COPULA DOUBLE EXPONENSIAL UNTUK PREDIKSI MODEL KERUGIAN AGGREGATE

PUJI LESTARI, Dr. Adhitya Ronnie Effendi

2014 | Skripsi | STATISTIKA

Aggregate loss atau kerugian aggregate adalah total kerugian harus ditanggung oleh perusahaan asuransi dalam suatu periode waktu tertentu dalam suatu kontrak. Hal yang menarik dalam model kerugian aggregate adalah mengenai prediksi banyak klaim maupun besar klaim. Skripsi ini mengembangkan prediktor dari kerugian aggregate dengan menggunakan data longitudinal. Pada data longitudinal, salah satu pertemuan data dari data crossection kelas risiko dengan data klaim asuransi terdahulu yang tersedia untuk masing-masing kelas risiko Untuk membantu menjelaskan dan memprediksi banyak klaim dan besar klaim kita membutuhkan variabel penjelas. Model distribusi marginal klaim dalam skripsi ini menggunakan model linear tergeneralisasi (GLM). Banyak klaim direpresentasikan menggunakan model regresi Poisson yang bersyarat pada variabel latent. Variabel laten mempunyai hubungan antara banyak klaim, sehingga distribusi bersama antara keduanya dimodelkan dengan menggunakan copula elliptical. Skripsi ini menampilkan ilustrasi dengan mengambil contoh data klaim kendaraan dikota Massachusetts. Estimasi parameter dari variabel laten dari proses klaim di peroleh dan didapat simulasi prediksi.

Aggregate loss model is total amount paid on all claims occurring in a fixed time period on a defined set of insurance contracts. For a model of aggregate losses, the interest is in predicting both the claims number process as well as the claims amount process. This minithesis develops predictor of aggregate losses using a longitudinal data. In longitudinal data, one encounters data from cross-section of risk classes with a history of insurance claims available for each risk class. To help explain and predict both the claims number and claims amount process we need explanatory variables. For the marginal claims distributions this minithesis uses generalized linear models (GLM). The claims number process is represented using a Poisson regression models that is conditioned on a sequence of latent variables. These latent variables drive the serial dependencies among claims number, their joint distribution is represented using an elliptical copula. This minithesis presents an illustrative example of Massachusetts automobile claims. Estimates of the latent claims process parameters are derived and simulated predictions are provided.

Kata Kunci : aggregate loss, longitudinal data, elliptical copula