Sökning: "Non-life Insurance"

Visar resultat 1 - 5 av 21 uppsatser innehållade orden Non-life Insurance.

  1. 1. The deductibles impact on the risk premium

    Master-uppsats, Umeå universitet/Institutionen för matematik och matematisk statistik

    Författare :Ludvig Bergman; [2023]
    Nyckelord :deductible; insurance mathematics; non-life insurance pricing; Försäkringsmatematik; självrisk; självrisker;

    Sammanfattning : The aim of this master thesis is to derive methods that assesses the impact the deductiblehas on the risk premium of an insurance contract. The additive structure of a deductiblenecessitates approaches beyond treating it as a regular covariate in a generalized linearmodel for predicting the risk premium. LÄS MER

  3. 2. Spatial Statistical Modelling of Insurance Claim Frequency

    Master-uppsats, Lunds universitet/Matematisk statistik

    Författare :Daniel Faller; [2022]
    Nyckelord :Insurance risk; claim frequency; Markov chain Monte Carlo MCMC ; Riemann manifold Metropolis adjusted Langevin algorithm MMALA ; spatial statistics; Gaussian Markov random field GMRF ; preconditioned Crank Nicolson Langevin algorithm pCNL ; Gibbs sampling; Bayesian hierarchical modelling; high dimensional; shrinkage prior; horseshoe prior; regularisation.; Mathematics and Statistics;

    Sammanfattning : In this thesis a fully Bayesian hierarchical model that estimates the number of aggregated insurance claims per year for non-life insurances is constructed using Markov chain Monte Carlo based inference with Riemannian Langevin diffusion. Some versions of the model incorporate a spatial effect, viewed as the relative spatial insurance risk that originates from a policyholder's geographical location and where the relative spatial insurance risk is modelled as a continuous spatial field. LÄS MER

  4. 3. Using Gradient Boosting to Identify Pricing Errors in GLM-Based Tariffs for Non-life Insurance

    Master-uppsats, KTH/Matematik (Avd.)

    Författare :Felix Greberg; Andreas Rylander; [2022]
    Nyckelord :GLM; Gradient Boosting; XGBoost; Non-life insurance; Property Casualty; Rate making; Insurance Tariff; MTPL insurance; Machine learning; Regression trees; Tweedie regression; Credit risk; GLM; Gradient Boosting; XGBoost; Skadeförsäkring; Prissättning; Försäkringstariff; Trafikförsäkring; Regressionsträd; Maskininlärning; Tweedie-regression; Kreditrisk;

    Sammanfattning : Most non-life insurers and many creditors use regressions, more specifically Generalized Linear Models (GLM), to price their liabilities. One limitation with GLMs is that interactions between predictors are handled manually, which makes finding interactions a tedious and time-consuming task. LÄS MER

  5. 4. Penningtvätt inom försäkringsbranschen

    Uppsats för yrkesexamina på avancerad nivå, Lunds universitet/Juridiska institutionen; Lunds universitet/Juridiska fakulteten

    Författare :Cornelia Holmqvist; [2021]
    Nyckelord :Penningtvätt; försäkringsbolag; försäkringrörelse; försäkringsrätt; EU-rätt; Law and Political Science;

    Sammanfattning : Penningtvätt inom försäkringsbranschen sker genom att tillgångar, som härrör från brottslig verksamhet, investeras i en försäkring vilket gör det svårt att spåra tillgångarnas ursprung. När pengarna sedan betalas ut till försäkringstagaren, eller förmånstagaren, förvandlas de illegalt förvärvade tillgångarna till vita pengar med legitim status. LÄS MER

  7. 5. Evaluation of the Variance in the Premium Provision Estimate : Handling Inhomogeneous and Decreasing Risk in Premium Provision Purposes

    Uppsats för yrkesexamina på avancerad nivå, Umeå universitet/Institutionen för matematik och matematisk statistik

    Författare :Eric Egelius; Anna Methander; [2021]
    Nyckelord :Premium Provision; Reserves; Insurance; Claim Frequency; Inhomogeneous Risk; Claim Severity; Hidden Fault; Title Transfer Insurance; Premiereserv; Reserv; Försäkring; Skadefrekvens; Inhomogen Risk; Skadekostnad; Dolda Fel; Säljaransvarsförsäkring;

    Sammanfattning : The costs related to events of losses within non-life insurance are stochastic and a prerequisite of running a successful insurance business is to predict risks and future costs. From both a business- and regulatory perspective, it is of high interest to have a genuine understanding of the precision and the sensitivity of the estimated costs and future risks. LÄS MER