Unveiling Nonlinear Dynamics in Catastrophe Bond Pricing: A Machine Learning Perspective
创建于 更新于
摘要
本报告基于1999年至2021年初级市场CAT债券交易数据，采用XGBoost机器学习模型结合刚性置信区间（Conformal Prediction）方法，揭示了CAT债券价格与其预期损失、首次损失概率、发行规模及再保险市场指标之间复杂的非线性关系和交互效应。相比传统线性回归，机器学习模型不仅提高了价格预测精度，还生成了更精炼且覆盖率稳定的预测区间，助力投资者和发行人更准确地评估风险和定价策略 [page::0][page::3][page::8][page::22][page::34][page::35]。
