LOSS OF EFFICIENCY OF ESTIMATES DUE TO to DATA AGGREGATION IN NON-LIFE INSURANCE LIABILITY MODELS

Thesis title: Ztráta informace při agregaci dat v modelech závazků neživotního pojištění
Author: Koudelka, Jiří
Thesis type: Diplomová práce
Supervisor: Zimmermann, Pavel
Opponents: Procházka, Jiří
Thesis language: Česky
Abstract:
V této práce se zaměřujeme na porovnání dvou modelů pro výpočet IBNER rezervy. První z nich je založena na agregovaných datech tak, jak je to v pojišťovnách běžnou praxí. Zaměříme se především na Frequency-Severity model, který je odvozen od Chain-ladder metody. Na rozdíl od ní nám umožní studovat zvlášť vývoj počtu škod a vývoj průměrné výše škody, čehož využijeme při predikci relativní jednoleté změny rezervy dosud nezlikvidovaných škodních událostí. Druhý model bude vystavěn na neagregovaných datech. Tento „mikro“ model bude odvozen pomocí zobecněných lineárních modelů. Oba modely budeme porovnávat pomocí střední kvadratické chyby. Využijeme bootstrapových technik pro generování spousty „nových“ datasetů pro další vyhodnocení obou modelů. Všechny výpočty budeme provádět na reálných datech z MTPL. Bylo prokázáno, že modely založené na agregovaných datech dávají lepší výsledky než navržený micro model.
Keywords: Logistická regrese; Chain-Ladder; GLM; Frequency-Severity model; micro model; bootstrap
Thesis title: LOSS OF EFFICIENCY OF ESTIMATES DUE TO to DATA AGGREGATION IN NON-LIFE INSURANCE LIABILITY MODELS
Author: Koudelka, Jiří
Thesis type: Diploma thesis
Supervisor: Zimmermann, Pavel
Opponents: Procházka, Jiří
Thesis language: Česky
Abstract:
This thesis is focused on comparison of two models for calculation of IBNER reserve. The first model is based on aggregated data and it is worldwide commonly used. We focus on Frequency-Severity model, which is derived from chain-ladder method. The idea is to study separately frequency as well as severity of claims a and predict relative one-year change of reserve for open claims. The second model is based on non agregated micro data, using data as granular as possible. This proposed "micro" model is based and predict relative one-year change of reserve usage of generalized linear models (GLM). Both models are compared using mean squared error (MSE). Bootstrap random resampling is used for generating of plenty of „new“ datasets to evaluate both models on many different datasets. For practical implementation a dataset of MTPL claims is used for all calculations. It was proved, that aggregate model provides significantly better results than micro model does.
Keywords: Frequency-Severity model; GLM; micro model; bootstrap; Logistic regression; IBNER; Chain-Ladder

Information about study

Study programme: Kvantitativní metody v ekonomice/Statistika
Type of study programme: Magisterský studijní program
Assigned degree: Ing.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Informatics and Statistics
Department: Department of Statistics and Probability

Information on submission and defense

Date of assignment: 14. 9. 2015
Date of submission: 22. 6. 2018
Date of defense: 27. 8. 2018
Identifier in the InSIS system: https://insis.vse.cz/zp/53935/podrobnosti

Files for download

    Last update: