如何缩短R语言ruin包中ruin_probability函数的运行时间？

问题分析 #

当前参数配置下，索赔泊松到达率100+时间范围10，意味着平均要模拟1000次索赔事件，单线程模拟量极大，导致ruin_probability耗时过长；开启parallel=TRUE时的警告，通常是因为未提前初始化并行后端，包无法正确调用多核资源。

以下是几种针对性的提速方案：

方案1：手动初始化并行集群（解决并行警告+利用多核加速） #

ruin包的并行功能依赖于parallel/doParallel后端，手动注册集群可解决警告并充分利用多核：

library(ruin)
library(parallel)
library(doParallel)

# 初始化并行集群（使用全部可用CPU核心）
cl <- makeCluster(detectCores())
registerDoParallel(cl)

# 计算破产概率
ruin_probability(model = model2, time_horizon = 10, parallel = TRUE, return_paths = FALSE)

# 计算完成后关闭集群
stopCluster(cl)

方案2：减少模拟次数（精度换速度） #

ruin_probability默认模拟次数为10000次，若可接受稍低精度，可通过n_simulations参数减少模拟量：

# 仅用5000次模拟，耗时减半
ruin_probability(model = model2, time_horizon = 10, parallel = FALSE, 
                 return_paths = FALSE, n_simulations = 5000)

注：模拟次数越少，结果波动越大，可根据需求调整。

方案3：使用解析解（最快，无模拟耗时） #

你的模型是指数索赔的Cramer-Lundberg模型，满足安全负荷条件（θ=0.25>0），有限时间破产概率可通过解析公式直接计算，无需模拟：

# 提取模型参数
u <- model2@initial_capital
t <- 10
lambda <- model2@claim_poisson_arrival_rate
c <- model2@premium_rate
claim_rate <- model2@claim_size_parameters$rate
mu <- 1/claim_rate
theta <- (c/(lambda*mu)) - 1
R <- theta/(mu*(1+theta))  # 调节系数

# 计算有限时间破产概率（级数解，快速收敛）
psi <- 0
n <- 0
repeat {
  term_n <- exp(-lambda*t - R*u) * (lambda*t)^n / factorial(n)
  sum_k <- sum( (R*u)^(0:n) / factorial(0:n) )
  term <- term_n * sum_k
  psi <- psi + term
  # 当项足够小时停止迭代
  if (term < 1e-12) break
  n <- n + 1
}

cat("有限时间破产概率（解析解）：", round(psi, 6), "\n")

注：该方法计算速度几乎为瞬时，结果精度远高于模拟法，优先推荐。

内容的提问来源于stack exchange，提问作者Karla Sharai Rodriguez Ramirez