Hierarchical random‐effects model for the insurance pricing of vehicles belonging to a fleet
用于车队车辆保险定价的分层随机效应模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕车辆、车队及时间随机效应，并使用车辆历史经验，直接涉及个体随时间变化的建模。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用于车队车辆保险定价的分层随机效应模型
- 研究问题
- 如何同时利用车辆自身与所属车队的历史经验进行保险定价，并在计数模型中刻画车队、车辆及时间层面的异质性？
- 方法与思路
- 作者提出包含车队、车辆和时间随机效应的分层计数模型，推导后验保险定价的闭式公式，并估计模型以计算保费。
- 材料陈述的贡献
- 摘要称，该分层设定给出简洁的闭式定价公式，并可推广至具有个体效应与共同效应的其他层级计数数据应用。
- 阅读关注点
- 应核对各层随机效应的分布与依赖设定、闭式公式成立的条件，以及车辆和车队历史信息如何影响后验保费。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断分布设定的适用性、估计精度与实际定价表现；摘要未说明数据细节或刊本变化。
原文摘要
Summary We propose a count‐data model with hierarchical random effects for the posterior insurance ratemaking of vehicles belonging to a fleet, by allowing random effects for the fleet, the vehicles, and time. We derive a simple closed‐form ratemaking formula based on a hierarchical random‐effects specification. We estimate the corresponding econometric model and compute insurance premiums according to the past experience of both the vehicle and the fleet. Our model can be used in other count‐data applications with random individual and common effects on events involving many agents having activities with a principal in a hierarchical principal–agent environment, such as in education, health care management, finance, and business firms.