Chyba predikce při rezervování metodou Chain Ladder u korelovaných vývojových trojúhelníků

Podobné dokumenty
Testování předpokladů pro metodu chain-ladder. Seminář z aktuárských věd Petra Španihelová

Riziko rezerv na jednoletém horizontu. Seminář aktuárských věd, 8. listopadu 2013 Ing. Lucie Hronová

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů

REZERVOVÁNÍ SOUDNÍCH SPORŮ SAV Iveta Grzonková

NÁHODNÝ VEKTOR. 4. cvičení

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Zadání Máme data hdp.wf1, která najdete zde: Bodová předpověď: Intervalová předpověď:

4EK211 Základy ekonometrie

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.

Run-off analýzy v neživotním pojištění

Tomáš Karel LS 2012/2013

Změna hodnoty pozice v důsledku změn tržních cen.

Value at Risk. Karolína Maňáková

DIPLOMOVÁ PRÁCE. Bc. Štěpán Gregor Výpočetní prostředky stanovení IBNR rezerv neživotního pojištění

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Vícerozměrná rozdělení

Změna hodnoty pozice v důsledku změn tržních cen.

Pojistná matematika 2 KMA/POM2E

Václav Jirchář, ZTGB

Stavový model a Kalmanův filtr

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Regresní analýza 1. Regresní analýza

Diskrétní náhodná veličina

Markovské metody pro modelování pravděpodobnosti

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

INDUKTIVNÍ STATISTIKA

(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

ANALYTICKÁ GEOMETRIE V ROVINĚ

( ) ( ) Nezávislé jevy I. Předpoklady: 9204

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

1 Mnohočleny a algebraické rovnice

Měření dat Filtrace dat, Kalmanův filtr

Bodové a intervalové odhady parametrů v regresním modelu

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Posouzení přesnosti měření

7. Analýza rozptylu.

1. Přednáška. Ing. Miroslav Šulai, MBA

LINEÁRNÍ MODELY. Zdeňka Veselá

Příklady ke čtvrtému testu - Pravděpodobnost

Zápočtová práce STATISTIKA I

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.

8 Coxův model proporcionálních rizik I

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

Vícerozměrné regulační diagramy. Josef Křepela, Jiří Michálek OSSM

Bodové a intervalové odhady parametrů v regresním modelu

Příklad 2: Obsah PCB v játrech zemřelých lidí. Zadání: Data: Program:

4EK211 Základy ekonometrie

Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

Využití korelace v rezervování povinného ručení

Aplikovaná numerická matematika

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Číselné charakteristiky

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

odpovídá jedna a jen jedna hodnota jiných

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška

Měření dat Filtrace dat, Kalmanův filtr

Náhodný vektor a jeho charakteristiky

AVDAT Náhodný vektor, mnohorozměrné rozdělení

Pravděpodobnost, náhoda, kostky

1 Mnohočleny a algebraické rovnice

Lineární regrese. Komentované řešení pomocí MS Excel

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

PSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady

AVDAT Nelineární regresní model

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.

Statistická analýza jednorozměrných dat

AVDAT Klasický lineární model, metoda nejmenších

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

Statistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead

Aplikovaná matematika I

STATISTICKÉ ODHADY PARAMETRŮ

10. Předpovídání - aplikace regresní úlohy

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

Modely oligopolu. I. Dokonalý trh II. Nedokonalý trh 1. Modely oligopolu. Dokonalý trh. Nedokonalý trh

1 Rozptyl a kovariance

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

Tento výukový materiál byl vytvořen v rámci projektu MatemaTech Matematickou cestou k technice.

Úvod do analýzy časových řad

You created this PDF from an application that is not licensed to print to novapdf printer (

Základy ekonometrie. XI. Vektorové autoregresní modely. Základy ekonometrie (ZAEK) XI. VAR modely Podzim / 28

Zákony hromadění chyb.

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D.

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ

Smíšené regresní modely a možnosti jejich využití. Karel Drápela

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

Pravděpodobnost, náhoda, kostky

4ST201 STATISTIKA CVIČENÍ Č. 10

Princip řešení soustavy rovnic

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

Transkript:

Chyba predikce při rezervování metodou Chain Ladder u korelovaných vývojových trojúhelníků Mgr. Marcela Martinů 13. května 2016 5/13/2016 0

Obsah 1. Úvod a. Motivace a cíle b. Základní metody 2. Rozšířená metoda Chain Ladder pro vývojové trojúhelníky a. Chyba predikce pro jeden vývojový trojúhelník b. Chyba predikce pro dva vývojové korelované trojúhelníky 3. Numerický příklad 4. Závěr 5/13/2016 1

Úvod do problematiky motivace a cíle práce V praxi se často portfolio pojišťovny dělí do několika dílčích subportfolií (homogenita Chain Ladder předpoklady) Závislostní struktury mezi vývojovými trojúhelníky různých odvětví i v rámci jednoho odvětví (např. povinné ručení věcné škody x škody na zdraví) Z vývoje více vývojových trojúhelníků lze získat informace o celkovém portfoliu zohledňující chování dílčích vývojových trojúhelníků 5/13/2016 2

Úvod do problematiky motivace a cíle práce Pomocí metody Chain ladder získáme nejlepší odhad rezervy (best estimate) Jedná se o střední hodnotu potřebné rezervy Chceme-li kvantifikovat kvalitu odhadu rezerv => určení míry variability Problematika korelovaných trojúhelníků Řešení: a) Očistit data od některých společných vlivů => těžko odstranit všechny možné vlivy korelace b) Použít metodu zohledňující závislostní struktury např. rozšířená kovarianční metoda Chain Ladder 5/13/2016 3

Cíl Výpočet chyby predikce pro dílčí portfolia bez zohlednění závislostní struktury Výpočet náhodné chyby Výpočet chyby odhadu Výpočet chyby predikce pro korelované portfolio skládající se ze dvou dílčích portfolií Výpočet náhodné chyby Výpočet chyby odhadu 5/13/2016 4

METODY zohledňující korelace mezi vývojovými trojúhelníky Různé přístupy Hlavní rozdíly spočívají v určení parametrů Chain Ladder metody (CL) 1. Rozšířené metody Chain Ladder a) metody založené na klasickém výpočtu CL parametrů (univariate) Braun Merz Wüthrich b) metody založené na výpočtu CL parametrů zohledňující korelaci pro více trojúhelníků najednou (multivariate) Pröhl Schmidt Schmidt 2. Aditivní metody - založené na principu rozšířeného lineárního modelu Hess Schmidt - Zocher, Schmidt 5/13/2016 5

METODY zohledňující korelace mezi vývojovými trojúhelníky Christian Braun (2004) Model pro dva vývojové trojúhelníky Zohledňuje korelaci mezi dvěma dílčími portfolii Rozšířením jednoduché Chain Ladder metody Macka Odhady parametrů CL (vývojové faktory) pro oba trojúhelníky zvlášť Odvodil vzorec pro podmíněnou chybu předpovědi MSEP (mean square error of prediction) Na tuto metodu se dále zaměříme v prezentaci 5/13/2016 6

METODY zohledňující korelace mezi vývojovými trojúhelníky Merz Wüthrich (2006) Podobný princip odhadu parametrů jako u Brauna (univariate estimators) Vzorec pro podmíněnou chybu predikce MSEP pro několik korelovaných vývojových trojúhelníků Užívá vícerozměrný model časových řad pro Chain Ladder metodu 5/13/2016 7

METODY zohledňující korelace mezi vývojovými trojúhelníky Pröhl - Schmidt (2005) Schmidt (2006) Dokazují, že odhady parametrů metody CL jednoduchým způsobem nejsou optimální z pohledu klasického kritéria optimality v případě více korelovaných vývojových trojúhelníků Nahrazují tyto parametry novými parametry zohledňující korelační strukturu (multivariate estimators) Neznají vzorec pro určení MSEP Zabývají se pouze prvními momenty MSEP později určili Merz- Wüthrich 5/13/2016 8

METODY zohledňující korelace mezi vývojovými trojúhelníky Aditivní metody Hess, Schmidt, Zocher (2006) Určení MSEP: Merz- Wüthrich Základní znaky aditivní metody: a. Jednoduchá a snadno aplikovatelná metoda odhadu škodních rezerv b. Kombinuje znalost historických pozorování výší škod z trojúhelníku spolu s externí znalostí od expertů nebo a priori informací (počet PS, tržní data, data z podobného portfolia, ) c. Aplikuje se na inkrementální data (umožňuje modelovat záporné hodnoty škod) d. Odhad škodních rezerv nezávisí plně na pozorování poslední diagonály (tak jako tomu bývá u klasické CL metody) 5/13/2016 9

Metoda Chain Ladder Kumulativní škodní úhrny 0, pro vznikový rok 1, po k letech vývoje 1 Pozorované výše škod, 1 Odhadujeme pro 2,3,, 5/13/2016 10

Metoda Chain Ladder způsob výpočtu Pro metodu CL platí rekurzivní formule: Poč. hodnota, =, Vývojové faktory odhadneme následovně: Individuální vývojové koeficienty : 5/13/2016 11

Metoda Chain Ladder - pokračování Zápisy: - všechny proměnné jsou dané - celý doplněný trojúhelník - Podle stochastických předpokladů Macka platí: Předpokládáme nezávislost vznikovýchřádků, 1,, Parametry a jsou neznámé Odhad parametru rozptylu : 5/13/2016 12

Základní předpoklady odhad parametru Dá se ukázat, že je nestranným odhadem Dá se ukázat, že je také nepodmíněně nestranným odhadem Je nutné odhadnout poslední koeficient variability Dle Macka je vztah následující: = (!", (, )) #!# V praxi je poměrně časté, že poslední koeficient stanoví pojistný matematik expertním odhadem 5/13/2016 13

Střední chyba předpovědi (MSEP) V aktuárské praxi nejznámější ukazatel ke kvantifikaci míry nejistoty výše škodních rezerv Lze ji rozdělit na dvě části: Chyba předpovědi Náhodná chyba Chyba odhadu Náhodná chyba = podmíněná variabilita procesu (conditional process variance) Popisuje variabilitu danou samotným stochastickým modelem Nelze ji odstranit Chyba odhadu = (estimation error) Zachycuje neurčitost odhadu parametru, resp. předpovědi 5/13/2016 14

Chyba predikce pro jeden vývojový trojúhelník a. Chyba predikce ultimátních škod pro jeden vznikový rok (měsíc, kvartál) škod i b. Chyba predikce ultimátních škod pro jeden vývojový trojúhelník 5/13/2016 15

Chyba predikce ultimátních škod pro jeden rok vzniku Lze formulovat: Můžeme aproximovat: - náhodná chyba - chyba odhadu lze odvodit rekurzivní formule jednotlivých složek chyby predikce Poznámka: - pro $ 1 místo podmíněných středních hodnot a rozptylů jsou dále pro zjednodušení použity střední hodnoty a rozptyly bez podmínky 5/13/2016 16

Chyba predikce ultimátních škod pro dané období vzniku Podle předpokladů Chain Ladder platí: Náhodnou chybu %&'( ) ultimátních výší škod určíme: poč. hodnota %&' (, ) = 0,, je již známé 5/13/2016 17

Chyba predikce ultimátních škod pro dané období vzniku Chybu odhadu podmíněného rozptylu ultimátních výší škod můžeme vypočítat užitím uvedené rekurze: poč. hodnota%&' (), ) = 0, je pozorovaná hodnota 5/13/2016 18

Chyba predikce ultimátních škod pro dané období vzniku Shrneme-li tedy odhad náhodné chyby pro jednotlivé vznikové roky a chyby odhadu, dostaneme hledaný vztah pro výpočet podmíněné střední chyby předpovědi konečné výše škod v jednotlivých obdobích vzniku škod i Celkovou chybu predikce lze rekurzivně zapsat: 5/13/2016 19

Chyba predikce ultimátních škod pro jeden vývojový trojúhelník Pojišťovny vykazují odhady výší škodních rezerv pro všechny období vzniku dohromady Chyba predikce pro jeden vývojový trojúhelník je definována jako: ( ) je známé, první období vzniku neovlivňuje výpočet náhodné chyby, ani chyby odhadu 5/13/2016 20

Chyba predikce ultimátních škod pro jeden vývojový trojúhelník Předchozí vztah výpočtu *+( -. lze aproximovat výrazem: (*) Náhodná chyba: Chyba odhadu: - jedná se o pouze o označení části výrazu (*), nikoliv o rozptyl součtu odhadů škod 5/13/2016 21

Chyba predikce ultimátních škod pro jeden vývojový trojúhelník náhodná chyba Díky předpokladu nezávislosti řádků platí: Rekurzivní vztah pro výpočet: Zápis ) /, vyjadřuje: 5/13/2016 22

Chyba predikce ultimátních škod pro jeden vývojový trojúhelník chyba odhadu U chyby odhadu neplatí nezávislost řádků Nutno uvažovat korelace mezi různými vzniky škod Rekurzivní vztah, pomocí kterého lze vypočítat kovarianci mezi odhady ultimátních škodních úhrnů: Poč. hodnota:,,, je známé 5/13/2016 23

Chyba predikce ultimátních škod pro jeden vývojový trojúhelník chyba odhadu (pokračování) Rekurzivní formule pro výpočet chyby odhadu: Rekurze začíná od 2 5/13/2016 24

Chyba predikce ultimátních škod pro jeden vývojový trojúhelník chyba predikce Chyba predikce celkových škodních úhrnů pro všechny vznikové roky: Chyba predikce *+(. ) vyjadřuje střední kvadratickou odchylku mezi odhadnutými úhrny ultimátních škod a skutečnými úhrny ultimátních škod Chyba odhadu %&'(. ) vyjadřuje střední kvadratickou odchylku mezi odhadnutými úhrny škod a očekávanými úhrny ultimátních škod 0 0.. 5/13/2016 25

Chain Ladder korelace mezi run-off trojúhelníky Uvažujeme druhý kumulativní vývojový trojúhelník 1 5/13/2016 26

Chain Ladder korelace mezi run-off trojúhelníky Odhady neznámých parametrů pro druhý vývojový trojúhelník: Kde individuální vývojové faktory se určí: zápis 1 2, vyjadřuje: 5/13/2016 27

Chain Ladder korelace mezi run-off trojúhelníky Pro druhý vývojový trojúhelník opět platí stejné stochastické předpoklady metody CL Parametr 3 v trojúhelníku 1 odpovídá parametru v trojúhelníku Parametr z trojúhelníku 1 odpovídá parametru z trojúhelníku Opět předpokládáme nezávislost vznikovýchřádků, 1,, 5/13/2016 28

Chain Ladder korelace mezi run-off trojúhelníky Výpočet korelace mezi dvěma vývojovými trojúhelníky Z předpokladu modelu podle Brauna (rozšíření Mackovy metody) pro kovarianci platí: Korelační koeficient mezi dvěma individuálními vývojovými faktory: 4''(,5, )= 789(: ;, < ; = ;,!" - >?@(: ; = ;,!" - >?@(< ; = ;,!" - = B C D Korelační koeficienty závisí na vývojovém období, ale nezávisí na období vzniku 5/13/2016 29

Chain Ladder korelace mezi run-off trojúhelníky Úhrny škod z různých vznikových období (měsíce, kvartály) portfolia skládajícího se z dílčích portfolií a 1 jsou nezávislé Z předpokladu nezávislosti řádků lze odvodit i podmíněnou nekorelovanost vzhledem k useknutému trojúhelníku 4E(,1 F )0pro GH 5/13/2016 30

Chain Ladder korelace mezi run-off trojúhelníky Neznámý parametr lze odhadnout následovně: Hodnota parametru se vypočítá: zajišťuje, že odhad pro bude nestranný 5/13/2016 31

Chyba predikce pro dva vývojové trojúhelníky a. Chyba predikce ultimátních škod pro jeden vznikový rok (měsíc, kvartál) škod i pro dva vývojové trojúhelníky b. Chyba predikce ultimátních škod pro dva vývojové trojúhelníky 5/13/2016 32

Chyba predikce pro dva vývojové korelované trojúhelníky - jeden vznikový rok Podobně jako pro jeden vývojový trojúhelník definujeme chybu predikce *+( 1 ) Aproximace: Náhodná chyba: Chyba odhadu: 5/13/2016 33

Chyba predikce pro dva vývojové korelované trojúhelníky - jeden vznikový rok náhodná chyba Náhodná chyba %&'( +1 ) kombinovaného trojúhelníku 1 1 : Vyjádříme rekurzivní formuli pro kovarianci 4E(,1 ) 4E(, 1 ) 5/13/2016 34

Chyba predikce pro dva vývojové korelované trojúhelníky - jeden vznikový rok náhodná chyba (pokračování) Na jejím základě určíme rekurzivní formuli pro její odhad: Pro $ 1 Počáteční podmínka: Z předpokladu o kovarianci individuálních vývojových faktorů vyplývá: 5/13/2016 35

Chyba predikce pro dva vývojové korelované trojúhelníky - jeden vznikový rok chyba odhadu Chybu odhadu opět rozepíšeme jako součet jednotlivých rozptylů a kovariance: Rozptyly odhadů konečných škod, 1 umíme odhadnout pomocí předchozích vzorců 5/13/2016 36

Chyba predikce pro dva vývojové korelované trojúhelníky - jeden vznikový rok chyba odhadu (pokračování) Kovariančníčlen odhadneme pomocí formule: Počáteční podmínka: 5/13/2016 37

Chyba predikce agregované konečné škody pro dva vývojové trojúhelníky Uvažujme všechny dvojice odhadů konečných výší škod získané z dvou vývojových trojúhelníků 2,, (i=1 neuvažujeme, protože pro něj je konečná výše škod již známá) Chybu predikce *+( (. +1 )) zavedeme analogicky jako v předchozí části 5/13/2016 38

Chyba predikce agregované konečné škody pro dva vývojové trojúhelníky Což můžeme opět aproximovat vztahem Tyto dva členy vypočítáme pomocí rekurzivní formule pro výpočet chyby odhadu pro jeden vývojový trojúhelník Kde min (,H- značí minimum z i a j. 5/13/2016 39

Chyba predikce agregované konečné škody pro dva vývojové trojúhelníky náhodná chyba Náhodná chyba %&'(. ( + 1 )) se rovná Náhodné chyby %&'(. ) a %&'(. 1 ) jsme určili už v předchozí části (rekurzivní vzorce pro výpočet náhodné chyby pro jeden vývojový trojúhelník) Stačí určit pouze kovarianci konečných výší škod 5/13/2016 40

Chyba predikce agregované konečné škody pro dva vývojové trojúhelníky náhodná chyba (pokračování) Vzhledem k nezávislosti škodních úhrnů vznikových období můžeme psát: Užitím rekurze pro 4E (, 1 ), 2 získáme: 5/13/2016 41

Chyba predikce agregované konečné škody pro dva vývojové trojúhelníky chyba odhadu Rozptyly %&'( ) a %&'( 1 ) jsme určili v předchozí části. Stačí určit kovarianční člen Rekurze:. Poč. hodnota 2 Tato rekurze doplňuje celkovou rekurzi pro chybu odhadu a chybu predikce pro dva vývojové korelované trojúhelníky 5/13/2016 42

Numerický příklad Reálná data (upravená) Dva vývojové trojúhelníky stejné struktury Trojúhelníky celkových závazků Odvětví: pracovní neschopnost (PN) Trojúhelníky sestaveny pro dva různé partnery Hodnoty v CZK 5/13/2016 43

Trojúhelník odvětví pracovní neschopnost 1. partner Kumulativní trojúhelník Incurred 5/13/2016 44

Trojúhelník odvětví pracovní neschopnost 2. partner Kumulativní trojúhelník Incurred 5/13/2016 45

Odhad parametrů CL Odhad vývojových koeficientů: Odhad parametrů rozptylu: DY = development year / quarter 5/13/2016 46

Odhad parametrů CL Odhad parametrů rozptylu Nemáme dostatek dat k odhadu L a M Aproximace dle Macka: L =min (L P O /L ; min (L O, L )) = 123, 8 Analogicky pro M 5/13/2016 47

Odhad IBNR rezervy Pro každé období vzniku i odhad rezervy pro pracovní neschopnost 1. partner ) R, Pro každé období vzniku i odhad rezervy pro pracovní neschopnost 2. partner Pro portfolio (partner 1 + partner 2) 1S R1, 5/13/2016 48

Odhad IBNR rezervy pracovní neschopnost 1. partner 5/13/2016 49

Odhad IBNR rezervy pracovní neschopnost 2. partner 5/13/2016 50

Odhad IBNR rezervy Odhad IBNR rezervy pro trojúhelníky pracovní neschopnosti pro 1. partnera, 2. partnera a pro oba partnery dohromady 5/13/2016 51

Výpočet korelačního koeficientu Odhad parametru T, U a korelačního koeficientu Poslední hodnota korelačního koeficientu je pouze na základě dvou pozorování 5/13/2016 52

Korelace mezi 2 trojúhelníky Grafické znázornění korelačního koeficientu pro jednotlivá vývojová období 0,8 0,6 0,4 0,2 0-0,2-0,4-0,6-0,8-1 -1,2 Vývoj korelačního koeficientu 2 3 4 5 6 7 8 9 10 11 5/13/2016 53

Výpočet náhodné chyby (process error deviation) Pro oba vývojové trojúhelníky zvlášť Portfolio zohlednění korelace mezi run-off trojúhelníky 5/13/2016 54

Výpočet chyby odhadu (estimation error) Pro oba vývojové trojúhelníky zvlášť Portfolio zohlednění korelace mezi run-off trojúhelníky 5/13/2016 55

Chyba predikce MSEP (prediction standard error) Pro oba vývojové trojúhelníky zvlášť Portfolio zohlednění korelace mezi run-off trojúhelníky 5/13/2016 56

Závěr I Porovnání výsledků Chyba predikce je tvořena z větší části náhodnou chybou Celková chyba predikce pro korelované portfolio tvoří 12% rezerv Možnost sestrojení intervalů spolehlivosti pro odhad IBNR 5/13/2016 57

Závěr II Chyba predikce pro nezávislé a korelované portfolio Celková chyba predikce vychází pro porfolio složené z vzájemně korelovaných dílčích porfolií (partner 1, partner 2) vyšší než při předpokladu, že jsou tyto podskupiny nezávislé Kovarianční metoda vede k vyšší hodnotě celkové IBNR rezervy Name of department 5/13/2016 58

Použitá literatura Braun, Ch.: Prediction error of the Chain Ladder Method applied to Correlated Run-off Triangles. Astin Bulletin vol.34, 2004 Hess, K. Th., Schmidt, K.D., Zocher, M.: Multivariate Loss Prediction in the Multivariate Additive Model, Insiurance, Mathematics and Economics, 2006 Mack, T.: Distribution-free Calculation of the Standard Error of Chain Ladder Reserve Estimates. Astin Bulletin vol. 23, 1993 Merz, M., Wüthrich, M. W.: Prediction Error of the Multivariate Chain Ladder Reserving Method, Submitted preprint. ETH Zürich, 2007 Pröhl, C., Schmidt, K.D.: Multivariate Chain Lader. Astin Colloquim. ETH Zürich, 2005 Name of department 5/13/2016 59

OTÁZKY? 5/13/2016 60

Děkuji za pozornost marcela.martinu@cardif.com 5/13/2016 61