Determination of the natural disaster insurance premiums by considering the mitigation fund reserve decisions: An application of collective risk model
Notice bibliographique
Résumé
In Indonesia, natural disasters cases have significantly increased from time to time and have the largest impact on economic losses. To avoid losses in the future due to natural disasters, the insurance company needs to estimate the risk and determine the rate of premium that would be charged to the policyholder. In conjunction with the present issue, this study seeks to determine the premium rate and estimate the size claim of insurance by considering the mitigation fund reserve decisions using The Collective Risk Model (CRM). The data was analyzed using the Poisson process with Weibull distribution to determine the natural disaster frequency and losses. The distribution of losses is estimated using Maximum Likelihood Estimation (MLE), and the magnitude of losses was estimated using the CRM. Also, the mean and variance estimators of the aggregate risk were used to estimate the premium charged. The results indicated that expectation and variance of the frequency of incident claims have the same value, i.e., 2562. Also, the loss claims follow the Weibull distribution with the expected value and variance of 5.81309×1010 and 2.5301×1022, respectively. The mean and variance of the aggregate (collective) claims are 148,931,365,800,000 and 7.35×1025, respectively. In conclusion, this study has successfully determined the efficient pure premium model through the Standard Deviation Principle (SDP). SDP provides a much cheaper premium than the Expected Value Principle with the same loading factor. In addition, SDP considers the standard deviation of the collective risk of natural disasters. The implications of the results of the premium determination are expected to be the basis for decision-making for insurance companies and the government in determining insurance policies for natural disaster mitigation.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».