分位数回归作为风险预测模型的起点

IF 0.1 Q4 ECONOMICS
Albert Pitarque, Ana Mª Pérez Marín, M. Guillén
{"title":"分位数回归作为风险预测模型的起点","authors":"Albert Pitarque, Ana Mª Pérez Marín, M. Guillén","doi":"10.26360/2019_5","DOIUrl":null,"url":null,"abstract":"espanolDado un nivel o tolerancia de riesgo, la regresion cuantilica es un modelo predictivo que ajusta el correspondiente percentil de la variable respuesta continua. Fijado un determinado valor porcentual, se identifica el efecto de cada variable predictora en la distribucion acumulada hasta ese nivel de la variable dependiente. En este articulo mostramos como puede utilizarse esta metodologia en el analisis de datos en el seguro de automovil y proponemos una extension de la regresion cuantilica inspirada en la necesidad de predecir la esperanza de la cola condicional. Para ello se han desarrollado rutinas especificas en R y se ha implementado un procedimiento de remuestreo para la aproximacion de los errores estandar. La principal conclusion es que este tipo de modelos permite analizar que factores inciden en el riesgo de accidente y pueden ser utilizados para mitigarlo o para valorarlo en el ambito asegurador. EnglishGiven a risk level or tolerance, quantile regression is a predictive model that fits the corresponding percentile of the continuous response variable. Given a fixed percentage value, we identify the effect of each predictor variable in the cumulative distribution up to that level of the dependent variable. In this article, we show how this methodology can be used in motor insurance data analysis and we propose an extension of quantile regression inspired by the need to predict the expectation of the conditional tail. To this end, specific R routines have been developed and a resampling procedure has been implemented to approximate standard errors. The main conclusion is that this type of models allows us to analyze which factors affect accident risk and can be used to mitigate or to evaluate risk in the insurance field","PeriodicalId":40666,"journal":{"name":"Anales del Instituto de Actuarios Espanoles","volume":null,"pages":null},"PeriodicalIF":0.1000,"publicationDate":"2019-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"REGRESIÓN CUANTÍLICA COMO PUNTO DE PARTIDA EN LOS MODELOS PREDICTIVOS PARA EL RIESGO\",\"authors\":\"Albert Pitarque, Ana Mª Pérez Marín, M. Guillén\",\"doi\":\"10.26360/2019_5\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"espanolDado un nivel o tolerancia de riesgo, la regresion cuantilica es un modelo predictivo que ajusta el correspondiente percentil de la variable respuesta continua. Fijado un determinado valor porcentual, se identifica el efecto de cada variable predictora en la distribucion acumulada hasta ese nivel de la variable dependiente. En este articulo mostramos como puede utilizarse esta metodologia en el analisis de datos en el seguro de automovil y proponemos una extension de la regresion cuantilica inspirada en la necesidad de predecir la esperanza de la cola condicional. Para ello se han desarrollado rutinas especificas en R y se ha implementado un procedimiento de remuestreo para la aproximacion de los errores estandar. La principal conclusion es que este tipo de modelos permite analizar que factores inciden en el riesgo de accidente y pueden ser utilizados para mitigarlo o para valorarlo en el ambito asegurador. EnglishGiven a risk level or tolerance, quantile regression is a predictive model that fits the corresponding percentile of the continuous response variable. Given a fixed percentage value, we identify the effect of each predictor variable in the cumulative distribution up to that level of the dependent variable. In this article, we show how this methodology can be used in motor insurance data analysis and we propose an extension of quantile regression inspired by the need to predict the expectation of the conditional tail. To this end, specific R routines have been developed and a resampling procedure has been implemented to approximate standard errors. The main conclusion is that this type of models allows us to analyze which factors affect accident risk and can be used to mitigate or to evaluate risk in the insurance field\",\"PeriodicalId\":40666,\"journal\":{\"name\":\"Anales del Instituto de Actuarios Espanoles\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.1000,\"publicationDate\":\"2019-11-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anales del Instituto de Actuarios Espanoles\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.26360/2019_5\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"ECONOMICS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anales del Instituto de Actuarios Espanoles","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26360/2019_5","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ECONOMICS","Score":null,"Total":0}
引用次数: 2

摘要

在给定风险水平或耐受性的情况下,定量回归是一种预测模型,可以调整连续响应变量的相应百分比。设定一定的百分比值,确定每个预测变量对因变量在该水平上的累积分布的影响。在这篇文章中,我们展示了这种方法如何用于汽车保险中的数据分析,并根据预测条件排队期望的需要,提出了量化回归的扩展。为此,在R中开发了特定的例程,并实施了重新采样程序来近似标准误差。主要结论是,这类模型可以分析哪些因素会影响事故风险,并可用于减轻事故风险或在保险领域对其进行评估。在给定风险水平或耐受性的情况下,分位数回归是一种预测模型,适合连续响应变量的相应百分比。给定一个固定的百分比值,我们确定每个预测变量对累积分布的影响,达到相关变量的这一水平。在这篇文章中,我们展示了这种方法如何用于汽车保险数据分析,并根据预测条件尾预期的需要,提出了量化回归的扩展。为此,制定了具体的R程序,并实施了重新实施程序,以近似标准错误。主要结论是,这类模型使我们能够分析哪些因素影响事故风险,并可用于缓解或评估保险领域的风险
本文章由计算机程序翻译,如有差异,请以英文原文为准。
REGRESIÓN CUANTÍLICA COMO PUNTO DE PARTIDA EN LOS MODELOS PREDICTIVOS PARA EL RIESGO
espanolDado un nivel o tolerancia de riesgo, la regresion cuantilica es un modelo predictivo que ajusta el correspondiente percentil de la variable respuesta continua. Fijado un determinado valor porcentual, se identifica el efecto de cada variable predictora en la distribucion acumulada hasta ese nivel de la variable dependiente. En este articulo mostramos como puede utilizarse esta metodologia en el analisis de datos en el seguro de automovil y proponemos una extension de la regresion cuantilica inspirada en la necesidad de predecir la esperanza de la cola condicional. Para ello se han desarrollado rutinas especificas en R y se ha implementado un procedimiento de remuestreo para la aproximacion de los errores estandar. La principal conclusion es que este tipo de modelos permite analizar que factores inciden en el riesgo de accidente y pueden ser utilizados para mitigarlo o para valorarlo en el ambito asegurador. EnglishGiven a risk level or tolerance, quantile regression is a predictive model that fits the corresponding percentile of the continuous response variable. Given a fixed percentage value, we identify the effect of each predictor variable in the cumulative distribution up to that level of the dependent variable. In this article, we show how this methodology can be used in motor insurance data analysis and we propose an extension of quantile regression inspired by the need to predict the expectation of the conditional tail. To this end, specific R routines have been developed and a resampling procedure has been implemented to approximate standard errors. The main conclusion is that this type of models allows us to analyze which factors affect accident risk and can be used to mitigate or to evaluate risk in the insurance field
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信