Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros

Detalhes bibliográficos
Autor(a) principal: Ramos, Filipa Maria Dias Garcia
Data de Publicação: 2000
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/25256
Resumo: Mestrado em Ciências Actuariais
id RCAP_c6b6ca21059cdeb4fd3f6b15b1904ae3
oai_identifier_str oai:www.repository.utl.pt:10400.5/25256
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Aplicação dos modelos lineares generalizados à previsão de reservas para sinistrosreservas para sinistrosmétodo Chain Laddermodelos estocásticosmodelos lineares generalizadoserro padrão da previsãoclaims reservingChain Ladder methodstochastic modelsgeneralized linear modelsprevision's standard errorMestrado em Ciências ActuariaisA previsão do montante adequado de reservas para sinistros a constituir no final de um exercício é um problema com que todas as seguradoras se deparam. Normalmente, são utilizados métodos de previsão determinísticos, pela sua simplicidade, sendo a técnica mais utilizada o método Chain Ladder. No entanto, o método Chain Ladder, como qualquer modelo detenninístico, não permite calcular os erros padrões das previsões. Para ultrapassar este problema, têm vindo a ser propostas diversas versões estocásticas do método Chain Ladder. Uma dessas versões, que produz previsões das reservas iguais às obtidas com o método Chain Ladder detenrúnístico, é definida como um modelo linear generalizado. Este modelo é um caso particular de um modelo linear generalizado mais genérico que possibilita considerar diferentes distribuições para os montantes de indemnizações. O objectivo principal desta dissertação é estudar a aplicação dos modelos lineares generalizados à previsão de reservas. Assim, apresentam-se algumas versões estocásticas do método Chain Ladder; estudam-se os modelos lineares generalizados em termos gerais; apresenta-se o modelo linear generalizado genérico para a previsão de reservas referido atrás, bem como alguns dos seus casos particulares; e aplicam-se estes modelos a um triângulo de dados real.The prediction of the adequate amount of reserves for clairns in order to constitute at the end of each financial year is a problem which every insurers are concerned. Usually, deterministic methods of prevision are used, due to their simplicity and the technique most utilised is the Chain Ladder method. However, the Chain Ladder method, as any other deterministic method, doesn't allow the calculation of the standard errors of the previsions. To resolve this problem, many stochastic versions of the Chain Ladder Method have been suggested. One of these versions, which origins previsions for the reserves equal to the previsions obtained by the deterministic method, is defíned as a generalized linear model. This model is a particular case of a more generic generalized linear model which allows into account with different distributions for the amounts of payments. The main aim of this dissertation is study the application of the generalized linear models to the prediction of reserves. Thus, some stochastic versions of the Chain Ladder method are presented; the generalized linear models are studied in general terms; it is introduced the generic generalized linear model for prevision of reserves above mentioned, and some of its particular cases; end these models are applied to a real triangle of data.Instituto Superior de Economia e GestãoCordeiro, IsabelRepositório da Universidade de LisboaRamos, Filipa Maria Dias Garcia2022-08-26T08:52:28Z2000-022000-02-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/25256porRamos, Filipa Maria Dias Garcia (2000). “Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros”. Dissertação de Mestrado. Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestãoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:54:50Zoai:www.repository.utl.pt:10400.5/25256Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:09:09.821536Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
title Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
spellingShingle Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
Ramos, Filipa Maria Dias Garcia
reservas para sinistros
método Chain Ladder
modelos estocásticos
modelos lineares generalizados
erro padrão da previsão
claims reserving
Chain Ladder method
stochastic models
generalized linear models
prevision's standard error
title_short Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
title_full Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
title_fullStr Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
title_full_unstemmed Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
title_sort Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros
author Ramos, Filipa Maria Dias Garcia
author_facet Ramos, Filipa Maria Dias Garcia
author_role author
dc.contributor.none.fl_str_mv Cordeiro, Isabel
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Ramos, Filipa Maria Dias Garcia
dc.subject.por.fl_str_mv reservas para sinistros
método Chain Ladder
modelos estocásticos
modelos lineares generalizados
erro padrão da previsão
claims reserving
Chain Ladder method
stochastic models
generalized linear models
prevision's standard error
topic reservas para sinistros
método Chain Ladder
modelos estocásticos
modelos lineares generalizados
erro padrão da previsão
claims reserving
Chain Ladder method
stochastic models
generalized linear models
prevision's standard error
description Mestrado em Ciências Actuariais
publishDate 2000
dc.date.none.fl_str_mv 2000-02
2000-02-01T00:00:00Z
2022-08-26T08:52:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.5/25256
url http://hdl.handle.net/10400.5/25256
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Ramos, Filipa Maria Dias Garcia (2000). “Aplicação dos modelos lineares generalizados à previsão de reservas para sinistros”. Dissertação de Mestrado. Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestão
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131185973035008

Registros relacionados