Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Claim frequency models in vehicle insurance based on GLM

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F18%3A10240119" target="_blank" >RIV/61989100:27510/18:10240119 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://mme2018.fm.vse.cz/wp-content/uploads/2018/09/MME2018-Electronic_proceedings.pdf" target="_blank" >https://mme2018.fm.vse.cz/wp-content/uploads/2018/09/MME2018-Electronic_proceedings.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Claim frequency models in vehicle insurance based on GLM

  • Popis výsledku v původním jazyce

    Within non-life insurance pricing determinated by insurance premium precedes and essential part represented models of claim frequency and claim severity. Theese models are usually modelling by generalized linear models. This paper is focused on estimation of claim frequency and extends the work ŠPAČKOVÁ, Adéla. Estimation of claim frequency by generalized linear models, 2017, s. 821 - 830. ISBN 978-80-248-4138-0. Regression analysis allows the identification of the risk factors and the prediction of the expected frequency of claims given the characteristics of policyholders. It depends on many individual rating factors (e.g. based on individual characteristics of vehicle and driver). The aim of this paper is to find out ideally suited model for estimation claim frequency based on these risk factors. All empirical models are estimated on the real world sample data of czech insurance company collected during the years 2005 - 2010. Parameters of model are estimated by maximum likelihood method at standard level of significant 0,05. Verification of the model parameters is perfomed by a Wald test. Comparison models with different predictor variables is established by analysis of deviance residuals, Akaike information criterion (AIC) and Bayesian information criterion (BIC). Based on these comparison the ideally suited model is choosen. All calculations are computed in statistical software STATA 14.00.

  • Název v anglickém jazyce

    Claim frequency models in vehicle insurance based on GLM

  • Popis výsledku anglicky

    Within non-life insurance pricing determinated by insurance premium precedes and essential part represented models of claim frequency and claim severity. Theese models are usually modelling by generalized linear models. This paper is focused on estimation of claim frequency and extends the work ŠPAČKOVÁ, Adéla. Estimation of claim frequency by generalized linear models, 2017, s. 821 - 830. ISBN 978-80-248-4138-0. Regression analysis allows the identification of the risk factors and the prediction of the expected frequency of claims given the characteristics of policyholders. It depends on many individual rating factors (e.g. based on individual characteristics of vehicle and driver). The aim of this paper is to find out ideally suited model for estimation claim frequency based on these risk factors. All empirical models are estimated on the real world sample data of czech insurance company collected during the years 2005 - 2010. Parameters of model are estimated by maximum likelihood method at standard level of significant 0,05. Verification of the model parameters is perfomed by a Wald test. Comparison models with different predictor variables is established by analysis of deviance residuals, Akaike information criterion (AIC) and Bayesian information criterion (BIC). Based on these comparison the ideally suited model is choosen. All calculations are computed in statistical software STATA 14.00.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    50206 - Finance

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2018

  • 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

    Mathematical Methods in Economics : MME 2018 : 36th international conference : September 12-14, 2018, Jindřichův Hradec

  • ISBN

    978-80-7378-371-6

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    555-560

  • Název nakladatele

    MATFYZPRESS

  • Místo vydání

    Praha

  • Místo konání akce

    Jindřichův Hradec

  • Datum konání akce

    12. 9. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000507455300096