This thesis explores and compares several methods for estimating Incurred But Not Reported (IBNR) claims, with a focus on their practical application in small insurance portfolios. Using data from a Swedish construction insurance provider, the study evaluates four reserving techniques: Chain ladder, Mack model, Bornhuetter-Ferguson and Tweedie Generalized Linear Models (GLM) with a stochastic simulation being applied to the latter. The analysis is conducted using both yearly and quarterly claim development data, allowing for an assessment of how model behavior changes with data granularity. While all models yield similar estimates for well-developed accident years, they diverge significantly for more recent and immature periods. In the quarterly setting, chain ladder and Mack overreact to limited data, resulting in highly inflated and volatile reserve estimates. Bornhuetter-Ferguson, GLM, and Tweedie demonstrate greater stability by relying on additional underlying assumptions. However, the volatility introduced by quarterly granularity -- particularly in the presence of sparse claims data -- led to unreliable outputs across all methods except for Bornhuetter-Ferguson which produced more stable estimates. As a result, the study favors yearly modeling for small portfolios, where stability and interpretability are crucial. The findings suggest that while methods such as chain ladder and Mack provide a useful baseline, other approaches may be better suited to the challenges faced by smaller insurers, particularly those that reduce volatility, like Bornhuetter-Ferguson, or provide distributional insight, like Tweedie.

Denna uppsats analyserar och jämför olika metoder för att uppskatta IBNR-reserver (Incurred But Not Reported), med särskilt fokus på tillämpningen i mindre försäkringsportföljer. Studien baseras på data från ett svenskt försäkringsbolag som erbjuder byggförsäkringar och omfattar fyra modeller: Chain ladder, Mack-modellen, Bornhuetter-Ferguson samt Tweedie-baserade Generalized Linear Models (GLM), där den sistnämnda kombineras med en stokastisk simulering. Analysen genomförs med både års- och kvartalsdata, vilket möjliggör en jämförelse av hur modellernas egenskaper påverkas av datats upplösning. För skadeår med mer komplett utveckling ger samtliga modeller likartade resultat, däremot uppstår tydliga skillnader för nyare och mer ofullständiga skadeår. I kvartalsdatan tenderar Chain ladder och Mack att överreagera på begränsad data, vilket resulterar i höga och instabila reservskattningar. Bornhuetter-Ferguson, GLM och Tweedie uppvisar i stället större stabilitet, då de bygger på ytterligare antaganden utöver de observerade värdena. Kvartalsvis modellering leder dock, särskilt vid gles skadehistorik, till osäkra resultat för samtliga metoder – med undantag för Bornhuetter-Ferguson, som ger jämnare och mer tillförlitliga skattningar. Studien visar att årsvis modellering är att föredra i mindre portföljer, där stabilitet och tydlig tolkning är viktigt. Resultaten indikerar att även om Chain ladder och Mack erbjuder en användbar utgångspunkt, kan andra metoder vara bättre anpassade till de utmaningar som mindre försäkringsbolag möter – särskilt metoder som minskar volatiliteten, som Bornhuetter-Ferguson, eller ger information om den statistiska fördelningen, som Tweedie.