Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Risk Premium Prediction of Car Damage Insurance using Artificial Neural Networks and Generalized Linear Models
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Prediktion av riskpremier för vagnskadeförsäkring med artificiella neurala nät och generaliserade linjära modeller (Swedish)
Abstract [en]

Over the last few years the interest in statistical learning methods, in particular artificial neural networks, has reawakened due to increasing computing capacity, available data and a strive towards automatization of different tasks. Artificial neural networks have numerous applications, why they appear in various contexts. Using artificial neural networks in insurance rate making is an area in which a few pioneering studies have been conducted, with promising results. This thesis suggests using a multilayer perceptron neural network for pricing car damage insurance. The MLP is compared with two traditionally used methods within the framework of generalized linear models. The MLP was selected by cross-validation of a set of candidate models. For the comparison models, a log-link GLM with Tweedie's compound Poisson distribution modeling the risk premium as dependent variable was set up, as well as a two-parted GLM with a log-link Poisson GLM for claim frequency and a log-link Gamma GLM for claim severity. Predictions on an independent test set showed that the Tweedie GLM had the lowest prediction error, followed by the MLP model and last the Poisson-Gamma GLM. Analysis of risk ratios for the different explanatory variables showed that the Tweedie GLM was also the least discriminatory model, followed by the Poisson-Gamma GLM and the MLP. The MLP had the highest bootstrap estimate of variance in prediction error on the test set. Overall however, the MLP model performed roughly in line with the GLM models and given the basic model configurations cross-validated and the restricted computing power, the MLP results should be seen as successful for the use of artificial neural networks in car damage insurance rate making. Nevertheless, practical aspects argue in favor of using GLM.

This thesis is written at If P&C Insurance, a property and casualty insurance company active in Scandinavia, Finland and the Baltic countries. The headquarters are situated in Bergshamra, Stockholm.

Abstract [sv]

De senaste åren har det skett en dramatisk ökning av intresset för metoder inom statistisk inlärning, speciellt artificiella neurala nät. Anledningar till detta är ökad datorkapacitet och tillgänglig data samt en önskan om att effektivisera olika typer av uppgifter. Artificiella neurala nät har en mängd olika tillämpningsområden och återfinns därför i olika kontexter. Användandet av artificiella neurala nät för prissättning av försäkringar är ett område inom vilket det har utförts ett antal inledande studier med lovande resultat. I den här masteruppsatsen används en multilayer perceptron för att prissätta vagnskadeförsäkring och jämförs med två vanliga metoder för prissättning genom generaliserade linjära modeller. MLP-modellen valdes ut genom korsvalidering av en uppsättning tänkbara modeller. För jämförelse sattes en GLM-modell med logaritmisk länkfunktion och Tweedies sammansatta poissonfördelning upp där den beroende variabeln utgörs av riskpremien, samt en tvådelad GLM-modell innefattande en poissonfördelad GLM med logaritmisk länk för skadefrekvensen och en gammafördelad GLM med logaritmisk länk för skadestorleken. Prediktioner på oberoende testdata visade att Tweedie GLM-modellen hade det lägsta prediktionsfelet följt av MLP-modellen och sist Poisson-Gamma GLM-modellen. Analys av riskkvoter för de olika förklarande variablerna visade att Tweedie GLM-modellen också var den minst diskriminerande modellen, följt av Poisson-Gamma GLM-modellen och MLP-modellen. MLP-modellen hade den högsta bootstrappade uppskattningen av prediktionsfelet på testdatat. På det hela taget visade dock MLP-modellen resultat ungefär i linje med GLM-modellerna och givet de enkla nätverksstrukturer som korsvaliderats samt begränsningen i datorkapacitet bör ändå MLP-resultaten ses som en framgång för användandet av neurala nät inom prissättning av vagnskadeförsäkring. Dock finns det stora praktiska fördelar med generaliserade linjära modeller.

Denna masteruppsats har skrivits för If Skadeförsäkring, ett försäkringsbolag med kunder i Skandinavien, Finland och Baltikum. Huvudkontoret ligger i Bergshamra, Stockholm.

Place, publisher, year, edition, pages
2017.
Series
TRITA-MAT-E, 2017:18
National Category
Probability Theory and Statistics
Identifiers
URN: urn:nbn:se:kth:diva-208309OAI: oai:DiVA.org:kth-208309DiVA: diva2:1107430
External cooperation
If Skadeförsäkring
Educational program
Master of Science - Applied and Computational Mathematics
Supervisors
Examiners
Available from: 2017-06-09 Created: 2017-06-09 Last updated: 2017-06-09Bibliographically approved

Open Access in DiVA

fulltext(1037 kB)36 downloads
File information
File name FULLTEXT01.pdfFile size 1037 kBChecksum SHA-512
24b4bd15a10e26b46e6677e21c2e66499559fcee40c123fbc2f0e5d56601e60299e13f4db16d9303f804f4a320941eedbb4e08c2ccd8ab08427b484c3e3b213f
Type fulltextMimetype application/pdf

By organisation
Mathematical Statistics
Probability Theory and Statistics

Search outside of DiVA

GoogleGoogle Scholar
Total: 36 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 162 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf