Dit artikel geeft een beknopt overzicht van mijn scriptie* en de Bayesiaanse implementatie van het micro-level model.
Klassieke methoden voor het doen van schadereserveringen maken gebruik van geaggegreede data op schade- en afwikkeljaar. Met de komst van meer
fijnmazige data; de huidige overvloed aan rekenkracht en een actieve gemeenschap voor de ontwikkeling van open-source tooling (PyMC3); komt de vraag of deze klassieke modellen hun actualiteit niet beginnen te verliezen. Ook willen verzekeraars steeds vaker externe variabelen (of covariaten) meenemen in het reserveringsproces, denk aan postcode, gezinssamenstelling of historisch claimgedrag. Daarom wordt de behoefte naar een moderner, nauwkeuriger en fijnmaziger model steeds groter. Een micro-level model modelleert alle gebeurtenissen binnen het claimprocess van een polishouder afzonderlijk en afhankelijk van variabelen, waardoor er geen informatie in de data verloren gaat. Verder kan door de toepassing van
Bayesiaanse statistiek alle model- en parameteronzekerheid worden gekwantificeerd in elke component van het model, waarmee vervolgens een
voorspelling (lees: reservering) te maken valt die alle informatie omtrent deze onzekerheid bevat.
Lees het hele artikel verder onder Download.
