Insurance Risk Modeling: Construction and Fitting Criteria of Logistic Regression Models

• Autorzy: Beata Jackowska , Ewa Wycinka

Warianty tytułu

Modelowanie ryzyka wystąpienia szkody ubezpieczeniowej: budowa i kryteria oceny modelu regresji logistycznej

• Języki publikacji: PL

Abstrakty

W artykule podjęto próbę zbudowania modelu ryzyka wystąpienia szkody na polisie ubezpieczeniowej, wykorzystując w tym celu regresję logistyczną. Przyjęto hipotezę, że w sytuacji asymetrii informacji na rynku ubezpieczeń ryzyko związane z polisą nie jest addytywne ze względu na ryzyka cząstkowe. Z powodu specyfiki ryzyka ubezpieczeniowego, w tym małego prawdopodobieństwa wystąpienia szkody, model zbudowano na próbie zbilansowanej. Podczas budowy modelu uwzględniono różne sposoby kodowania zmiennych i ich wpływ na postać modelu. Przy wyborze postaci modelu wzięto pod uwagę miary dobroci dopasowania oraz miary zdolności predykcyjnej obliczone dla próby uczącej i testowej. Zaproponowany model pozwala na klasyfikację ubezpieczonych do jednorodnych grup ryzyka na podstawie cech kupowanej polisy.(abstrakt oryginalny)

EN

In the article an attempt to construct a model of insurance risk is made using a logistic regression. It is assumed that due to the information asymmetry on the insurance market the risk on the insurance policy is not additive with respect to partial risks. Owing to the specificity of insurance risk, particularly low probability of damage, the model was constructed on the balanced sample. Different methods of the variable coding and their influence on the model's content were taken into consideration. Optimal models were chosen on the basis of goodness of fit measures and power predictive measures. They were calculated for development and validation samples. The proposed model allows the classification of insured to homogeneous risk's groups with respect to insurance policy characteristics.(original abstract)

Słowa kluczowe

PL

Ryzyko w ubezpieczeniach; Regresja logistyczna

EN

Insurance risk; Logistic regression

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2011
• Tom: 18
• Numer: nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 568--575

Twórcy

autor

Beata Jackowska

• Uniwersytet Gdański

autor

Ewa Wycinka

• Uniwersytet Gdański

Bibliografia

• Agresti A., Categorical Data Analysis, John Wiley & Sons, New Jersey 2002.
• Allison P.D., Logistic Regression Using the SAS System: Theory and Application, SAS Institute and Wiley, Cary 2001.
• Christensen R.Ch., Log-linear Models and Logistic Regression, Springer, New York 1997.
• Harrell F., Regression Modeling Strategies with Applications to Linear Models, Logistic Regression, and Survival Analysis, Springer-Verlag, New York 2001.
• Hosmer D., Lemeshow S., Applied Logistic Regression, John Wiley & Sons, New Jersey 2000.
• Jong P. de, Heller G.Z., Generalized Linear Models for Insurance Data, Cambridge University Press, Cambridge 2008.
• Kleinbaum D.G., Logistic Regression. A Self-Learning Text, Springer-Verlag, New York 1994.
• Maddala G.S., Limited-Dependent and Qualitative Variables in Econometrics, Cambridge University Press, Cambridge 1983
• McCullagh P., Nelder J.A., Generalized Linear Models, Chapman & Hall, London 1989.
• Siddiqi N., Credit Risk Scorecards. Developing and Implementing Intelligent Credit Scoring, John Wiley & Sons, New Jersey 2006.
• Ustawa z dnia 22 maja 2003 r. o działalności ubezpieczeniowej, DzU z 2003, nr 124, poz. 1154.