Bagging and regression trees in individual claims reserving

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F25%3A10498137" target="_blank" >RIV/00216208:11320/25:10498137 - isvavai.cz</a>

Výsledek na webu

<a href="https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=pxv_.PYU0V" target="_blank" >https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=pxv_.PYU0V</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/s00362-025-01715-9" target="_blank" >10.1007/s00362-025-01715-9</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Bagging and regression trees in individual claims reserving

Popis výsledku v původním jazyce

This methodological paper presents a novel approach to individual claims reserving in non-life insurance, utilizing machine learning techniques. Claims reserving in insurance amounts to stochastically predict the overall loss reserves to cover possible future claims. The developed concepts leverage regression trees and bootstrap aggregating (bagging) to improve the accuracy of reserve predictions. Unlike current approaches focusing solely on the number of claims so far, our approach models both the frequency and severity of claims. Out-of-bag error is employed as a diagnostic tool to enhance model validation. The effectiveness of the proposed methodology is demonstrated through an exemplary data analysis, showcasing its potential to provide more accurate reserve estimates in claims reserving.

Název v anglickém jazyce

Bagging and regression trees in individual claims reserving

Popis výsledku anglicky

This methodological paper presents a novel approach to individual claims reserving in non-life insurance, utilizing machine learning techniques. Claims reserving in insurance amounts to stochastically predict the overall loss reserves to cover possible future claims. The developed concepts leverage regression trees and bootstrap aggregating (bagging) to improve the accuracy of reserve predictions. Unlike current approaches focusing solely on the number of claims so far, our approach models both the frequency and severity of claims. Out-of-bag error is employed as a diagnostic tool to enhance model validation. The effectiveness of the proposed methodology is demonstrated through an exemplary data analysis, showcasing its potential to provide more accurate reserve estimates in claims reserving.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/GF23-06461K" target="_blank" >GF23-06461K: Málopočetná řešení nedourčených systémů: retroaktivní aplikace, algoritmy, inference, a nové perspektivy</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Statistical Papers

ISSN

0932-5026

e-ISSN

1613-9798

Svazek periodika

66

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

26

Strana od-do

89

Kód UT WoS článku

001482788000003

EID výsledku v databázi Scopus

2-s2.0-105004357847