DCL公司

双链梯。通过将报告计数数据的信息加入到一个经典的储备数据三角形中,我们得到了一个简单的IBNR和RBNS索赔预测方法。然后,可以用一个简单的开发和延迟因素之间的关系来估算付款。Bootstrap方法提供预测误差,并使IBNR和RBNS索赔的推断成为可能。


zbMATH中的参考文献(参考 24篇文章 24篇,1标准件)

显示第1到第20个结果,共24个。
按年份排序(引用)
  1. Andrea Gabrielli:一个神经网络增强的双过分散泊松索赔储备模型(2020)
  2. Lindholm,Mathias;Verrall,Richard:基于回归的储量模型和部分信息(2020年)
  3. Wahl,Felix:非寿险中一类微观模型的显式时刻(2019)
  4. 沃尔,费利克斯;林德霍姆,马蒂亚斯;维拉尔,理查德:集体储备模式(2019年)
  5. Woundjiagueé,Apolinaire;Mbele Bidima,Martin Le Doux;Mwangi,Ronald Waweru:使用二次优化程序对保险损失准备金的混合对数泊松回归估计(2019年)
  6. Gigante,Patrizia;Picech,Liviana;Sigalotti,Luciano:赔款准备金中支付和支付数量的混合模型(2018)
  7. Lee,Y.K.;Mammen,E.;Nielsen,J.P.;Park,B.U.:样本预测:简要回顾和新算法(2018)
  8. Margraf,Carolin;Elpidorou,Valandis;Verrall,Richard:基于总数据的微观模型,在超额损失再保险存在的情况下进行索赔准备金(2018年)
  9. 孟胜旺;高广元:复合泊松索赔保留模型:扩展与推理(2018)
  10. 葡萄牙,Luís;Pantelous,Athanasios A.;Assa,Hirbod:采用随机向量预测的索赔准备金(2018年)
  11. Wüthrich,Mario V.:个人索赔保留中的机器学习(2018)
  12. Hiabu,M.:经典链梯与颗粒储集的关系(2017)
  13. Bissantz,Nicolai;Dette,Holger;Hildebrandt,Thimo;Bissantz,Kathrin:加法逆回归中的平滑回火(2016)
  14. 黄金龙;吴先义;周,贤:随机储备的渐近行为:集合与个体模型(2016)
  15. Godecharle,Els;Antonio,Katrien:基于个人索赔标记的条件保留:使用历史模拟的案例研究(2015)
  16. Kuang,D.;Nielsen,B.;Nielsen,J.P.:几何链梯(2015)
  17. Lee,Young K.;Mammen,Enno;Nielsen,Jens P.;Park,Byeong U.:样本内密度预测的渐近性(2015)
  18. Mammen,Enno;Martínez Miranda,María Dolores;Nielsen,Jens Perch:样本预测应用于储备和间皮瘤死亡率(2015年)
  19. 米兰达,玛莉亚·多洛雷斯·马丁内斯;尼尔森,詹斯·珀奇;维拉尔,理查德;Wüthrich,马里奥V.:双链阶梯,索赔发展通货膨胀和零索赔(2015年)
  20. Antonio,Katrien;Plat,Richard:一般保险的微观随机损失准备金(2014)