A carregar...
Publicação
Modelos Estocásticos em Provisões para Sinistros
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.22 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
No sector segurador as provisões para sinistros têm extrema importância. Assegurar que estas reflectem as responsabilidades da companhia é tarefa árdua, sobretudo pela escassez e qualidade dos dados disponíveis. O presente trabalho tem como objectivo principal abordar metodologias utilizadas para obter a melhor estimativa das reservas e respectiva variabilidade com um elevado grau de confiança. Será dada especial atenção a conjuntos de dados que apresentem bastantes sinistros por encerrar à data da análise, assim como, quando estamos perante a quebra de estrutura dos dados. Para tal, são utilizados modelos estocásticos, nomeadamente o Modelo de Mack, os modelos lineares generalizados e os modelos bayesianos, conjuntamente com as técnicas de reamostragem de bootstrap e Markov chain Monte Carlo, esta sob a forma do algoritmo de Gibbs. A utilização do parâmetro de escala variável, o cálculo do erro de previsão quando é modelada a cauda e a escolha das priors, como forma de incorporação da opinião do actuário, são também alvo do trabalho desenvolvido.
In the insurance business, loss reserving is of the most importance. To guarantee that the estimation of adequate reserves is done in a way that reflects the insurer's liabilities is a hard goal to achieve, mainly because of scarce available data and also data quality. The present study has as main goal to present methods to obtain the best estimate for loss reserving as well as estimating it's variability with high certainty level. Special attention will be given to long-tail line of business and data breaking structure. To accomplish this it will be used stochastic models, namely Mack's model, models in a generalized linear model context as well as models in a Bayesian framework, together with bootstrap simulation method and Markov chain Monte Carlo, under the Gibbs sampler. The use of the dispersion parameter, the prediction error when a tail factor is used and the choice of the priors distribution, as a way of incorporating the expert opinion, will be another aim of this study.
In the insurance business, loss reserving is of the most importance. To guarantee that the estimation of adequate reserves is done in a way that reflects the insurer's liabilities is a hard goal to achieve, mainly because of scarce available data and also data quality. The present study has as main goal to present methods to obtain the best estimate for loss reserving as well as estimating it's variability with high certainty level. Special attention will be given to long-tail line of business and data breaking structure. To accomplish this it will be used stochastic models, namely Mack's model, models in a generalized linear model context as well as models in a Bayesian framework, together with bootstrap simulation method and Markov chain Monte Carlo, under the Gibbs sampler. The use of the dispersion parameter, the prediction error when a tail factor is used and the choice of the priors distribution, as a way of incorporating the expert opinion, will be another aim of this study.
Descrição
Mestrado em Ciências Actuariais
Palavras-chave
Provisões para sinistros modelos estocásticos bootstrap Markov chain Monte Carlo cauda erro de previsão opinião do actuário Loss reserving stochastic models bootstrap Markov chain Monte Carlo tail factor prediction error expert opinion
Contexto Educativo
Citação
Carvalho, Ana Isabel Victor de. 2010. "Modelos Estocásticos em Provisões para Sinistros". Dissertação de Mestrado. Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestão
Editora
Instituto Superior de Economia e Gestão