Risk Loadings in Classification Ratemaking
Risk Loadings in Classification Ratemaking
复制标题
分类利率制定中的风险负荷
DOI：
--
复制
发表时间：
2020-02
期刊：
影响因子：
--
通讯作者：
Shengwang Meng
中科院分区：
文献类型：
--
作者：
Liang Yang;Zhengxiao Li;Shengwang Meng
保单的风险保费是纯保费和风险负荷之和。在分类费率的制定过程中，通常采用广义线性模型计算纯保费，并应用各种保费原理推导风险负荷。无论采用哪种保费原则，都需要事先主观给定一些风险负荷参数。为了克服这一主观问题，更合理、客观地计算风险溢价，本文提出了一种自顶向下的方法来计算这些风险负荷参数。首先，我们使用自助法来计算投资组合的总风险溢价。然后，在投资组合的总风险保费等于各保单的风险保费之和的约束下，确定了风险加载参数。在此过程中，除了使用广义线性模型外，还使用了三种分位数回归模型，即传统分位数回归模型、全参数分位数回归模型和带系数函数的分位数回归模型。实证结果表明，本文提出的方法计算的风险溢价能够合理区分不同风险类别的异质性。
The risk premium of a policy is the sum of the pure premium and the risk loading. In the classification ratemaking process, generalized linear models are usually used to calculate pure premiums, and various premium principles are applied to derive the risk loadings. No matter which premium principle is used, some risk loading parameters should be given in advance subjectively. To overcome this subjective problem and calculate the risk premium more reasonably and objectively, we propose a top-down method to calculate these risk loading parameters. First, we implement the bootstrap method to calculate the total risk premium of the portfolio. Then, under the constraint that the portfolio's total risk premium should equal the sum of the risk premiums of each policy, the risk loading parameters are determined. During this process, besides using generalized linear models, three kinds of quantile regression models are also applied, namely, traditional quantile regression model, fully parametric quantile regression model, and quantile regression model with coefficient functions. The empirical result shows that the risk premiums calculated by the method proposed in this study can reasonably differentiate the heterogeneity of different risk classes.
登录
查看更多内容
DOI：
10.1198/tas.2003.s212
发表时间：
2003-02
期刊：
The American Statistician
影响因子：
--
作者：
R. D. Cook;S. Weisberg
通讯作者：
R. D. Cook;S. Weisberg
DOI：
10.1201/9781420035919
发表时间：
2000-05
期刊：
--
影响因子：
--
作者：
W. Gilchrist
通讯作者：
W. Gilchrist
DOI：
10.1111/rssc.12014
发表时间：
2013-11
期刊：
Journal of the Royal Statistical Society: Series C (Applied Statistics)
影响因子：
--
作者：
A. Noufaily;M. C. Jones
通讯作者：
A. Noufaily;M. C. Jones
影响因子：
2.5
作者：
E. Ziegel
通讯作者：
E. Ziegel
DOI：
10.1002/wics.175
发表时间：
2011-08
期刊：
Wiley Interdisciplinary Reviews: Computational Statistics
影响因子：
--
作者：
John Neuhaus;Charles McCulloch
通讯作者：
John Neuhaus;Charles McCulloch