BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Gala Kamil (Ubezpieczeniowy Fundusz Gwarancyjny)
Tytuł
Taryfikacja a priori z uwzględnieniem efektów przestrzennych
Modelling Spatial Effects in the a Priori Risk Classification
Źródło
Śląski Przegląd Statystyczny, 2017, nr 15 (21), s. 99-113, rys., tab., bibliogr. 8 poz.
Silesian Statistical Review
Słowa kluczowe
Ubezpieczenia komunikacyjne OC, Modele liniowe, Statystyka, Efekty przestrzenne
Motor insurance, Linear models, Statistics, Spatial effects
Uwagi
Klasyfikacja JEL: G22
streszcz., summ.
Abstrakt
Artykuł poświęcony jest metodom aktuarialnej taryfikacji a priori w ubezpieczeniach komunikacyjnych, w których jednym z czynników taryfikacyjnych jest adres zamieszkania ubezpieczonego. Podział na klasy taryfowe związane z miejscem zamieszkania jest często stosowany w praktyce ubezpieczeń komunikacyjnych, co jest podyktowane m.in. zróżnicowanymi warunkami drogowymi w zależności od miejsca użytkowania pojazdu. Celem pracy jest identyfikacja i opis przestrzennego zróżnicowania ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych, a także określenie, czy wykorzystanie metod statystyki przestrzennej pozwala na zwiększenie efektywności standardowych modeli taryfikacyjnych i w konsekwencji na lepszą ocenę ryzyka ubezpieczeniowego. W pracy rozważane są modele z klasy uogólnionych modeli liniowych oraz ich modyfikacje mające na celu uwzględnienie zagadnień typowych dla statystyki przestrzennej, szczególnie autokorelacji przestrzennej oraz wygładzania przestrzennego związanego z nierówną ekspozycją poszczególnych obszarów geograficznych na ryzyko.(abstrakt oryginalny)

The standard market practice in automobile insurance is to include informa-tion on the place of residence of the insured as one of the rating factors. In such a situation geographic area is used as a proxy for various risk factors associated with this area, e.g. traffic intensity and commuting patterns. The subject of this paper is to analyze how actuarial risk classification models could be extended to take these spatial effects into account in the most effective way. To this end, a combination of generalized linear mo-dels (GLM) and spatial statistics methods (such as spatial autocorrelation analysis and spatial smoothing) are used.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Anselin L., 1995, Local Indicators of Spatial Association - LISA, Geographical Analysis, vol. 27, no. 2.
  2. Brouhns N., Denuit M., Masuy B., Verrall R., 2002, Ratemaking by geographical area: A case study using the Boskov and Verrall model, Discussion paper 0202, Publications of the Institut de statistique, Louvain-la-Neuve, s. 1-26.^ Bühlmann H., Gisler A., 2005, A Course in Credibility Theory and its Applications, Springer-Verlag Berlin Heidelberg.^ Denuit M., Maréchal X., Pitrebois S., Walhin J., 2007, Actuarial Modelling of Claim Counts: Risk Classification, Credibility and Bonus-Malus Systems, Wiley, New York.^ Ohlsson E., Johansson B., 2010, Non-Life Insurance Pricing with Generalized Linear Models, Springer-Verlag Berlin Heidelberg.^ Ostasiewicz W. (red.), 2004, Składki i ryzyko ubezpieczeniowe. Modelowanie stochastyczne, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.^ Suchecki B. (red.), 2010, Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych, Wydawnictwo C.H. Beck, Warszawa.^ Ustawa z dnia 22 maja 2003 r. o ubezpieczeniach obowiązkowych, Ubezpieczeniowym Funduszu Gwarancyjnym i Polskim Biurze Ubezpieczycieli Komunikacyjnych, Dz.U. 2013, poz. 392, t.j.
Cytowane przez
Pokaż
ISSN
1644-6739
Język
pol
URI / DOI
http://dx.doi.org/10.15611/sps.2017.15.05
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu