种子选择对偿付能力II比率的影响

光谱测试背后的数论在[Kon03]中有很好的解释。结论本文揭示了种子选择对偿付能力II比率的显著影响。此外，我们还解释了如何从数学的严格意义上定义随机性，并展示了如何使用统计和几何测试来区分随机数字发生器的好种子和坏种子。我们强烈建议保险公司、监管机构和外部审计师将来也会考虑这些随机数生成器的质量标准。尽管证明了利率模型、用于计算未来政策福利准备金的软件、管理规则等的适当性，但出于充分考虑的原因，还应在框架中添加随机数生成器。确认。作者希望感谢一家德国保险公司的两名匿名精算师员工的计算和提供的数据。此外，我们感谢裁判的有益评论。参考【EC15】欧盟委员会，“委员会授权条例（EU）2015/35”（2015）。[EIO15]EIOPA，《技术准备金估价指南》（2015年）。【ES07】L\'Ecuyer，P.，Simard，R.：“TestU01：用于随机数生成器实证测试的C库”，ACM数学软件交易，33（4），第22条（2007）。Glasserman，P.：“金融工程中的蒙特卡罗方法”，Springer（2003）。[Knu98]Knuth，D.E.：“计算机编程的艺术”，第2卷：半数值算法，Addison-Wesley（1998）。【Kon03】Kontorovich，A.：“从阿波罗尼斯到扎伦巴：薄轨道中的局部全球现象”，Bull。AMS 50第2号，187–228（2013）。[Leh51]Lehmer D.H.：“大规模计算单元中的数学方法”，过程。第二次研讨会。

《大型数字计算机械》，哈佛大学出版社，141–146（1951）。【Nie92】Niederreiter，H.：“随机数生成和拟蒙特卡罗方法”，应用数学CBMS-NSF系列第63号，费城暹罗（1992）。[Nie09]Nies，André：“可计算性和随机性”，牛津大学出版社，2009年。船体白色模型用于BSM的ESG。【PTVF07】Press，W，Teukolsky，S.，Vetterling，W.，Flannery，B.：“数字配方：科学计算的艺术”，剑桥大学出版社（2007年）。[Wie82]Wichmann，B.A.，Hill，I.D.：“高效便携式伪随机数发生器”，应用。统计。31, 188-190 (1982).【VNWike】维基引述：“约翰·冯·诺依曼-维基引述”，2017年4月25日，2017年12月20日检索自https://en.wikiquote.org/w/index.php?title=John_von_Neumann&oldid=2246778.Quinn福特汉姆大学卡尔弗，纽约州约翰·穆尔卡希·哈尔布朗克斯407号，邮编0458-5165电子邮件地址：qculver@fordham.eduDennisHeitmann，BSP柏林商学院汉堡校区，Am Kaiserkai 1，D-20457 Hamburg电子邮件地址：dennis。heitmann@bsp-汉堡校区。deChristian Weiss，Hochschule Ruhr West，Duisburger Str.100，D-45479 Mulheim an der RuhrE邮箱：christian。weiss@hs-鲁尔韦斯特。判定元件