[en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA

Detalhes bibliográficos
Autor(a) principal: JULIANA FERNANDES DA COSTA MACEDO
Data de Publicação: 2016
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=2
http://doi.org/10.17771/PUCRio.acad.25713
Resumo: [pt] O principal objetivo desta dissertação é realizar a previsão da reserva IBNR. Para isto foi desenvolvido um modelo estatístico de distribuições combinadas que busca uma adequada representação dos dados. A reserva IBNR, sigla em inglês para Incurred But Not Reported, representa o montante que as seguradoras precisam ter para pagamentos de sinistros atrasados, que já ocorreram no passado, mas ainda não foram avisados à seguradora até a data presente. Dada a importância desta reserva, diversos métodos para estimação da reserva IBNR já foram propostos. Um dos métodos mais utilizado pelas seguradoras é o Método Chain Ladder, que se baseia em triângulos run-off, que é o agrupamento dos dados conforme data de ocorrência e aviso de sinistro. No entanto o agrupamento dos dados faz com que informações importantes sejam perdidas. Esta dissertação baseada em outros artigos e trabalhos que consideram o não agrupamento dos dados, propõe uma nova modelagem para os dados não agrupados. O modelo proposto combina a distribuição do atraso no aviso da ocorrência, representada aqui pela distribuição log-normal truncada (pois só há informação até a última data observada); a distribuição da quantidade total de sinistros ocorridos num dado período, modelada pela distribuição Poisson; e a distribuição do número de sinistros ocorridos em um dado período e avisados até a última data observada, que será caracterizada por uma distribuição Binomial. Por fim, a quantidade de sinistros IBNR foi estimada por método e pelo Chain Ladder e avaliou-se a capacidade de previsão de ambos. Apesar da distribuição de atrasos do modelo proposto se adequar bem aos dados, o modelo proposto obteve resultados inferiores ao Chain Ladder em termos de previsão.
id PUC_RIO-1_2f4784728a7c92e6b119f63eabc8f2ad
oai_identifier_str oai:MAXWELL.puc-rio.br:25713
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA [pt] UM MODELO POISSON-LOGNORMAL PARA PREVISÃO DA QUANTIDADE IBNR VIA MICRO-DADOS [pt] TRIANGULO RUN-OFF[pt] ESTIMADOR DE MAXIMA VEROSSIMILHANCA[pt] DISTRIBUICAO LOG-NORMAL TRUNCADA[pt] METODOS SEM TRIANGULO[pt] CHAIN LADDER[en] CHAIN LADDER[en] MAXIMUM-LIKELIHOOD ESTIMATION[en] TRUNCATED LOG-NORMAL DISTRIBUTION[en] TRIANGLE FREE METHODS[pt] O principal objetivo desta dissertação é realizar a previsão da reserva IBNR. Para isto foi desenvolvido um modelo estatístico de distribuições combinadas que busca uma adequada representação dos dados. A reserva IBNR, sigla em inglês para Incurred But Not Reported, representa o montante que as seguradoras precisam ter para pagamentos de sinistros atrasados, que já ocorreram no passado, mas ainda não foram avisados à seguradora até a data presente. Dada a importância desta reserva, diversos métodos para estimação da reserva IBNR já foram propostos. Um dos métodos mais utilizado pelas seguradoras é o Método Chain Ladder, que se baseia em triângulos run-off, que é o agrupamento dos dados conforme data de ocorrência e aviso de sinistro. No entanto o agrupamento dos dados faz com que informações importantes sejam perdidas. Esta dissertação baseada em outros artigos e trabalhos que consideram o não agrupamento dos dados, propõe uma nova modelagem para os dados não agrupados. O modelo proposto combina a distribuição do atraso no aviso da ocorrência, representada aqui pela distribuição log-normal truncada (pois só há informação até a última data observada); a distribuição da quantidade total de sinistros ocorridos num dado período, modelada pela distribuição Poisson; e a distribuição do número de sinistros ocorridos em um dado período e avisados até a última data observada, que será caracterizada por uma distribuição Binomial. Por fim, a quantidade de sinistros IBNR foi estimada por método e pelo Chain Ladder e avaliou-se a capacidade de previsão de ambos. Apesar da distribuição de atrasos do modelo proposto se adequar bem aos dados, o modelo proposto obteve resultados inferiores ao Chain Ladder em termos de previsão.[en] The main objective of this dissertation is to predict the IBNR reserve. For this, it was developed a statistical model of combined distributions looking for a new distribution that fits the data well. The IBNR reserve, short for Incurred But Not Reported, represents the amount that insurers need to have to pay for the claims that occurred in the past but have not been reported until the present date. Given the importance of this reserve, several methods for estimating this reserve have been proposed. One of the most used methods for the insurers is the Chain Ladder, which is based on run-off triangles; this is a format of grouping the data according to the occurrence and the reported date. However this format causes the lost of important information. This dissertation, based on other articles and works that consider the data not grouped, proposes a new model for the non-aggregated data. The proposed model combines the delay in the claim report distribution represented by a log normal truncated (because there is only information until the last observed date); the total amount of claims incurred in a given period modeled by a Poisson distribution and the number of claims occurred in a certain period and reported until the last observed date characterized by a binomial distribution. Finally, the IBNR reserve was estimated by this method and by the chain ladder and the prediction capacity of both methods will be evaluated. Although the delay distribution seems to fit the data well, the proposed model obtained inferior results to the Chain Ladder in terms of forecast.MAXWELLALVARO DE LIMA VEIGA FILHOJULIANA FERNANDES DA COSTA MACEDO2016-02-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=2http://doi.org/10.17771/PUCRio.acad.25713porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-07-14T00:00:00Zoai:MAXWELL.puc-rio.br:25713Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-07-14T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
[pt] UM MODELO POISSON-LOGNORMAL PARA PREVISÃO DA QUANTIDADE IBNR VIA MICRO-DADOS
title [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
spellingShingle [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
JULIANA FERNANDES DA COSTA MACEDO
[pt] TRIANGULO RUN-OFF
[pt] ESTIMADOR DE MAXIMA VEROSSIMILHANCA
[pt] DISTRIBUICAO LOG-NORMAL TRUNCADA
[pt] METODOS SEM TRIANGULO
[pt] CHAIN LADDER
[en] CHAIN LADDER
[en] MAXIMUM-LIKELIHOOD ESTIMATION
[en] TRUNCATED LOG-NORMAL DISTRIBUTION
[en] TRIANGLE FREE METHODS
title_short [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
title_full [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
title_fullStr [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
title_full_unstemmed [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
title_sort [en] A POISSON-LOGNORMAL MODEL TO FORECAST THE IBNR QUANTITY VIA MICRO-DATA
author JULIANA FERNANDES DA COSTA MACEDO
author_facet JULIANA FERNANDES DA COSTA MACEDO
author_role author
dc.contributor.none.fl_str_mv ALVARO DE LIMA VEIGA FILHO
dc.contributor.author.fl_str_mv JULIANA FERNANDES DA COSTA MACEDO
dc.subject.por.fl_str_mv [pt] TRIANGULO RUN-OFF
[pt] ESTIMADOR DE MAXIMA VEROSSIMILHANCA
[pt] DISTRIBUICAO LOG-NORMAL TRUNCADA
[pt] METODOS SEM TRIANGULO
[pt] CHAIN LADDER
[en] CHAIN LADDER
[en] MAXIMUM-LIKELIHOOD ESTIMATION
[en] TRUNCATED LOG-NORMAL DISTRIBUTION
[en] TRIANGLE FREE METHODS
topic [pt] TRIANGULO RUN-OFF
[pt] ESTIMADOR DE MAXIMA VEROSSIMILHANCA
[pt] DISTRIBUICAO LOG-NORMAL TRUNCADA
[pt] METODOS SEM TRIANGULO
[pt] CHAIN LADDER
[en] CHAIN LADDER
[en] MAXIMUM-LIKELIHOOD ESTIMATION
[en] TRUNCATED LOG-NORMAL DISTRIBUTION
[en] TRIANGLE FREE METHODS
description [pt] O principal objetivo desta dissertação é realizar a previsão da reserva IBNR. Para isto foi desenvolvido um modelo estatístico de distribuições combinadas que busca uma adequada representação dos dados. A reserva IBNR, sigla em inglês para Incurred But Not Reported, representa o montante que as seguradoras precisam ter para pagamentos de sinistros atrasados, que já ocorreram no passado, mas ainda não foram avisados à seguradora até a data presente. Dada a importância desta reserva, diversos métodos para estimação da reserva IBNR já foram propostos. Um dos métodos mais utilizado pelas seguradoras é o Método Chain Ladder, que se baseia em triângulos run-off, que é o agrupamento dos dados conforme data de ocorrência e aviso de sinistro. No entanto o agrupamento dos dados faz com que informações importantes sejam perdidas. Esta dissertação baseada em outros artigos e trabalhos que consideram o não agrupamento dos dados, propõe uma nova modelagem para os dados não agrupados. O modelo proposto combina a distribuição do atraso no aviso da ocorrência, representada aqui pela distribuição log-normal truncada (pois só há informação até a última data observada); a distribuição da quantidade total de sinistros ocorridos num dado período, modelada pela distribuição Poisson; e a distribuição do número de sinistros ocorridos em um dado período e avisados até a última data observada, que será caracterizada por uma distribuição Binomial. Por fim, a quantidade de sinistros IBNR foi estimada por método e pelo Chain Ladder e avaliou-se a capacidade de previsão de ambos. Apesar da distribuição de atrasos do modelo proposto se adequar bem aos dados, o modelo proposto obteve resultados inferiores ao Chain Ladder em termos de previsão.
publishDate 2016
dc.date.none.fl_str_mv 2016-02-02
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=2
http://doi.org/10.17771/PUCRio.acad.25713
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=25713&idi=2
http://doi.org/10.17771/PUCRio.acad.25713
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1821790142419959808