Fitting Frequency of Claims by Generalized Linear Models

• Autorzy: Ján Gogola , Viera Pacáková

Warianty tytułu

Modelowanie częstotliwości roszczeń za pomocą uogólnionych modeli liniowych

• Języki publikacji: EN

Abstrakty

EN

The article deals with the issue of creating homogenous tariff classes of non-life insurance and setting claim frequency of each tariff class. We use Generalized Linear Models (GLM) for the purpose of finding significant risk factors and also to determine the estimated claim frequency of the individual tariff classes. The theoretical part is completed by the application on a typical heterogeneous portfolio of the Motor Third Party Liability (MTPL). All calculations are performed using the R environment(original abstract)

Artykuł omawia kwestię tworzenia jednorodnych klas taryfowych ubezpieczeń majątkowych i ustalenie częstotliwości roszczeń każdej klasy taryfowej. W celu znalezienia istotnych czynników ryzyka, a także w celu określenia szacunkowej częstości roszczeń poszczególnych grup taryfowych, wykorzystany został uogólniony model liniowy (GLM). Część teoretyczna została uzupełniona zastosowaniem tego modelu dla typowego niejednorodnego portfela ubezpieczeń OC. Wszystkie obliczenia przeprowadzono z użyciem środowiska programowania R(abstrakt oryginalny)

Słowa kluczowe

EN

Linear models; Classification of risk; Insurances

PL

Modele liniowe; Klasyfikacja ryzyka; Ubezpieczenia

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2016
• Numer: nr 428 Wrocław Conference in Finance: Contemporary Trends and Challenges
• Strony: 72--82

Twórcy

autor

Ján Gogola

• University of Pardubice

autor

Viera Pacáková

• University of Pardubice

Bibliografia

• Cox D.R., 1972, Regression Models and Life-tables, Journal of the Royal Statistical Society. Series B (methodological), no. 34 (2), pp. 187-220.
• Chongsuvivatwong V., 2012, Epicalc: Epidemiological calculator. R package version 2.15.1.0., http://CRAN.R-project.org/package=epicalc.
• Denuit M., Charpentier A., 2005, Mathématiques de l'Assurance Non-Vie. Tome II: Tarification et Provisionnement. Collection Economie et Statistique Avancées, Economica, Paris.
• Denuit M., Maréchal X., Pitrebois S., Walhin J.-F., 2007, Actuarial Modeling of Claim Counts: Risk Classification, Credibility and Bonus Malus Systems, John Wiley & Sons, New York.
• Fox J., Weisberg S., 2011, An {R} Companion to Applied Regression, Second Edition, Thousand Oaks CA, Sage, http://socserv.socsci.mcmaster.ca/ jfox/Books/Companion.
• Jee B., 1989, A comparative analysis of alternative pure premium models in the automobile risk classification system, Journal of Risk and Insurance, no. 56, pp. 434-459.
• Lambert D., 1992, Zero-inflated Poisson Regression, with an Application to Defects in Manufacturing, Technometrics, no. 34 (1), pp. 1-14.
• Nelder J.A., McCullagh P., 1989, Generalized linear models (Second edition), Chapman & Hall, London.
• R Core Team, 2015, R: A language and environment for statistical computing, R Foundation for Statistical Computing, Vienna, http://www.R-project.org/.
• Ter Berg P., 1980, On the loglinear Poisson and gamma model, ASTIN Bulletin, no. 11, pp. 35-40.
• Warnes G.R., 2013, Gmodels: Various R programming tools for model fitting. R package version 2.15.4.1., includes R source code and/or documentation contributed by Ben Bolker, Thomas Lumley, Randall C Johnson. Contributions from Randall C. Johnson are Copyright SAIC-Frederick, Inc. Funded by the Intramural Research Program, of the NIH, National Cancer Institute and Center for Cancer Research under NCI Contract NO1-CO-12400, http://CRAN.R-project.org/package=gmodels.

Identyfikatory

DOI

10.15611/pn.2016.428.06