مدل بندی خسارت های معوق در مثلث های تاخیر وابسته با در نظر گرفتن وابستگی تقویمی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 102

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIRC-38-4_003

تاریخ نمایه سازی: 28 آبان 1402

چکیده مقاله:

پیشینه و اهداف: ذخیره خسارت که برای سودآوری و پرداخت بدهی بیمه گر حیاتی است، پیش بینی مبلغی است که بیمه گر باید برای خسارت های آینده بپردازد. در سال های اخیر، بسیاری از پژوهشگران وابستگی های بین چند مثلث تاخیر را برای تعیین ذخایر زیان در نظر گرفته اند. هدف اصلی این مقاله پیش بینی خسارت های معوق در مثلث های تاخیر وابسته با استفاده از مدل های تصادفی است که در آن ها وابستگی بین مثلث ها و وابستگی بین خسارت های معوق پرداختی در یک سال تقویمی در هر مثلث تاخیر در نظر گرفته می شود.روش شناسی: استفاده از وابستگی بین خسارت های معوق متناظر در مثلث های تاخیر مربوط به چند رشته بیمه ای ممکن است در افزایش دقت پیش بینی خسارت های معوق تاثیرگذار باشد. همچنین، در یک مثلث تاخیر مربوط به یک رشته بیمه ای، علاوه بر عوامل سال وقوع خسارت و تعداد سال های تاخیر پرداخت خسارت معوق، سال تقویمی پرداخت خسارت هم می تواند در میزان پرداخت خسارت برای سال های وقوع خسارت متفاوت تاثیرگذار باشد. بنابراین در نظر گرفتن وابستگی تقویمی بین خسارت هایی که در یک سال تقویمی پرداخت می شوند، می تواند دقت پیش بینی در مثلث های تاخیر را بهبود بخشد. بنابراین، در مدل بندی توام خسارت های معوق چند مثلث تاخیر، دو نوع وابستگی بین مثلثی و درون مثلثی وجود دارد. در این مقاله، از دو روش برای مدل بندی این دو نوع وابستگی استفاده می شود. در روش نخست، با در نظر گرفتن توزیع چندمتغیره برای خسارت های معوق در سلول های متناظر مثلث های تاخیر، وابستگی بین مثلث ها مدل بندی می شود. در این روش، وابستگی تقویمی بین خسارت های معوق در هر مثلث تاخیر با استفاده از اضافه کردن عامل اثر سال تقویمی در مدل میانگین توزیع خسارت های معوق در نظر گرفته می شود. در روش دوم، یک توزیع چندمتغیره برای خسارت های معوق پرداختی سال های تقویمی متناظر مثلث های تاخیر در نظر گرفته می شود که در این صورت هر دو نوع وابستگی با استفاده از توزیع چندمتغیره مدل بندی می شود. برای برآورد پارامترهای مدل، در هر دو روش، از رهیافت بیزی و روش نمونه گیری مونت– کارلوی همیلتونی استفاده می شود.یافته ها: در این مقاله، داده های خسارت های معوق در دو رشته بیمه بدنه و بیمه شخص ثالث اتومبیل یک شرکت بیمه ایرانی در بازه سال های ۱۳۹۲ تا ۱۳۹۵ که به صورت فصلی ثبت شده است، استفاده می شود. با استفاده از توزیع آمیخته– مقیاس چندمتغیره با توزیع های حاشیه ای نرمال و وابستگی مفصلی، دو روش مدل بندی وابستگی تقویمی مقایسه می شوند. برای این منظور، از معیار میانگین قدرمطلق خطای درصدی برای اندازه گیری دقت پیش بینی دو روش استفاده می شود. برای داده های مورد استفاده، مشاهده می شود که میانگین قدرمطلق خطای درصدی استفاده از توزیع چندمتغیره برای مدل بندی وابستگی تقویمی کمتر است از زمانی که از عامل اثر سال تقویمی در مدل میانگین توزیع خسارت های معوق استفاده شود.نتیجه گیری: با توجه به یافته های به دست آمده با استفاده از داده های یک شرکت بیمه ایرانی، نتیجه می گیریم که مدل بندی وابستگی تقویمی بین خسارت های معوق در مثلث های تاخیر با استفاده از توزیع چندمتغیره به پیش بینی دقیق تر ذخایر مربوط به خسارت های معوق نسبت به استفاده از عامل اثر سال تقویمی در مدل میانگین توزیع خسارت های معوق منجر می شود.

نویسندگان

افروز شکوری

گروه آمار، دانشکده علوم، دانشگاه رازی، کرمانشاه، ایران

محی الدین ایزدی

گروه آمار، دانشکده علوم، دانشگاه رازی، کرمانشاه، ایران

بهاءالدین خالدی

گروه آمار کاربردی و روش های تحقیق، دانشگاه کلرداوی شمالی، گریلی، کلرادو، آمریکا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdallah, A.; Boucher, J.P.; Cossette, H., (۲۰۱۶). Modeling dependence between ...
  • Avanzi, B.; Taylor, G.; Vu, P.A.; Wong, B., (۲۰۱۶). Stochastic ...
  • Barnett, G.; Zehnwirth, B., (۱۹۹۸). Best estimates for reserves. Proc. ...
  • Betancourt, M., (۲۰۱۷). A conceptual introduction to hamiltonian Monte Carlo. ...
  • Braun, C., (۲۰۰۴). The prediction error of the chain ladder ...
  • Chan, J.S.; Choy, S.B.; Makov, U.E., (۲۰۰۸). Robust bayesian analysis ...
  • Côté, M.P.; Genest, C.; Abdallah, A., (۲۰۱۶). Rank-based methods for ...
  • De Jong, P.; Zehnwirth, B., (۱۹۸۳). Claims reserving, state-space models ...
  • Gelman, A.; Carlin, J.B.; Stern, H.S.; Dunson, D.B.; Vehtari, A.; ...
  • Goudarzi, M.; Zokaei, M., (۲۰۱۸). Co-robust modeling of deferred loss ...
  • Hess, K.T.; Schmidt, K.D.; Zocher, M., (۲۰۰۶). Multivariate loss prediction ...
  • Merz, M.; Wüthrich, M.V.; Hashorva, E., (۲۰۱۳). Dependence modelling in ...
  • Nelsen, R.B., (۲۰۰۶). An introduction to Copulas. Springer New York, ...
  • Renshaw, A.E., (۱۹۸۹). Chain ladder and interactive modelling (Claims reserving ...
  • Renshaw, A.E.; Verrall, R.J., (۱۹۹۸). A stochastic model underlying the ...
  • Shi, P.; Frees, E.W., (۲۰۱۱). Dependent loss reserving using Copulas. ...
  • Verrall, R.J., (۱۹۸۹). A state space representation of the chain ...
  • Zhang, Y., (۲۰۱۰). A general multivariate chain ladder model. Insur. ...
  • نمایش کامل مراجع