Generalized Linear Models in Vehicle Insurance
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14560%2F14%3A00075556" target="_blank" >RIV/00216224:14560/14:00075556 - isvavai.cz</a>
Výsledek na webu
<a href="http://acta.mendelu.cz/62/2/0383/" target="_blank" >http://acta.mendelu.cz/62/2/0383/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.11118/actaun201462020383" target="_blank" >10.11118/actaun201462020383</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Generalized Linear Models in Vehicle Insurance
Popis výsledku v původním jazyce
Actuaries in insurance companies try to find the best model for an estimation of insurance premium. It depends on many risk factors, e.g. the car characteristics and the profile of the driver. In this paper, an analysis of the portfolio of vehicle insurance data using a generalized linear model (GLM) is performed. The main advantage of the approach presented in this article is that the GLMs are not limited by inflexible preconditions. Our aim is to predict the relation of annual claim frequency on givenrisk factors. Based on a large real-world sample of data from 57 410 vehicles, the present study proposed a classification analysis approach that addresses the selection of predictor variables. The models with different predictor variables are comparedby analysis of deviance and Akaike information criterion (AIC). Based on this comparison, the model for the best estimate of annual claim frequency is chosen.
Název v anglickém jazyce
Generalized Linear Models in Vehicle Insurance
Popis výsledku anglicky
Actuaries in insurance companies try to find the best model for an estimation of insurance premium. It depends on many risk factors, e.g. the car characteristics and the profile of the driver. In this paper, an analysis of the portfolio of vehicle insurance data using a generalized linear model (GLM) is performed. The main advantage of the approach presented in this article is that the GLMs are not limited by inflexible preconditions. Our aim is to predict the relation of annual claim frequency on givenrisk factors. Based on a large real-world sample of data from 57 410 vehicles, the present study proposed a classification analysis approach that addresses the selection of predictor variables. The models with different predictor variables are comparedby analysis of deviance and Akaike information criterion (AIC). Based on this comparison, the model for the best estimate of annual claim frequency is chosen.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
AE - Řízení, správa a administrativa
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis
ISSN
1211-8516
e-ISSN
—
Svazek periodika
62
Číslo periodika v rámci svazku
2
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
6
Strana od-do
383-388
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—