Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Application of the Ordered Lorenz Curve in the Analysis of a Non-Life Insurance Portfolio
KTH, Skolan för teknikvetenskap (SCI), Matematik (Inst.), Matematisk statistik.
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)Alternativ titel
Tillämpning av den rangordnade Lorenz kurvan vid analys av en sakförsäkringsportfölj (Svenska)
Abstract [en]

Insurance analysts have a great variety of assessment tools at their disposal in order to ensure a healthy insurance portfolio. To describe the financial income and loss distribution of the insurance portfolio one of the more fundamental mathematical instrument is the Lorenz curve. A measure developed in the early 19th centrury by Max O. Lorenz which intended to describe a population’s income distribution in a macro perspective. By developing further on this method with guidance from the article by Frees, Meyers and Cummings, [5], a link between the Lorenz curve and the insurance portfolio’s risk segment will be investigated.

By constructing an insurance rating function which determine an insurance expected loss, depending on the policyholders characteristics, ordering the premium and loss distributions by its relative loss the intent is to identify profitable blocks along the ordered Lorenz curve. With this insight an analyst can redefine the portfolio structure and highlight the desirable characteristics which define a policyholder. In order to keep up with the competition an insurer has to, in the long run, create a sustainable, profitable portfolio with lowering the risk of occurring greater insurance claims.

Abstract [sv]

För dagens försäkringsanalytiker finns det en uppsjö av matematiska metoder och mått att tadel av för att utvärdera bolagens produktportföljer. För att beskriva och fundamentalt förstå hur en försäkringsportföljs premier och förlusters fördelar sig över försäkringstagare, finns ett välkänt matematiskt verktyg, utvecklat av Max O. Lorenz i början av 1900-talet, Lorenzkurvan. Ursprungligen var den framtagen för att studera, i ett makro ekonomiskt perspektiv, en stats eller en populations inkomstfördelning. Det vill säga hur jämlikt ett samhälle ansågs vara. Baserat på den grundläggande teorin bakom Lorenzkurvan och arbetet bakom den matematiska skriften av Edward W. Frees, Glenn Meyers and A. David Cummings, [5], etableras en länk mellan Lorenzkurvan och en försäkringsportföljs inkomst och utgiftsfördelningar. Detta i avsikt att identifiera lönsammare block och hitta försäkringar vars underliggande karaktärer indikerar högre risker.

Med hjälp av klassisk regression kan försäkringarna värderas efter deras potentiella förlust, premie och förlust fördelningen sorteras efter en relativ förlust, för att ta fram en rankad Lorenzkurva. Detta för att koppla den underliggande informationen från försäkringstagaren till dess relativa finansiella prestation. Att hitta segment i portföljen som visar potentiellt större lönsamhet och lägre risk är något en analytiker ständigt bör eftersträva för att hålla jämna steg med konkurrensen på marknaden och utöka sin portfölj med en strategi som bygger på väl underliggande teori.

Ort, förlag, år, upplaga, sidor
2019.
Serie
TRITA-SCI-GRU ; 2019:372
Nationell ämneskategori
Sannolikhetsteori och statistik
Identifikatorer
URN: urn:nbn:se:kth:diva-262823OAI: oai:DiVA.org:kth-262823DiVA, id: diva2:1362789
Externt samarbete
Söderberg & Partners
Ämne / kurs
Finansiell matematik
Utbildningsprogram
Teknologie masterexamen - Tillämpad matematik och beräkningsmatematik
Handledare
Examinatorer
Tillgänglig från: 2019-10-30 Skapad: 2019-10-21 Senast uppdaterad: 2019-10-30Bibliografiskt granskad

Open Access i DiVA

fulltext(758 kB)58 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 758 kBChecksumma SHA-512
12b204b722d611cde03da9a9d55ead3a9cf506d1b5cda58ad9356ec52efd62ef2bc02cd8c575366f5aa9334b5c66de3586a5bc769cb39bd3ceb895807b0049b0
Typ fulltextMimetyp application/pdf

Av organisationen
Matematisk statistik
Sannolikhetsteori och statistik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 58 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 197 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf