- Author
- Bijak Wojciech (Szkoła Główna Handlowa w Warszawie; Ubezpieczeniowy Fundusz Gwarancyjny), Dziel Piotr (Ubezpieczeniowy Fundusz Gwarancyjny), Garstka Stanisław (Ubezpieczeniowy Fundusz Gwarancyjny), Hrycko Krzysztof (Ubezpieczeniowy Fundusz Gwarancyjny)
- Title
- Metody i modele statystyczne w wykrywaniu nieubezpieczonych posiadaczy pojazdów mechanicznych
Methods and statistical models used to identify uninsured car owners - Source
- Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, 2015, nr 37, s. 199-227, rys., tab., bibliogr. 12 poz.
- Issue title
- Zagadnienia aktuarialne - teoria i praktyka
- Keyword
- Drzewo decyzyjne, Modele statystyczne, Metody statystyczne, Sieci neuronowe, Ubezpieczenia komunikacyjne OC
Decision tree, Statistical models, Statistical methods, Neural networks, Motor insurance - Note
- streszcz., summ
- Abstract
- W pracy opisano system stworzony na potrzeby kontroli przeprowadzanej przez Ubezpieczeniowy Fundusz Gwarancyjny w zakresie spełnienia obowiązku posiadania ubezpieczenia odpowiedzialności cywilnej posiadaczy pojazdów mechanicznych. Szczególną uwagę poświęcono zastosowanym algorytmom typowania nieubezpieczonych oraz wykorzystaniu statystycznych systemów uczących się pod nadzorem w procesie wyznaczania najbardziej prawdopodobnych przypadków braku ubezpieczenia. Publikacja zawiera również informacje na temat efektywności rozwiązania oraz jego porównanie z innymi wypracowanymi przez ustawodawcę sposobami kontroli spełnienia opisywanego obowiązku ubezpieczenia. (abstrakt oryginalny)
The paper presents the approach used by the Polish Insurance Guarantee Fund to tackle the phenomenon of uninsured car owners. The process covers different areas concerning: 1. algorithms which identify discontinuity in MTPL coverage, 2. the usage of statistical modelling called supervised learning, including such models as: generalised linear models, decision trees and neural networks, 3. the cooperation with insurers to identify the uninsured. The paper presents the results obtained in exemplary statistical models, as well as the achieved accuracy of prediction. The publication presents further evolution of the developed system. (original abstract) - Accessibility
- The Library of Warsaw School of Economics
The Main Library of Poznań University of Economics and Business - Bibliography
-
- Bijak W., Hrycko K., Garstka S., Automatyzacja prowadzonych przez UFG kontroli spełnienia obowiązku zawarcia umowy ubezpieczenia OC posiadaczy pojazdów mechanicznych, "Prawo Asekuracyjne" 2013, nr 3, s. 71-82.
- Bijak W., Hrycko K., Pietrowski Ł., Sposób na nieubezpieczonych, "Miesięcznik Ubezpieczeniowy"2012, kwiecień, s. 15-18.
- Ćwik J., Mielniczuk J., Statystyczne systemy uczące się. Ćwiczenia w oparciu o pakiet R, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009.
- Günther F., Fritsch S., neuralnet: Training of Neural Networks, "The R Journal" 2010, vol. 2/1, June, s. 30-38.
- Hastie T., Tibshirani R., Friedman J., The Elements of Statisical Learning: Data Mining, Inference, and Prediction, Springer, New York 2009.
- Koronacki J., Ćwik J., Statystyczne systemy uczące się, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2008.
- Larose D. T., Data Mining Methods and Models, John Wiley & Sons, Hoboken 2006.
- Skorzybut M., Krzyśko M., Górecki T., Wołyński W., Systemy uczące się. Rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości, Wydawnictwa Naukowo-Techniczne, Warszawa 2008.
- Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993.
- Ustawa z dnia 22 maja 2003 r. o ubezpieczeniach obowiązkowych, Ubezpieczeniowym Funduszu Gwarancyjnym i Polskim Biurze Ubezpieczycieli Komunikacyjnych (Dz. U. z 2011 r. Nr 205, poz. 1210).
- Zaawansowane metody analiz statystycznych, red. E. Frątczak, Oficyna Wydawnicza SGH, Warszawa 2012.
- http://www.mib.org.uk/NR/rdonlyres/93DB4017-FD8B-45DF-889A-8DCB9905962F/0/MIBreportFINAL.pdf (dostęp: 12.09.2014).
- Cited by
- ISSN
- 1232-4671
- Language
- pol
