×
丹尼斯·阿库;夸贝纳州多库·阿蒙萨;Nathaniel K·霍华德。

用于自动保险风险溢价定价的基于Markov调制树的梯度提升模型。 （英文） Zbl 1458.91181号

风险决策。分析。 8、第1-2号、第1-13号（2020年）.
摘要：在大多数撒哈拉以南非洲国家，自动保险政策的定价机制是基于关税的。这意味着，影响价格变化的关键因素通常基于监管和立法动态。此外，如果费率制定是基于风险的，那么在大多数情况下，分析都侧重于内部历史数据或索赔历史，尤其是在撒哈拉以南非洲地区。这些政策制度导致了投保人之间不公平的价格扭曲，并增加了大多数保险公司的投资组合风险。在本研究中，我们考虑了影响保险公司自动保险索赔过程的地理位置风险。该研究开发了一个基于Markov调制树的梯度提升（MMGB）模型，用于定价自动保险费。Markov调制的基于树的梯度提升模型是一种基于Tweedie广义线性模型（GLM）的定价算法，具有复合泊松-伽马分布，其速率随Markov过程中的事故风险而变化。因此，该研究通过将地理位置风险因素纳入主要定价框架，扩展了现有保费定价框架。该研究将该模型应用于加纳的汽车保险数据集。结果表明，该方法优于其他竞争模型，因为它为非寿险汽车保险公司生成了相对公平的保费预测，有助于减轻公司和行业的投保风险。

MSC公司：

91G05号 精算数学

关键词：

自动保险模型;Markov模块化定价;梯度增强;加纳的风险溢价定价

软件：

ElemStatLearn（电子状态学习）;阿达·布斯特。MH公司;加迈尔
PDF格式BibTeX公司 XML格式引用
\textit{D.Arku}等人，《风险决策》。分析。8，编号1--2，1-13（2020；Zbl 1458.91181）
全文： 内政部

参考文献：

[1] K.Antonio和E.A.Valdez，《保险业先验和后验风险分类的统计概念》，《统计分析进展》96（2）（2012），187-224·Zbl 1443.62328号
[2] K.J.Anstey、J.Wood、S.Lord和J.G.Walker，老年人驾驶安全的认知、感官和身体因素，《临床心理学评论》25（2005），45-65。
[3] L.Breiman，Arcing classifier（作者进行了讨论和反驳），《统计年鉴》26（1998），801-849·Zbl 0934.62064号
[4] H.Cossette，D.Landriault和E.Marceau，马尔可夫环境中的复合二项式风险模型，保险：数学与经济学35（2004），425-443·Zbl 1079.91049号
[5] H.Cramer，《集体风险理论：从随机过程理论的角度对该理论的综述》，载于：《斯坎迪亚保险公司第七个周年纪念卷》，斯德哥尔摩，1955年，第5-92页。
[6] M.Denuit和S.Lang，《贝叶斯GAMS非寿险费率制定》，《数学与经济》35（3）（2004），627-717·Zbl 1070.62095号
[7] G.Dionne、C.Gourieroux和C.Vanasse，《汽车保险市场逆向选择证据的测试：评论》，《政治经济学杂志》109（2001），444-453。
[8] Z.Djuric，《非寿险中的集体风险模型》，《经济展望》15（2）（2013），167-175。
[9] P.K.Dunn和G.K.Smyth，通过傅里叶反演评估Tweedie指数色散模型密度，统计与计算18（2008），73-86。
[10] W.Feller，《概率论及其应用导论》，Wiley&Sons，纽约，1968年·Zbl 0155.23101号
[11] E.W.Frees、G.Meyers和A.D Cummings，使用基尼指数总结保险得分。，《美国统计协会杂志》106（2011），1085-1098·Zbl 1229.62140号
[12] E.W.Frees、G.Meyers和A.D.Cummings，《多险种房主保险的预测模型·方差》（2012年）。
[13] E.W.Frees、G.Meyers和A.D.Cummings，《保险费率制定和基尼指数》，《风险与保险杂志》（2013年）·Zbl 1229.62140号
[14] Y.Freund和R.E.Schapire，在线学习的决策理论推广及其在助推中的应用，《计算机与系统科学杂志》55（1）（1997），119-139·Zbl 0880.68103号
[15] J.H.Friedman，《贪婪函数近似：梯度提升机》，《统计年鉴》29（5）（2001），1189-1232·Zbl 1043.62034号
[16] J.H.Friedman，《随机梯度增强，计算统计与数据分析》38（4）（2002），367-378·Zbl 1072.65502号
[17] L.Guelman，用于汽车保险损失成本建模和预测的梯度增强树，《应用专家系统》39（2012），3659-3667。
[18] A.Guillou、S.Loisel和G.Stup-fler，《保险中Markov调制过程的参数估计》，《保险：数学与经济学》（2013年）·Zbl 1304.91109号
[19] S.Haberman和A.E.Renshaw，广义线性模型和精算科学，统计学家45（1996），407-436。
[20] T.Hastie、J.Friedman和R.Tibshirani，《统计学习的要素：数据挖掘、推断和预测》，第二版，《统计学中的斯普林格系列》，斯普林格出版社，2009年·Zbl 1273.62005年
[21] B.Jorgensen和M.C.de Souza，将Tweedies复合泊松模型拟合到保险索赔数据，《斯堪的纳维亚精算杂志》（1994），69-93·Zbl 0802.62089
[22] R.Kaas、M.J.Goovaerts、J.Dhaene和M.Denuit，《现代精算风险理论》，Kluwer，Dordrecht，2001年·Zbl 1086.91035号
[23] S.Loisel，《K业务线破产理论》，载于《第三届精算与金融日会议录》，布鲁塞尔，2004年。
[24] P.McCullagh和J.A.Nelder，《广义线性模型》，查普曼和霍尔出版社，伦敦，1989年·Zbl 0744.62098号
[25] A.T.McCartt、V.I.Shabanova和W.A.Leaf，《青少年新手驾驶员的驾驶经验、车祸和交通事故》，《事故分析与预防》35（2003），311-320。
[26] A.J.McNeil和F.Lindskog，《常见泊松冲击模型：在保险和信用风险建模中的应用》，2001年，美国联邦理工学院·Zbl 1087.91030号
[27] D.Mihaela，《使用广义线性模型的保险定价》，Procedia Economics and Finance 20（2015），147-156。
[28] J.Nelder和R.Wedderburn，广义线性模型，《统计社会杂志》A135系列（1972年），370-384。
[29] E.Ohlsson和B.Johansson，使用广义模型的非人寿保险定价，Springer，2010年·Zbl 1194.91011号
[30] T.Rolski、H.Schmidli、V.Schmidt和J.Teugels，《保险和金融的随机过程》，威利，纽约，1999年·Zbl 0940.60005号
[31] G.K.Smyth，具有精确零的数量数据的回归分析，载于：第二届澳大利亚-日本工程、技术和管理随机模型研讨会论文集，Citeseer1996，第572-580页。
[32] G.K.Smyth和B.Jorgensen，《将Tweedie的复合泊松模型拟合到保险索赔数据：离散建模》，ASTIN Bulletin32（2002），143-157·Zbl 1094.91514号
[33] G.Werner和C.Modlin，《基本费率制定》，第五版，伤亡精算学会，2010年。
[34] G.Werner、C.Modlin和W.T.Watson，《基本费率制定》，第五版，《意外精算协会》，2016年。
[35] S.N.Wood，《广义加性模型：导论》，R.Chapman&Hall/CRC，2006年·Zbl 1087.62082号
[36] Y.Yang，W.Qian和H.Zou，基于梯度树的粗花呢复合泊松模型的保险费预测，《商业与经济统计杂志》（2016）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。