کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5076414 1477211 2015 26 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dependent frequency-severity modeling of insurance claims
ترجمه فارسی عنوان
مدلسازی شدت فرکانس وابسته به ادعاهای بیمه
کلمات کلیدی
مدل موانع، تجزیه مشروط، کاپولا، اعتبار سنجی خارج از نمونه، ریسک نمونه کارها،
ترجمه چکیده
روش های استاندارد رامتین در بیمه های غیر زندگی مستلزم استقلال بین تعداد و اندازه ادعاهای است. در این مقاله به تحقق بخشیدن به فرض استقلال، این روش روش هایی را می دهد که برای همبستگی میان اجزای فرکانس و شدت برای داده های بیمه در سطح میکروتیک امکان پذیر است. برای معرفی وابستگی گرانشی، ما بر چارچوب مدل سازی موانعی که در آن مولفه موانع مربوط به وقوع ادعاها است و مولفه مشروط به تعداد و اندازه ادعاهای مربوط به وقوع رخ می دهد، تکیه می شود. ما دو استراتژی را برای تعدیل تعداد ادعاها و میانگین ادعای اندازه در مولفه مشروط پیشنهاد می کنیم. اولین بر اساس تقسیم احتمالی شرطی است و تعدادی ادعا را به عنوان یک متغیر در مدل رگرسیون برای اندازه ادعای متوسط ​​مورد استفاده قرار می دهد، دوم، رویکرد مخلوط مخلوط را برای فرموله کردن توزیع مشترک تعداد و اندازه ادعا، مورد استفاده قرار می دهد. ما یک مطالعه شبیه سازی برای ارزیابی عملکرد دو رویکرد را انجام دادیم و سپس کاربرد آنها را با استفاده از یک مجموعه داده های بیمه خودرو ایالات متحده نشان دادیم. اعتبار سنجی نمونه های غربالگری نشان می دهد که مدل پیشنهادی برتری از معیارهای صنعت، از جمله تودی و مدل های خطی کلی دو بعدی است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
Standard ratemaking techniques in non-life insurance assume independence between the number and size of claims. Relaxing the independence assumption, this article explores methods that allow for the correlation among frequency and severity components for micro-level insurance data. To introduce granular dependence, we rely on a hurdle modeling framework where the hurdle component concerns the occurrence of claims and the conditional component looks into the number and size of claims given occurrence. We propose two strategies to correlate the number of claims and the average claim size in the conditional component. The first is based on conditional probability decomposition and treats the number of claims as a covariate in the regression model for the average claim size, the second employed a mixed copula approach to formulate the joint distribution of the number and size of claims. We perform a simulation study to evaluate the performance of the two approaches and then demonstrate their application using a U.S. auto insurance dataset. The hold-out sample validation shows that the proposed model is superior to the industry benchmarks including the Tweedie and the two-part generalized linear models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Insurance: Mathematics and Economics - Volume 64, September 2015, Pages 417-428
نویسندگان
, , ,