×
安德烈亚·加布里埃利

报告索赔的个人索赔保留模型。 （英语） Zbl 1507.91177号

欧洲实际值。J。 11，第2期，541-577（2021年）.
本文介绍了一种索赔准备金技术，该技术使用索赔特定特征和过去付款信息来估计个别报告索赔的索赔准备金。作者着重于建模RBNS（已报告但尚未结算）准备金，其中包括已报告索赔的预计未来付款。设计了一个单一的神经网络，可以估计每个报告索赔的预期未来现金流。为了使神经网络适应过去个人索赔支付的不完整时间序列，引入了一种一致的使用缺失层的方法。为了再现性，作者主要使用合成保险数据。这一分析得到了瑞士实际意外保险数据应用的补充。合成数据由个人索赔历史模拟机生成。对于每个报告的个人索赔，都有特定于索赔的特征信息，例如被保险人的年龄或劳动部门。索赔报告后，可能会触发多次（每年）付款。付款和报告日期之间的时间延迟（按年度计算）称为付款延迟。在上一个考虑的事故年度结束时，对于每一个报告的索赔，我们都有索赔特定的特征信息和过去的付款信息。主要目标是使用这些信息来估计每个报告索赔的预期未来付款。这对应于估算RBNS储量。
审核人：乔治·舍甫琴科（基辅）

引用于2文件

MSC公司：

91G05号 精算数学
68T07型 人工神经网络与深度学习

关键词：

索赔准备金;个人索赔;苏格兰皇家银行准备金;神经网络;多任务学习;辍学;时间序列;微储层

软件：

R（右）;DCL公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Gabrielli}，欧洲演员。J.11，第2号，541--577（2021；Zbl 1507.91177）
全文： 内政部

参考文献：

[1] 安东尼奥，K。；Plat，R.，《普通保险微观随机损失准备金》，《Scand Actuar J》，2014年，第7期，第649-669页（2014年）·Zbl 1401.91091号 ·doi:10.1080/03461238.2012.755938
[2] Baudry，M。；Robert，CY，《保险中个人理赔准备金的机器学习方法》，Appl Stoch Models Bus Ind，35，5，1127-1155（2019）·doi:10.1002/asmb.2455
[3] Y.本吉奥。；杜恰姆，R。；文森特，P。；Jauvin，C.，神经概率语言模型，J Mach Learn Res，31137-1155（2003）·Zbl 1061.68157号
[4] Boumezoude A，Devineau L（2017）《个人索赔准备金：一项调查》。2017年1月01643929日
[5] Caruana，R.，《多任务学习》，《马赫学习》，第28、1、41-75页（1997年）·doi:10.1023/A:1007379606734
[6] Crevecoeur J，Antonio K（2019）《广义准备金模型：弥合定价与个人准备金之间的差距》。arXiv:1910.12692，2019年10月28日版本
[7] Cybenko，G.，通过sigmoid函数的叠加进行逼近，数学控制信号系统，2303-314（1989）·Zbl 0679.94019号 ·doi:10.1007/BF02551274
[8] De Felice，M。；Moriconi，F.，使用分类和回归树的索赔观察和个人索赔保留，风险，7，4102（2019）·doi:10.3390/risks7040102
[9] Delong L、Lindholm M、Wüthrich MV（2020）使用个人索赔数据的集体储备。SSRN手稿ID 3582398，2020年4月22日版本
[10] 德隆，L。；Wüthrich，MV，用于联合开发个人支付和索赔的神经网络，风险，8，2，33（2020）·doi:10.3390/risks8020033
[11] Denuit M、Hainaut D、Trufin J（2019）精算师的有效统计学习方法III：神经网络和扩展。施普林格·Zbl 1426.62002年
[12] 杜瓦尔，F。；Pigeon，M.，《基于梯度提升法的个人损失准备金》，风险，7，3，79（2019）·doi:10.3390/risks7030079
[13] Ferrario A、Noll A、Wüthrich MV（2018）《来自神经网络内部的见解》。SSRN手稿ID 3226852，2018年11月14日版本
[14] Gabrielli，A.，神经网络增强双重过度分散泊松索赔储备模型，ASTIN Bull，50，1，25-60（2020）·Zbl 1431.91328号 ·doi:10.1017/asb.2019.33
[15] 加布里埃利，A。；Richman，R。；Wüthrich，MV，过度分散泊松储备模型的神经网络嵌入，Scand Actuar J，1，1-29（2020）·Zbl 1430.91076号 ·doi:10.1080/03461238.2019.1633394
[16] 加布里埃利，A。；Wüthrich，MV，个人索赔历史模拟机，风险，6，2，29（2018）·doi:10.3390/risks6020029
[17] 古德费罗，I。；Y.本吉奥。；Courville，A.，《深度学习》（2016），剑桥：麻省理工学院出版社，剑桥·Zbl 1373.68009号
[18] 何科，张X，任S，孙J（2016）图像识别的深度剩余学习。摘自：IEEE计算机视觉和模式识别会议记录，第770-778页
[19] Hiabu，M。；Margraf，C。；Martínez-Miranda，医学博士；Nielsen，JP，《经典储层和颗粒储层之间通过双链链及其延伸的联系》，Br Actuar J，21，1，97-116（2016）·doi:10.1017/S1357321715000288
[20] 霍尼克，K。；Stinchcombe，M。；White，H.，多层前馈网络是通用逼近器，神经网络，2359-366（1989）·Zbl 1383.92015年 ·doi:10.1016/0893-6080（89）90020-8
[21] 耶森，AH；Mikosch，T。；Samorodnitsky，G.，《泊松聚类模型中未付款项的预测》，《Scand Actuar J》，2011年第3期，第214-237页（2011年）·Zbl 1277.62252号 ·doi:10.1080/03461238.2010.481080
[22] Kuo K（2020）使用贝叶斯混合密度网络进行个人索赔预测。arXiv:2003.02453，2020年3月5日版本
[23] Larsen，CR，《个人索赔保留模型》，ASTIN Bull，37，1，113-132（2007）·Zbl 1162.91421号 ·网址：10.1017/S051503610014768
[24] LeCun，Y。；Y.本吉奥。；Hinton，G.，深度学习，《自然》，52175533436-444（2015）·doi:10.1038/nature14539
[25] O.洛佩兹。；Milhaud，X。；Thérond，P-E，适用于微观储量和长期开发要求的基于树的算法，ASTIN Bull，49，3，741-762（2019）·Zbl 1427.91238号 ·doi:10.1017/asb.2019.12
[26] Mack，T.，链梯储量估算标准误差的无分布计算，ASTIN Bull，23，2，213-225（1993）·doi:10.2143/AST.23.2.2005092
[27] Martínez-Miranda，医学博士；尼尔森，JP；Verrall，RJ；Wüthrich，MV，《经典储层和颗粒储层之间通过双链链及其延伸的联系》，《Scand Actuar J》，2015，5，383-405（2015）·Zbl 1401.91174号 ·doi:10.1080/03461238.2013.823459
[28] 鸽子，M。；安东尼奥，K。；Denuit，M.，《利用多元斜态正态框架进行个人损失准备金》，ASTIN Bull，43，3，399-428（2013）·Zbl 1284.91263号 ·doi:10.1017/asb.2013.20
[29] R核心团队（2018）R：统计计算的语言和环境。R统计计算基金会，维也纳
[30] Ruder S（2017）深度神经网络中的多任务学习概述。arXiv:1706.05098，2017年6月15日版本
[31] Schmidhuber，J.，《神经网络中的深度学习：概述》，神经网络，61，85-117（2015）·doi:10.1016/j.neunet.2014.09.003
[32] 北斯利瓦斯塔瓦。；辛顿，G。；Krizhevsky，A。；Sutskever，I。；Salakhutdinov，R.，《辍学：防止神经网络过度拟合的简单方法》，J Mach Learn Res，1929-1958（2014）·Zbl 1318.68153号
[33] Taylor，G.，损失准备金模型：粒度和机器学习形式，风险，7，3，82（2019）·doi:10.3390/risks7030082
[34] 泰勒，G。；McGuire，G。；Sullivan，J.，《个案估计条件下的个人索赔损失准备金》，《科学学报》，第3期，第1-2期，第215-256页（2008年）·doi:10.1017/S1748499500000518
[35] Wüthrich，MV，《个人索赔保留中的机器学习》，《Scand Actuar J》，2018，6，465-480（2018）·Zbl 1416.91225号 ·doi:10.1080/03461238.2018.1428681
[36] XB赵；周，X。；Wang，JL，个人索赔损失准备金预测的半参数模型，Insur Math Econ，45，1-8（2009）·Zbl 1231.91259号 ·doi:10.1016/j.insmateco.2009.02.009
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。