IBNR számítási módszerek áttekintése

Hasonló dokumentumok
Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

LEGJOBB BECSLÉS Módszerek, egyszerűsítések

[Biomatematika 2] Orvosi biometria

Bevezetés a hipotézisvizsgálatokba

QIS4. Proxyk alkalmazása a biztosítástechnikai tartalékok becslése során. Zubor Zoltán március 20.

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Statisztika elméleti összefoglaló

A maximum likelihood becslésről

4. A méréses ellenırzı kártyák szerkesztése

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

IBNR tartalékok meghatározása

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Példa. Job shop ütemezés

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Adatok statisztikai értékelésének főbb lehetőségei

5. előadás - Regressziószámítás

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

6. Előadás. Vereb György, DE OEC BSI, október 12.

Többváltozós lineáris regressziós modell feltételeinek

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6.

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Diagnosztika és előrejelzés

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

y ij = µ + α i + e ij

Folyadékszcintillációs spektroszkópia jegyz könyv

Több valószínűségi változó együttes eloszlása, korreláció

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Szakdolgozat. Az IBNR tartalékok számítási módszerei

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Statisztikai módszerek a skálafüggetlen hálózatok

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

IBNR tartalékképzési módszerek megbízhatóságának összehasonlítása. Juhász Jakab

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

KÖVETKEZTETŐ STATISZTIKA

. melléklet a 3 /2013. (XII. 29.) MNB rendelethez 12. melléklet a 38/2013. (XII. ) MNB rendelethez

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Statisztikai becslés

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Autoregresszív és mozgóátlag folyamatok

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Mirıl lesz szó? Tartalékok Kár/szolgáltatás jellegő: Mirıl lesz szó?

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

ÖSSZEFOGLALÓ SUMMARY. A Pareto-típusú eloszlások a nagy károkra gyakran jó illeszkedést mutatnak.

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

A mérési eredmény megadása

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Számítógépes döntéstámogatás. Statisztikai elemzés

Statisztika II előadáslapok. 2003/4. tanév, II. félév

Mérési hibák

Kísérlettervezés alapfogalmak

Nem-élet biztosítások díjés tartalékkockázat kalkulációja

Minitab 16 újdonságai május 18

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Továbblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,

1. Példa. A gamma függvény és a Fubini-tétel.

Kgfb összpiaci tartalékszint mérése

A konfidencia intervallum képlete: x± t( α /2, df )

FÜGGŐSÉGEK HATÁSA A NEM-ÉLET

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

. melléklet a 3 /2013. (XII. 29.) MNB rendelethez

Kísérlettervezés alapfogalmak

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

4. melléklet a 48/2015. (XII. 8.) MNB rendelethez

Normális eloszlás tesztje

Statisztika Elıadások letölthetık a címrıl

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Biostatisztika VIII. Mátyus László. 19 October

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

Gyakorló feladatok I.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Modern fizika laboratórium

egyetemi jegyzet Meskó Balázs

Nemparaméteres próbák

A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9

Matematikai geodéziai számítások 10.

Átírás:

1/13 IBNR számítási módszerek áttekintése Prokaj Vilmos email: Prokaj.Vilmos@pszaf.hu

1. Kifutási háromszög Év 1 2 3 4 5 2/13 1 X 1,1 X 1,2 X 1,3 X 1,4 X 1,5 2 X 2,1 X 2,2 X 2,3 X 2,4 X 2,5 3 X 3,1 X 3,2 X 3,3 X 3,4 X 3,5 4 X 4,1 X 4,2 X 4,3 X 4,4 X 4,5 5 X 5,1 X 5,2 X 5,3 X 5,4 X 5,5 Ismert a felső háromszög (kék) és ebből szeretnénk az alsót megbecsülni (zöld). Az adatok: károk, károk tételes függőkár tartalékkal, kárszámok, stb. C kummulált adatokat jelöl.

2. Lánclétra Bizonyos módszerek csak a kártapasztalatot használják: pl. lánclétra és annak különböző változatai, mások a kockázatnak kitettséget is figyelembe veszik, pl. a tiszta díj, vagy az élő szerződések számával. Mindegyik módszer célja az, hogy az adott időszak teljes kárkifizetésére adjon becslést. 3/13

A becslés során két alapvető feltevést használunk. (1) Ha U i az i. év összkára és C i,j az i év káraira az i + j 1. év végéig kifizetett kárösszeg, akkor E(U i C i,1,..., ) = d k = f j j k 4/13 (2) Az egyes évek szerződéseiből származó kötelezettségek független módon viselkednek.

A károk kifutását a +1 / láncszem hányadosok segítségével becsüljük. ˆf k,α = i w i,kc α i,k i w i,kc α i,k +1 5/13 Itt α = 0, 1, 2 w i,k az aktuárius által választott súlyozó tényező tegyük fel, hogy ez 1. (a) α = 0 a közönséges átlagolás, (b) α = 1 a klasszikus lánclétra módszer, (c) α = 2 lineáris regresszió konstans tag nélkül.

Mindhárom eset mögött, a láncszem hányadosok szórására vonatkozó feltétel áll. A legkisebb szórású becslést abban az esetben adja (a) α = 0, ha a (b) α = 1, ha a (c) α = 2, ha a feltevés teljesül. ( ) D 2 Ci,k+1 C i,j, j k ( ) D 2 Ci,k+1 C i,j, j k ( ) D 2 Ci,k+1 C i,j, j k = σ2 k C 2 i,k = σ2 k = σ 2 k 6/13

Ezek az összefüggések segíthetnek a módszer kiválasztásában, ugyanis az egyes esetekre vonakozó feltevések az +1 ˆfk,α C α/2 i,k 7/13 párok grafikus ábrázolásával vizsgálható. Akkor fogadható el a vonatkozó feltevés, ha az kapott ábrában nem fedezhető fel trend, az véletlenszerű. A fenti becslések további elemzése megtalálható: Thomas Mack, Measuring the variability of chain ladder reserve estimates.

3. Lineáris modell Feltevés: Y i,j = ln X i,j = µ + α i + β j + ε i,j, ahol ε i,j normális eloszlású hiba, és α, β a bekövetkezés és a bejelentés évének hatását írja le. Ez egy lineáris modell, amiből egyszerűen kapható becslés a µ, α i, β j paraméterekre. Gond: az eddigi módszerek nem képesek kezelni a késleltetett kárkifutást, pl. szakmai felelősség, ahol az első években akár nem is jelentenek be kárt, vagy csak nagyon keveset. 8/13

4. Kockázatnak kitettséget felhasználó módszerek 9/13 Ezek a módszerek a következő összefüggésre épülnek: (i) U i = + R i,k, ahol R i,k az i. év káraira az i + k 1. évben képzett IBNR tartalék, (ii) R i,k = q k U i. (iii) U i becsülhető az adott év díjából, vagy az adott év elő szerződéseinek a számából, felhasználva díjszámítást és a korábbi évek kártapasztalatát, ha van ilyen. Ezt a becslést U i,0 jelöli.

Ezek kombinálásával kapjuk az alábbi módszereket: (1) Naív kárhányad módszer, (i) és (iii) egybevetéséből. R N i,k = U i,0. (2) Bornhuetter-Ferguson módszer, (ii) és (iii) egybevetéséből. A q k faktorokat a korábbi évek tapasztalata alapján pl. kifutási háromszöget használva becsülhetjük. R BF i,k = q ku i,0. (3) Iterált Bornhuetter-Ferguson, Gunnar Benktander, Esa Horvinen, Walter Neuhaus módszer. Az i év teljes kárkifizetését a U i,0 és U i,cl konvex (credibility) keverékeként becsüljük, és ezt használjuk a Bornhuetter-Ferguson módszerben. U i,c = cu i,cl + (1 c)u i,0. Minél többet ismerünk a végső kárból annál inkább bízhatunk a lánclétra módszerben ezért Benktander a c = 1 q k 10/13

választást javasolta, amivel azaz U i,c = (1 q k )U i,cl }{{} + q k U i,0 = U }{{} i,bf R BF i,k R GB i,k = q k U i,bf. Itt a Bornhuetter-Ferguson módszerből kapott tartalékból a végső kárfelhasználást számoljuk, majd az így kapott U értékből számítjuk a tartalékot. Ezen iterációs lépések számát minden határon túl növelve a lánclétra becsléshez jutunk vissza. (4) Cape Cod. A károk kifutási háromszögéből a fejlődési arányszámokat megbecsüljük. A már ismertté vált összkár és a díjakból számított elméleti kárnagyság aránya adja a módszerben felhasznált kárhányadot. Ezek után az U i értékek a díjakból számíthatóak és R i,k = q k U i. 11/13

5. Stabilitás vizsgálat (1) Utolsó év, vagy évek adatait elhagyva megismételjük a tartalék becslést, és összevetjük az eredményeket. A figyelembe vett évekre kapott tartalék és a tárgyévben bejelentett károk összege, hogyan viszonyul a teljes adatsor alapján az előző évekre kapott tartalékhoz. (2) Szórás kalkulációja, konfidencia intervallum a tartalékra, (további feltevések szükségesek az eloszlásra). A szórásra adható eloszlásmentes formula, lásd T. Mack. 12/13

(3) Bootstrap, azaz pszeudo minta generálása az adatsorból. Ha lánclétra módszert használunk, akkor ez pl. azt jelentheti, hogy az C i,j kummulált adatok és p k = 1 q k lag faktorok által becsült Ĉi,j adatok különbségét vesszük. Az utolsó diagonálisban nullákat kapunk. A többi különbségből ismételten mintát veszünk aminek segítségével egy pszeudo kifutási háromszöget kapunk. Abból a tartalékot megbecsüljük. Ezt az eljárást elég sokszor megismételve a tartalék eloszlásának közelítését kapjuk, amiből például konfidencia intervallum adható a szükséges tartalékra. 13/13