Vícerozměrné modely počtů škod
Multivariate claim numbers models
diplomová práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/109413Identifikátory
SIS: 210077
Kolekce
- Kvalifikační práce [11325]
Autor
Vedoucí práce
Oponent práce
Cipra, Tomáš
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Finanční a pojistná matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
9. 9. 2019
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Velmi dobře
Klíčová slova (česky)
dvojrozměrné Poissonovo rozdělení, počty škod, negativně binomické rozdělení, kopuleKlíčová slova (anglicky)
bivariate Poisson distribution, claim frequency, negative binomial distribution, copulasVícerozměrné modely počtů škod je možné využít při modelování počtů škod z různých odvětví, které mohou být navzájem provázány závislostní strukturou. Stejně jako v případě jednorozměrných počtů škod se k modelování převážně využívá Poissonova a negativně binomického rozdělení, které je rozšířeno do dalších dimenzí. Zobecnění rozdělení pro více rozměrů se často provádí pomocí tzv. šokových proměnných, kdy je jedna náhodná veličina obsažena ve všech rozměrech náhodného vektoru modelujícího počty škod. Komplexnějším přístupem k modelování závislostí je modelování pomocí kopulí. Porovnání těchto modelů je provedeno na simulovaném příkladu počtů škod ze dvou různých garancí autopojištění.
Multidimensional frequency models can be used for modeling number of claims from different branches which are somehow dependent on each other. As in the one-dimensional case Poisson distribution and negative binomial distribution are primarily used for modeling multidimensional claim counts data, only they are extended to higher dimensions. The generalization of multi- dimensional distributions is often done using so-called shock variables, where one random variable is included in all dimensions of a random vector which models claim counts. The more comprehensive approach to modeling dependence uses copulas. Comparison of these models is done on a simulated data of number of claims from two different car insurance guarantees.