دانلود مقاله ISI انگلیسی شماره 146475
ترجمه فارسی عنوان مقاله

ادعا می کند که در صورت وجود بیمه اتکای بیش از حد از دست دادن با استفاده از مدل های کوچک مبتنی بر داده های جمع آوری شده

عنوان انگلیسی
Claims reserving in the presence of excess-of-loss reinsurance using micro models based on aggregate data
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
146475 2018 12 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Insurance: Mathematics and Economics, Volume 80, May 2018, Pages 54-65

ترجمه کلمات کلیدی
بیمه عمومی، تسلیم ادعا، خطر، نردبان زنجیره ای، بیمه اتکایی مدل های میکرو،
کلمات کلیدی انگلیسی
General insurance; Claims reserving; Risk; Chain Ladder; Reinsurance; Micro models;
ترجمه چکیده
در این مقاله یک مشکل جدید در ادبیات مطرح شده است، که چگونگی رزرو مسائل برای مجموعه ای از سیاست های کلی بیمه زمانی که بیمه بیش از حد از دست دادن وجود دارد. این برای ملاحظات قیمت گذاری و تصمیم گیری در مورد مسائل مربوط به سرمایه بسیار مهم است. در این مقاله مشخص می شود که چگونه در حال حاضر در عمل اغلب در عمل حل می شود و رویکرد جایگزین را با استفاده از تحولات اخیر در ادعاهای احتمالی ادعا می کند. این روش های جایگزین در مثال مثال های داده های واقعی نشان داده شده و مقایسه می شوند. چارچوب مدل سازی تصادفی مورد استفاده در این مقاله نردبان دو زنجیر است، اما رویکردهای دیگر نیز امکان پذیر است. این مقاله روشی را ارائه می دهد که می تواند بیشتر مورد بررسی قرار گیرد و در تحقیقات آینده ساخته شود.
پیش نمایش مقاله
پیش نمایش مقاله  ادعا می کند که در صورت وجود بیمه اتکای بیش از حد از دست دادن با استفاده از مدل های کوچک مبتنی بر داده های جمع آوری شده

چکیده انگلیسی

This paper addresses a new problem in the literature, which is how to consider reserving issues for a portfolio of general insurance policies when there is excess-of-loss reinsurance. This is very important for pricing considerations and for decision making regarding capital issues. The paper sets out how this is currently often tackled in practice and provides an alternative approach using recent developments in stochastic claims reserving. These alternative approaches are illustrated and compared in an example using real data. The stochastic modelling framework used in this paper is Double Chain Ladder, but other approaches would also be possible. The paper sets out an approach which could be explored further and built on in future research.