Ekonometryczna analiza szkodliwości w portfelu ubezpieczeń komunikacyjnych na podstawie danych panelowych

• Autorzy: Bartosz Witkowski

Warianty tytułu

The econometric analysis of clain fraquency in the automobile insurance portfolio - panel data analysis

• Języki publikacji: PL

Abstrakty

Przedmiotem artykułu jest ekonometryczna analiza źródeł i siły zróżnicowania szkodlowości w portfelu ubezpieczeń komunikacyjnych z wykorzystaniem danych panelowych. Celem artykułu jest konstrukcja modelu, który umożliwi identyfikację wpływu na szkodliwość charakterystyk ubezpieczonego obserwowalnych dla ubezpieczyciela (tzw. cech a priori - płeć, miejsce zamieszkania itp.), cech nieobserwowalnych dla ubezpieczyciela (odporność kierowcy na stres, skłonność do brawurowej jazdy itp.) oraz spowodowanej funkcjonowaniem systemu bonus-malus różnicy między częstością szkód zgłaszanych i zaistniałych, co jest możliwe dzięki dostosowaniu konstrukcji modelu do użytych do estymacji danych panelowych. Dotychczas powstało niewiele opracowań poświęconych wykorzystaniu danych panelowych do estymacji rozkładów szkód w ubezpieczeniach komunikacyjnych. Pewne propozycje znaleźć można w omówionych dalej artykułach. (abstrakt oryginalny)

EN

The goal of this article is to apply panel data approach to the analysis of claim frequency in automobile insurance. The model which is constructed estimates the influence of particular characteristics of the insured on their insurance loss number, but it also enables identification of the hunger for bonus effect. Panel data approach allows for identification of drivers' individual effects that influence their driving quality, but cannot be quantified directly, such as for example tendency to drive fast. This is done thanks to repetitive observation of the same individuals. Having information on their number of losses claimed in different bonus-malus system classes, it is possible to separate their individual skills from the hunger for bonus phenomenon, as well as identify the scale of the latter, which differs in particular classes. Chapter one is an introduction. In chapter two main benefits from the use of panel data have been described. Recent publications considering the topic are mentioned as well, with emphasis on the differences between other authors' approaches and this one. Chapter three contains a brief description of the methods applied, which are Poisson regression mixed models. In chapter four the basic model is adjusted to the conditions of hunger for bonus and it is shown, how this phenomenon is identified. In chapter five empirical analysis based on the real market data of approximately 21 thousand observations is done. The model is estimated and the conclusions are discussed with a short simulation study of the insurance company financial state. (original abstract)

Słowa kluczowe

PL

Ubezpieczenia komunikacyjne OC; Analiza portfelowa; Analiza ekonometryczna; Regresja Poissona

EN

Motor insurance; Portfolio analysis; Econometric analysis; Poisson regression

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2005
• Numer: nr 14 Ubezpieczenia i ekonometria
• Strony: 103-128

Twórcy

autor

Bartosz Witkowski

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Abbring J., P. Chiappori, J. Pinquet, (2003), Moral hazard and dynamie insurance data, Journal of the European Economic Association, w przygotowaniu.
• Baltagi B., (2001), Econometric analysis of panel data, John Wiley & Sons, Chichester.
• Cameron A., P. Trivedi (1986), Econometric models based on count data: comparisons and applications of some estimators and tests, Journal of Applied Econometrics 1.
• Ceccarini O., N. Pereira, (2004), Testing for the presence of moral hazard on dynamic insurance data: Evidence from the Portuguese car insurance industry, University of Pennsylvania, Working paper.
• Chamberlain G., (1984), Panel data w: Heckman J. J., Learner E. E. (red.), Handbook of Econometrics, vol. 2, rozdział 22, Elsevier Science Publishers.
• Chiappori P., J. Heckman, (2000), Testing for moral hazard on dynamie insurance data: theory and econometric tests, Mimeo, University of Chicago, Working paper.
• Chiappori P., B. Salanie, (2000), Testing for asymmetric information in insurance markets, Journal of Political Economy, 108, 56-78.
• Dachour M., G. Dionne, (2002), Pricing of automobile insurance under asymmetric information: a study on panel data, HEC Montreal, Working paper.
• Dahchour M., G. Dionne, P. Michaud, (2004), Pricing of automobile insurance under asymmetric information in France: A longitudinal analysis, Working paper.
• Daykin C.D., T. Pentikainen, M. Pesonen, (1994), Practical Risk Theory for Actuaries, Chapman & Hall, London.
• Dionne G. (red), (2000), Hadbook of insurance, Kluwer Academic Publishers, Boston.
• Dionne G., O. Ghali, (2003), The (1992) Bonus-Malus Systems in Tunisia: An Empirical Evaluation, HEC Montreal / Universite de Tunis, Working paper 03-07.
• Dionne G., C. Gourieroux, C. Vanasse (2001), Testing for evidence of adverse selection in the automobile insurance market: a comment, Journal of Political Economy, 109, 444-453.
• Gourieroux C, A. Monfort, A. Trognon, (1984), Pseudo Maximum Likelihood Methods: Applications to Poisson Models, Econometrica 52.
• Greene W., (2000), Econometric analysis, 4th edition, Prentice Hall International, New Jersey.
• Gruszczyński M., (2001), Modele i prognozy zmiennych jakościowych w finansach i bankowości, Szkoła Główna Handlowa, Warszawa.
• Hausman J., (1978), Specification tests in econometrics, Econometrica 46.
• Hausman J., B. Hall, Z. Griliches (1984), Econometric Models for Count Data with an Application to the Patents - R&D Relationship, Econometrica 52.
• http://www.panoramafirm.com.pl/acms/autoraoto/aktualnosci/article,428958.htm 1, Panorama motoryzacji, portal internetowy; informacja za: PAP-10.09.2004/JP.
• Hsiao C., (1986), Analysis of panel data, Cambridge University press, Cambridge.
• Klugman S., H. Panjer, E. Willmot, (1998), Loss models; from data to decisions, John Wiley & Sons, New York.
• Lemaire J., (1985), Automobile insurance. Actuarial models, Kluwer-Nijhoff Publishing, Boston.
• Lemaire J., (1995), Bonus-malus systems in automobile insurance, Kluwer Academic Publishers, Boston.
• Matyas L., P. Sevestre (red), (1986), The econometrics of panel data, Kluwer Academic Publishers, Dordrecht.
• Mundlak Y., (1963), Estimation of Production and Behavioral Functions From a Combination of Time Series and Cross Section Data, w: Measurement in Economics, Stanford University Press, Stanford.
• Pinquet J., (1995), Allowance for Hidden Information by Heterogeneous Models and Applications to Insurance Rating, w: Automobile Insurance: Dionne G (red.), Road Safety, New Drivers, Risks, Insurance Fraud and Regulation, Kluwer Academic Publishers, Boston.
• Pinquet J. (2000), Experience Rating Through Heterogeneous Models, w: Dionne G. (red), Handbook of insurance, Kluwer Academic Publishers, Boston.
• Podgórska M., P. Śliwka, M. Topolewski, M. Wrzosek, (2000), Łańcuchy Markowa w teorii i zastosowaniach, Szkolą Główna Handlowa, Warszawa.
• Saito K., (2004), Does less risk classification induce more adverse selection?: Evidence from automobile insurance market, University of Tokyo, Working paper.
• Topolewski M., (2002), System bonus-malus jako łańcuch Markowa z wypłatami, praca doktorska, Szkoła Główna Handlowa, Kolegium Analiz Ekonomicznych, Warszawa.
• Witkowski B., (2001), Skończony jednorodny łańcuch Markowa - tempo zbieżności do stanu stacjonarnego, Praca Magisterska, Szkoła Główna Handlowa, Warszawa.
• Witkowski B., (2002), Wykorzystanie danych panelowych w estymacji rozkładów szkód w ubezpieczeniach komunikacyjnych, badanie własne nr 03/E/0005/12, Szkoła Główna Handlowa, Warszawa.
• Wooldridge J., (2002), Econometric analysis of cross section and panel data, The MIT Press, Cambridge.