$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC|



Título: MODELOS AUTORREGRESSIVOS GENERALIZADOS ORIENTADOS POR SCORE APLICADOS A SEGUROS: PREVISÃO PARA NÚMERO DE SINISTROS, SEVERIDADE E SINISTRO AGREGADO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Autor(es): MARIANA AROZO BENICIO DE MELO

Colaborador(es):  CRISTIANO AUGUSTO COELHO FERNANDES - Orientador
EDUARDO FRAGA LIMA DE MELO - Coorientador
Número do Conteúdo: 37615
Catalogação:  05/04/2019 Idioma(s):  PORTUGUÊS - BRASIL

Tipo:  TEXTO Subtipo:  TESE
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=37615@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=37615@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.37615

Resumo:
O objetivo desta tese é apresentar novas alternativas para modelagem de variáveis aleatórias no setor de seguros, utilizando o arcabouço dos modelos orientados por score com parâmetros variantes no tempo. No primeiro artigo, propomos um modelo dinâmico para a distribuição do sinistro agregado, que corresponde à soma aleatória dos valores de sinistros (severidade) em determinado período de tempo. A obtenção da distribuição do sinistro agregado é um problema clássico na teoria do risco e fundamental para precificação de seguros, cálculo de provisões e de probabilidade de ruína. No entanto, a obtenção da expressão analítica para essa distribuição de probabilidade é uma tarefa difícil. Neste trabalho, especificamos distribuições não-Gaussianas, tanto para o número de sinistros como para severidade, sob o arcabouço GAS (Generalized Autoregressive Score), e, por meio do uso da Transformada Rápida de Fourier obtemos, numericamente, a distribuição do sinistro agregado. O segundo artigo trata da incorporação do efeito de variáveis macroeconômicas na modelagem de variáveis relevantes no setor de seguros, em linha com requisito internacional de avaliação de provisões de forma consistente com mercado, a qual leva em consideração as informações disponíveis nos mercados financeiros e de capital relevantes, utilizando metodologias e parâmetros consistentes com esses mercados. Modelamos uma série bivariada de número de sinistros (duas linhas de negócios) de seguros financeiros com modelos autorregressivos e utilizamos cópulas para modelar a estrutura de dependência das séries temporais condicionado aos modelos ajustados nas marginais. Com esta abordagem, é possível simular números de sinistros futuros de mais de uma carteira, podendo esse resultado ser utilizado em uma avaliação consistente de provisões e da saúde financeira da seguradora.

Descrição Arquivo
NA ÍNTEGRA  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui