Multivariate Bühlmann-Straub credibility model for claim reserving
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract One of the approaches that is used for claim reserving in insurance companies is credibility theory, which allows claim reserving by combining claim payment data with other information. In this paper, the Bühlmann-Straub credibility model is used. Furthermore, in general, claim reserving in a company is done by calculating the claim reserve in each line of business (LoB) in the company, then the total claim reserve for the company (aggregate reserve) is obtained by adding up the claim reserve in each LoB. Considering the possibility that there is correlation between the existing LoBs, the value of aggregate reserve can actually be less than the sum of the claim reserve in each of the existing LoB. Therefore, research on the claim reserving then evolves by considering claim payment data from various LoBs in a company, or also called claim reserving in multivariate context. In this paper, a research is conducted on the development of multivariate Bühlmann-Straub credibility model for claim reserving along with estimation for model’s parameters. The model is used to calculate claim reserve for three LoBs of insurance company in United State, based on the data of claim amount during the period of 2008-2017 that was published by Association of Insurance Commisioners of the United State. It appears that the error of multivariate Bühlmann-Straub credibility model is lower than the error of standard Bühlmann-Straub credibility model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle