Fitxers

714282.pdf (847.37 KB)

Tipus de document

Article

Versió

Versió acceptada

Data de publicació

2021-07-01

Llicència de publicació

cc-by-nc-nd (c) Elsevier B.V., 2021
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/180424

Joint generalized quantile and conditional tail expectation regression for insurance risk analysis

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

https://doi.org/10.1016/j.insmatheco.2021.03.006

Resum

Based on recent developments in joint regression models for quantile and expected shortfall, this paper seeks to develop models to analyse the risk in the right tail of the distribution of non-negative dependent random variables. We propose an algorithm to estimate conditional tail expectation regressions, introducing generalized risk regression models with link functions that are similar to those in generalized linear models. To preserve the natural ordering of risk measures conditional on a set of covariates, we add extra non-negative terms to the quantile regression. A case using telematics data in motor insurance illustrates the practical implementation of predictive risk models and their potential usefulness in actuarial analysis.

Matèries

Anàlisi de regressió, Risc (Assegurances), Teoria de la predicció, Assegurances d'automòbils

Matèries (anglès)

Regression analysis, Risk (Insurance), Prediction theory, Automobile insurance

Citació

Col·leccions

Articles publicats en revistes (Matemàtica Econòmica, Financera i Actuarial)

Citació

GUILLÉN, Montserrat, BERMÚDEZ, Lluís and PITARQUE, Albert. Joint generalized quantile and conditional tail expectation regression for insurance risk analysis. Insurance Mathematics and Economics. 2021. Vol. 99, num. July, pags. 1-8. ISSN 0167-6687. [consulted: 17 of May of 2026]. Available at: https://hdl.handle.net/2445/180424

Exportar metadades

JSON - METS

Compartir registre