МОДЕЛИРОВАНИЕ НЕТТО-ПРЕМИЙ С ПРИМЕНЕНИЕМ МЕТОДА КВАНТИЛЬНОЙ РЕГРЕССИИ

Регрессионные модели – популярный инструмент для задач тарификации в условиях неоднородных портфелей. Тем не менее, классические регрессионные методы имеют ряд недостатков, которые значительно ограничивают сферу их применения. Статья посвящена альтернативному подходу оценивания квантильной регрессии. Метод квантильной регрессии позволяет преодолеть недостатки классической регрессионной модели.

Регресійні моделі – популярний інструмент для задач тарифікації в умовах неоднорідних портфелів. Незважаючи на це, класичні регресійні методи мають ряд недоліків, які значно обмежують сферу їх використання. Стаття присвячена альтернативному підходу оцінювання квантильної регресії. Метод квантильної регресії дає змогу подолати недоліки класичної регресійної моделі.

MODELING NET-PREMIUMS USING THE METHODS OF QUANTILE REGRESSION

Regression models are popular tool for ratemaking in the context of heterogeneous port-folios. Nevertheless, classical regression methods have some disadvantages which significantly restrict their sphere of using. The paper is devoted to an alternative approach – quantile regression. The quantile regression method allows overcome disadvantages of classical regression.

Список литературы: 

1. Мак Т. Математика рискового страхования / Т. Мак. – М.: Олимп-Бизнес, 2005. – 432 c.
2. Abduramanov R. The method of quantile regression, a new approach to actuarial mathemat-ics / R. Abduramanov, A. Kudryavtsev // Insurance: Mathematics and Economics: 11th In-ternational Congress, 10-12 July, 2007: book of abstracts. – Piraeus, 2007. – P. 56–57.
3. Anderson D. A Practitioner’s Guide to Generalized Linear Models / D. Anderson // CAS Discussion Paper Program. – N.Y.: Wiley, 2004. – P. 1 –115.
4. Denuit M. Actuarial theory for dependent risks: measures, orders and models / M. Denuit, J. Dhaene, M. Goovaerts, R. Kaas. – Chichester: Wiley, 2005. – 440 p.
5. Dhaene J., On the structure of premium principles under point wise comonotonicity / J. Dhaene, A. Kukush, M. Pupashenko // Theory of Stochastic Processes. – 2006. – № 3–4. – P. 27–45.
6. Kenneth Q. Z. Direct Use of Regression Quantiles to Construct Confidence Sets in Linear Models / Q. Z. Kenneth, L. P. Stephen // The Annals of Statistics. – 1996. – № 1. – P. 287–306.
7. Koenker R. Regression Quantiles / R. Koenker, G. Bassett Jr. // Econometrica. – 1978. – № 1. – P. 33–50.
8. McCullagh P. Generalized Linear Models / P. McCullagh, J.A. Nelder. – N.Y.: CRC Press, 1989. – 511 p.
9. Huber P. J. Robust Statistics. / P. J. Huber. – N. Y.: Wiley, 1981. – 316 p.

Загрузить текст статьи: 
Microsoft Office document icon 77_kpi_2011.doc