resmî ve Özel Fen nin örgütsel örenme açsndan bir karlatrmasnn yaplmasdr. Bu amaca yönelik olarak
DetaylıY = 29,6324 X 2 = 29,0871 X 3 = 28,4473 y 2 = 2,04 x 2 2 = 0,94 x 2 3 = 2,29 yx 2 = 0,19 yx 3 = 1,60 x 2 x 3 = 1,06 e 2 = 0,2554 X + 28,47 X 3-0,53
EKONOMETR DERS ÇALIMA SORULARI SORU : 1 1980-1994 y llar aras ndaki Türkiye Özel Yat r m (Y), Reel Mevduat Faiz Oran (X ) ve GSMH (X 3 ) verilerinden hareketle a*a+ daki ortalamadan farklara göre ara sonuçlar
DetaylıYAPI KRED EMEKLLK A.. 1 OCAK - 31 MART 2010 HESAP DÖNEMNE AT FNANSAL TABLOLAR VE FNANSAL TABLOLARA LKN AÇIKLAYICI DPNOTLAR
1 OCAK - 31 MART 2010 HESAP DÖNEMNE AT FNANSAL TABLOLAR VE 1 31 MART 2010 TARH TBARYLE DÜZENLENEN FNANSAL TABLOLARIMIZA LKN BEYANIMIZ liikte sunulan 31 Mart 2010 tarihi itibariyle düzenlediimiz finansal
DetaylıÖ RENME FAAL YET -1 1. DOSYALAMA LEMLER AMAÇ ARA TIRMA. 1.1. Genel Bilgiler
ÖRENME FAALYET-1 AMAÇ ÖRENME FAALYET-1 Bu faaliyette verilen bilgiler dorultusunda, sunu hazrlama programlarnda kullanlan temel dosya ilemlerini (sunu açma-kapatma-kaydetme-düzenleme) yapabileceksiniz.
DetaylıYAPI KRED EMEKLLK A.. 1 OCAK - 31 MART 2009 ARA HESAP DÖNEMNE AT FNANSAL TABLOLAR VE FNANSAL TABLOLARA LKN AÇIKLAYICI DPNOTLAR
1 OCAK - 31 MART 2009 ARA HESAP DÖNEMNE AT FNANSAL TABLOLAR VE FNANSAL TABLOLARA LKN AÇIKLAYICI DPNOTLAR 31 MART 2009 VE 2008 TARHLER TBARYLE AYRINTILI BLANÇOLAR VARLIKLAR Bamsz Denetimden Bamsz Denetimden
DetaylıRISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:
RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıDinamik finansal analiz: Hayat d sigorta irketi için saysal örnek
www.isaisikciler.org saisikçiler Dergisi 3 () 69-85 saisikçiler Dergisi Dinamik finansal analiz: Haya d sigora irkei için saysal örnek Hakan Ylmaz Tapu ve Kadasro Genel Müdürlüü Sraeji Geliirme Daire Bakanl
Detaylıχ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ
SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5
DetaylıYEMEK VE YOL ÜCRETLERİNİN HAKEDİŞLERDEN KESİLMESİNDE KAMU ZARARI RİSKİNE DİKKAT!
YEMEK VE YOL ÜCRETLERİNİN HAKEDİŞLERDEN KESİLMESİNDE KAMU ZARARI RİSKİNE DİKKAT! Ali Hikmet UĞURLU Kamu İhale Mevzuatı Uzmanı 1. GİRİŞ Yemek ve yol ücretlerinin nakdi olarak ödeneceği öngörülen hizmet
DetaylıGÖLMARMARA SULAK ALANININ H DROLOJ S. Hüseyin KARAKU 1 Harun AYDIN 2 ÖZET
GÖLMARMARA SULAK ALANININ HDROLOJS Hüseyin KARAKU 1 Harun AYDIN 2 1 Dumlupnar Üniversitesi, Mühendislik Fakültesi, Jeoloji Mühendislii Bölümü, KÜTAHYA, karakus@dpu.edu.tr 2 Yüzüncü Yl Üniversitesi, Mühendislik-Mimarlk
DetaylıAKT 418 Aktüeryal Sistem Benzetimi
AKT 418 Aktüeryal Sistem Benzetimi Ders 1 Sistem, model, Monte Carlo simülasyonu Dr. Murat BÜYÜKYAZICI muratby@hacettepe.edu.tr Hacettepe Üniversitesi Aktüerya Bilimleri Bölümü Anlamlı bir söz! Sadece
Detaylıχ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ
SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5
DetaylıEkstrem Ya lar n iddet-süre-tekerrür Analizi: Melbourne Örne i
Takn ve Heyelan Sempozyumu / 24-26 Ekim 2013, Trabzon - 155 - Ekstrem Yalarn iddet-süre-tekerrür Analizi: Melbourne Örnei Dr. Abdullah Gökhan Ylmaz Victoria University, College of Engineering and Science,
DetaylıDolay s yla, elektromanyetik sabit c ile elektriksel geçirgenli i ve manyetik geçirgenlik aras nda bir ili ki vard r. 3
Optik Özellikler Elektromanyetik radyasyon Ik malzeme üzerinde çarptnda nasl bir etkileme olur? Malzemelerin karakteristik renklerini ne belirler? Neden baz malzemeler saydam ve bazlar yarsaydam veya opaktr?
DetaylıKONUT FNANSMAN SSTEM. TBB Gayrimenkul Çalma Grubu stanbul, 14.10.2005. Dr.Önder Halisdemir
KONUT FNANSMAN SSTEM TBB Gayrimenkul Çalma Grubu stanbul, 14.10.2005 Dr.Önder Halisdemir Genel Hatlar ile Tasar SPK nn hazrlad+ tasar 31 maddeden olumaktadr. Özel bir yasa de+il, de+iiklik yasasdr. TBB
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
Detaylı