Logo
Dissertação

Nonparametric extreme value mixture modelsapplications to insurance losses

Galdino, Alexandre Bassi

O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.

Resumo

A modelagem da severidade de sinistros é um tópico desafiador para atuários e profissionais que atuam no mercado segurador. Modelos paramétricos comumente utilizados para aproximar as distribuições de severidade (Lognormal, Gama, Weibull, Burr Tipo XII, Gaussiana Inversa e Gamma Inversa) são capazes de fornecer um bom ajuste para os dados localizados no corpo das distribuições, mas falham ao descrever o comportamento das observações mais extremas. Uma abordagem popular empregada para superar essa limitação consiste em isolar a porção extrema das caudas e modelá-las separadamente utilizando a célebre Teoria de Valores Extremos e a Distribuição Generalizada de Pareto, um método conhecido como Peaks-Over-Threshold (POT). Entretanto, na maioria das aplicações práticas, atuários estão interessados em obter um único modelo que proporcione um ajuste satisfatório em todo o suporte da distribuição. Nesta dissertação, consideramos uma mistura não-paramétrica de valores extremos capaz de modelar conjuntamente pequenas e grandes perdas. O modelo possui a vantagem de ser extremamente flexível devido ao seu componente não-paramétrico, evitando-se que seja necessário impor uma forma funcional para o corpo da distribuição, como na maioria dos modelos de mistura propostos na literatura atuarial. Adicionalmente, o estimador de densidade kernel tem apenas um único parâmetro adicional a ser estimado, superando o problema da complexidade computacional relacionado a modelos similares. Para demonstrar a aplicabilidade e efetividade do modelo proposto no contexto da modelagem da severidade de sinistros, utilizamos três conjuntos de dados reais amplamente acessíveis e bastante explorados na literatura atuarial. Os resultados sugerem que o modelo analisado proporciona um ajuste superior quando comparado às outras alternativas existentes.

Ficha do documento

Tipo
Dissertação
Ano
2021
Instituição
Fundação Getulio Vargas
Idioma
Inglês
Acesso
Acesso aberto
Identificador
oai:repositorio.fgv.br:10438/30725

Conteúdos relacionados

Voltar à Biblioteca
Logo