JUDUL : PREDIKSI CADANGAN KLAIM DENGAN METODE CHAIN LADDER STOKASTIK DAN TEKNIK

BOOTSTRAP PADA MODEL OVER DISPERSED POISSON (ODP)

APLIKASI TEKNIK BOOTSTRAP UNTUK MENAKSIR STANDAR ERROR SUATU STATISTIK

PADA GENERALIZED LINEAR MODEL (GLM) DALAM MEMPREDIKSI CADANGAN KLAIM

#METODE CHAIN LADDER

Data segitiga run-off klaim incremental:
i\j 1 2 3 … n-1 n
1 C(1,1) C(1,2) C(1,3) … C(1, n-1) C(1,n)
2 C(2,1) C(2,2) C(2,3) … C(2, n-1)
3 C(3,1) C(3,2) C(3,3) …
… … …
n-1 C(n-1,1) C(n-1,2)
n C(n,1)

Dapat ditulis sebagai {𝐶𝑖,𝑗 ∶ 𝑖 = 1, … , 𝑛; 𝑗 = 1, … , 𝑛 − 𝑖 + 1}, dimana n adalah angka pada origin years.
𝐶𝑖,𝑗 : Besar Klaim Incremental
𝐷𝑖,𝑗 : Besar Klaim Kumulatif
Dengan
𝑗

𝐷𝑖,𝑗 = ∑ 𝐶𝑖𝑘
𝑘=1

Faktor development
𝐷𝑖,𝑗
𝐹(𝑖, 𝑗) = 𝐹𝑗 =
𝐷𝑖,𝑗−1
Asumsi bahwa pada setiap tahun kejadian (accident year) tiap data memiliki faktor development yang
sama untuk = 1, 2, 3, … , 𝑛 :

∑𝑛−𝑗+1
𝑖=1 𝐷𝑖,𝑗
𝐹̂𝑗 =
∑𝑛−𝑗+1
𝑖=1 𝐷𝑖,𝑗−1
Taksiran nilai klaim ultimate untuk 𝑖 = 1, 2, … , 𝑛
 𝑛
̂𝑖,𝑛 = 𝐷𝑖,𝑗 ∏
𝐷 𝐹̂𝑢
𝑢=𝑗+1

pustaka: [4]england verrall-predictive distributions of outstanding liabilities in general insurance

#Generalized Linear Model & Claim Reserving Methods

[Pendahuluan GLM secara umum – dari buku Piet De Jong]

Keluarga Distribusi Eksponensial
***

Model stokastik untuk menghitung cadangan klaim melalui nilai rataan dari suatu keluarga distribusi pada
generalized linear model (McCullagh dan Nelder (1989) pada pengenalan GLM).
Struktur pada GLM yaitu:
(1) 𝑌𝑖𝑗 ~𝑓(𝑦; 𝜇𝑖𝑗 , ∅) dengan 𝑌𝑖𝑗 saling bebas, 𝜇𝑖𝑗 = 𝐸(𝑌𝑖𝑗 ), dan 𝑓(. ) fungsi density (peluang) dari 𝑌𝑖𝑗
yang termasuk ke dalam distribusi keluarga eksponensial. ∅ adalah scale parameter.
(2) 𝜂𝑖𝑗 = 𝑔(𝜇𝑖𝑗 ); 𝑔(. ) disebut fungsi link.
(3) 𝜂𝑖𝑗 = 𝑐 + 𝛼𝑖 + 𝛽𝑗 dengan 𝛼1 = 𝛽1 = 0 untuk menghindari adanya over-parameterization.
Asumsi distribusi pada variable respons (𝑌𝑖𝑗 ) dengan 𝑣𝑎𝑟 (𝑌𝑖𝑗 ) =∅ 𝑉(𝜇𝑖𝑗 ), dimana 𝑉(. ) adalah fungsi
variansi.
Normal dist. 𝑉(𝜇𝑖𝑗 )=1
Poisson dist. 𝑉(𝜇𝑖𝑗 ) = 𝜇𝑖𝑗
Gamma dist. 𝑉(𝜇𝑖𝑗 ) = 𝜇𝑖𝑗 2
Diketahui bahwa model GLM dengan struktur pada (3) dengan nilai 𝑉(𝜇𝑖𝑗 ) = 𝜇𝑖𝑗 , adalah distribusi quasi
over-dispersed Poisson yang memberikan nilai prediksi yang sama dengan teknik Chain Ladder (Renshaw
and Verral (1994)).
Saat menggunakan distribusi quasi over-dispersed Poisson, diperlukan adanya konstrain (kendala) dimana
penjumlahan klaim incremental pada setiap kolom lebih besar dari nol.
Pada prediksi cadangan klaim, the figures of interest will be the aggregate value
𝑛 𝑛
𝑌∗ = ∑ ∑ 𝑌𝑖𝑗
𝑖=2 𝑗=𝑛−𝑖+2
dan total pada baris
𝑛
𝑌𝑖∗ = ∑ 𝑌𝑖𝑗
𝑗=𝑛−𝑖+2

Nilai taksiran akan dihasilkan pada 𝜇̂ ∗ = ∑𝑛𝑖=2 ∑𝑛𝑗=𝑛−𝑖+2 𝜇̂ 𝑖𝑗 dan 𝜇̂ 𝑖∗ = ∑𝑛𝑗=𝑛−𝑖+2 𝜇̂ 𝑖𝑗 .

Prosedur yang perlu dilakukan untuk memperoleh nilai prediksi/taksiran yaitu:
(1) Mendefinisikan model.
(2) Estimasi parameter 𝑐, 𝛼𝑖 , 𝛽𝑗 untuk 𝑖, 𝑗 = 1,2, … , 𝑛 dan ∅.
(3) Diperoleh nilai hasil fit model 𝜇̂ 𝑖𝑗 (𝑖 = 1,2, … , 𝑛 𝑑𝑎𝑛 𝑗 = 1,2, … , 𝑛 − 𝑖 + 1)
(4) Periksa model
(5) Diperoleh nilai prediksi individu yaitu 𝜇̂ 𝑖𝑗 = 𝑐̂ + 𝛼̂𝑖 + 𝛽̂𝑗 (𝑖 = 2, … , 𝑛 𝑑𝑎𝑛 𝑗 = 𝑛 − 𝑖 + 2, … , 𝑛)
(6) Memperoleh prediksi nilai untuk besar cadangan pada baris (masing-masing tahun kejadian)
𝜇̂ 𝑖∗ = ∑𝑛𝑗=𝑛−𝑖+2 𝜇̂ 𝑖𝑗 (2, … , 𝑛)
(7) Memperoleh prediksi nilai cadangan total 𝜇̂ ∗ = ∑𝑛𝑖=2 𝜇̂ 𝑖∗

pustaka: [7]pineiro_silva_centeno-bootstrap methodology in claim reserving

# Distribusi Tweedie > Keluarga Distribusi Dispersed Exponential

Pustaka: modern actuarial risk theory book p.317

#Model Over-Dispersed Poisson

Model distribusi over-dispersed poisson merupakan jenis model non-rekursif. Pada model ini diasumsikan
bahwa besar klaim incremental 𝐶𝑖𝑗 berdistribusi saling bebas (independent). Klaim incremental 𝐶𝑖𝑗
merupakan variabel acak berdistribusi over-dispersed poisson dengan nilai mean dan variansi sebagai
berikut
𝐸[𝐶𝑖𝑗 ] = 𝑚𝑖𝑗

𝑉𝑎𝑟[𝐶𝑖𝑗 ] = ∅𝐸[𝐶𝑖𝑗 ] = ∅𝑚𝑖𝑗

Sebagai contoh berikut bentuk model over-dispersed poisson yang digunakan untuk memprediksi besar
klaim/banyak klaim dimasa mendatang dengan metode chain ladder (dibawah kondisi tertentu)

log(𝑚𝑖𝑗 ) = 𝑐 + 𝛼𝑖 + 𝛽𝑗 ,
dimana 𝑖 = 1,2, … , 𝑛, 𝑗 = 1,2, … , 𝑛 dan 𝛼1 = 𝛽1 = 0.

Fungsi link yang digunakan yaitu fungsi log. Dengan 𝛼 menyatakan parameter pada tahun kejadian
(accident year), 𝛽 parameter terhadap tahun development, dan 𝑐 level parameter. Parameter ∅
merupakan scale parameter.

#Estimasi Parameter (𝜶, 𝜷, 𝒄 𝒅𝒂𝒏 ∅)

Pustaka: buku piet de jong (materi MLE)

#Prediksi Standar Error (dkk)

Paper: a flexible framework for stochastic claims (verral-England)/ di pinheiro jg ada

#Metode Bootstrap

Metode Bootstrap adalah metode untuk menghasilkan distribusi sampling untuk Ini adalah metode untuk
mendapatkan distribusi sampling untuk sejumlah statistic dengan membuat sampel semu (pseudo-
sample) yang diperoleh secara acak dengan penggantian, dari data pengamatan.

Contoh sederhana*

*Aplikasi Metode Bootstrap Pada Model Over-dispersed Poisson

Akan dilakukan proses resampling data residual dari model ODP. Asumsi yang harus dipenuhi yaitu
variabel respon berdistribusi saling bebas dan identik (iid)
Berikut langkah-langkah:

1. Fit model ODP ke data klaim dan hitung nilai besar klaim inkremental.
2. Hitung nilai adjusted residual dan scaled residual
3. Lakukan bootstrap resampling residuals
4. Diperoleh pseudo data dari resampled residual dan lakukan fit untuk menentukan nilai klaim
inkremental
5. Dengan metode chain ladder, dilakukan estimasi nilai klaim inkremental di masa yang akan
datang
6. Lakukan simulasi sebanyak N kali
7.