Bonus-Malus Systems in Vehicle Insurance
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14560%2F15%3A00082157" target="_blank" >RIV/00216224:14560/15:00082157 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1016/S2212-5671(15)00354-8" target="_blank" >http://dx.doi.org/10.1016/S2212-5671(15)00354-8</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/S2212-5671(15)00354-8" target="_blank" >10.1016/S2212-5671(15)00354-8</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Bonus-Malus Systems in Vehicle Insurance
Popis výsledku v původním jazyce
Actuaries in insurance companies try to design a tariff structure that will fairly distribute the burden of claims among policyholders. Therefore they try to find the best model for an estimation of the insurance premium. The paper deals with an estimateof a priori annual claim frequency and application of bonus-malus system in the vehicle insurance. In this paper, analysis of the portfolio of vehicle insurance data using generalized linear model (GLM) is performed. Based on large real-world sample ofdata from 67 857 vehicles, the present study proposes a classification analysis approach addressing the selection of predictor variables. The models with different predictor variables are compared by the analysis of deviance. Based on this comparison, the model for the best estimate of annual claim frequency is chosen. Then the bonus-malus (BM) system is used for each class of drivers and Bayesian relative premium is calculated. Finally a fairer premium for different groups of drivers is
Název v anglickém jazyce
Bonus-Malus Systems in Vehicle Insurance
Popis výsledku anglicky
Actuaries in insurance companies try to design a tariff structure that will fairly distribute the burden of claims among policyholders. Therefore they try to find the best model for an estimation of the insurance premium. The paper deals with an estimateof a priori annual claim frequency and application of bonus-malus system in the vehicle insurance. In this paper, analysis of the portfolio of vehicle insurance data using generalized linear model (GLM) is performed. Based on large real-world sample ofdata from 67 857 vehicles, the present study proposes a classification analysis approach addressing the selection of predictor variables. The models with different predictor variables are compared by the analysis of deviance. Based on this comparison, the model for the best estimate of annual claim frequency is chosen. Then the bonus-malus (BM) system is used for each class of drivers and Bayesian relative premium is calculated. Finally a fairer premium for different groups of drivers is
Klasifikace
Druh
D - Stať ve sborníku
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
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Procedia Finance and Economics
ISBN
—
ISSN
2212-5671
e-ISSN
—
Počet stran výsledku
7
Strana od-do
216-222
Název nakladatele
Elsevier B.V.
Místo vydání
Amsterdam
Místo konání akce
Prague - Czech Republic
Datum konání akce
1. 1. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000360103600032