Claim Prediction — Dự báo bồi thường
Tải lịch sử bồi thường lên, nhận tham số phân phối và so sánh trực tiếp VaR khớp mô hình với VaR thực nghiệm — chênh lệch cho biết đuôi thật béo hơn mô hình bao nhiêu.
Chia đều trên thang log của số tiền, nên các cột bên phải là các khoản lớn. Cột sáng cao hơn cột tối ở phía phải nghĩa là mô hình đang đếm thiếu số vụ lớn.
Đây là tham số quyết định độ béo của đuôi. Trên 1,0 nghĩa là khoảng cách giữa vụ trung vị và vụ lớn nhất rất rộng, và trung bình không còn đại diện cho một vụ điển hình.
Mô hình thấp hơn thực nghiệm nghĩa là đuôi thật béo hơn lognormal và bạn đang đánh giá THẤP rủi ro. Khi đó cần phân phối đuôi nặng hơn — Pareto tổng quát cho phần vượt ngưỡng.
TVaR là trung bình của phần đuôi vượt VaR, tức mức tổn thất kỳ vọng KHI đã rơi vào vùng xấu. Nó là con số dùng để định mức vốn, còn VaR chỉ là ngưỡng cửa.
Ước lượng đuôi từ vài chục vụ có sai số rất lớn: chỉ cần thêm một vụ thảm hoạ là toàn bộ tham số đổi. Dưới 30 quan sát thì hãy đọc kết quả như bậc độ lớn, không như con số chốt.
| μ (log) | 16.8405 |
| σ (log) | 1.1396 |
| Trung bình thực nghiệm | 42,900,000.00 |
| Trung vị thực nghiệm | 14,300,000.00 |
| VaR 99% thực nghiệm | 260,000,000.00 |
| Chênh mô hình vs thực nghiệm | +12.2% |
| Số quan sát | 15 |
| Khoản lớn nhất | 260,000,000.00 |
Chia đều trên thang log của số tiền, nên các cột bên phải là các khoản lớn. Cột sáng cao hơn cột tối ở phía phải nghĩa là mô hình đang đếm thiếu số vụ lớn.
Điểm nằm trên một đường thẳng qua gốc là khớp tốt. Vài điểm ngoài cùng bên phải bật lên trên đường là dấu hiệu kinh điển của đuôi béo hơn lognormal.
Với 15 quan sát, phân vị thực nghiệm ở mức 99% chỉ dựa vào một hai điểm dữ liệu — nó nhảy bậc thang chứ không mượt, và đó là lý do người ta khớp phân phối thay vì đọc thẳng số liệu thô.
| Mức tin cậy | VaR lognormal | VaR thực nghiệm | TVaR lognormal | Chênh mô hình/thực tế |
|---|---|---|---|---|
| 80.0% | 53,740,060.09 | 67,000,000.00 | 121,654,753.74 | -19.8% |
| 90.0% | 88,722,313.44 | 125,000,000.00 | 174,875,455.82 | -29.0% |
| 95.0% | 134,227,635.26 | 260,000,000.00 | 241,829,613.40 | -48.4% |
| 97.5% | 192,220,411.92 | 260,000,000.00 | 324,875,970.41 | -26.1% |
| 99.0% | 291,832,646.69 | 260,000,000.00 | 463,901,241.26 | +12.2% |
| 99.5% | 387,801,704.77 | 260,000,000.00 | 595,088,125.64 | +49.2% |
| μ (log) | 16.8405 |
| σ (log) | 1.1396 |
| Trung bình thực nghiệm | 42,900,000.00 |
| Trung vị thực nghiệm | 14,300,000.00 |
| VaR 99% thực nghiệm | 260,000,000.00 |
| Chênh mô hình vs thực nghiệm | +12.2% |
| Số quan sát | 15 |
| Khoản lớn nhất | 260,000,000.00 |
1.234.567 lẫn 1.234,56.Dự báo bồi thường phục vụ hai mục đích khác nhau: ước lượng tổng chi phí kỳ vọng cho định phí, và phát hiện sớm các vụ có nguy cơ trở thành tổn thất lớn để can thiệp kịp thời.
| Tần suất bồi thường | số vụ trên một đơn vị rủi ro-năm |
| Severity | mức bồi thường trung bình |
| Tỷ lệ phát hiện sớm vụ lớn | giá trị vận hành thực tế |
Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.
Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.
Dự báo bồi thường phục vụ hai mục đích khác nhau: ước lượng tổng chi phí kỳ vọng cho định phí, và phát hiện sớm các vụ có nguy cơ trở thành tổn thất lớn để can thiệp kịp thời.
1. Phân tách tần suất và mức độ, vì hai đại lượng này chịu tác động của các biến khác nhau. 2. Với vụ lớn, dùng lý thuyết giá trị cực trị thay vì mô hình trung bình. 3. Xây bộ chấm điểm mức độ nghiêm trọng ngay khi vụ việc được báo cáo.
T r u n g b ì n h b ị c h i p h ố i b ở i v à i v ụ c ự c l ớ n ; m ô h ì n h t ố i ư u t h e o M S E s ẽ d ồ n h ế t s ứ c v à o đ u ô i v à s a i ở p h ầ n t h â n .
Tần suất bồi thường — số vụ trên một đơn vị rủi ro-năm; Severity — mức bồi thường trung bình; Tỷ lệ phát hiện sớm vụ lớn — giá trị vận hành thực tế.
Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.