Effective Statistical Learning Methods for Actuaries I: GLMs and Extensions

این کتاب وضعیت هنر در مدل‌های خطی تعمیم‌یافته (GLM) و پسوندهای مختلف آن‌ها را خلاصه می‌کند: GAMها، مدل‌های مختلط و اعتبار، و برخی غیرخطی. انواع (GNMs). به منظور مقابله با رویدادهای دم، ابزارهای تحلیلی از نظریه ارزش افراطی ارائه شده است. فراتر از مدل‌سازی میانگین، مدل‌سازی نوسانات (GLMs دوگانه) و مدل‌سازی کلی پارامترهای مکان، مقیاس و شکل (GAMLSS) را در نظر می‌گیرد. آکچوئرها به این ابزارهای تحلیلی پیشرفته نیاز دارند تا مجموعه داده های عظیمی را که اکنون در اختیار دارند به فرصت تبدیل کنند.

این نمایشگاه به طور متناوب بین جنبه های روش شناختی و مطالعات موردی، ارائه تصاویر عددی با استفاده از نرم افزار آماری R پیش نیازهای فنی برای دستیابی به خوانندگان گسترده در سطح معقولی نگهداری می شوند.

این اولین جلد از سه جلد با عنوان روشهای یادگیری آماری موثر برای آکچوئرها است. این مجموعه که توسط اکچوئرها برای اکچوئرها نوشته شده است، یک مرور کلی از تجزیه و تحلیل داده های بیمه با برنامه های کاربردی برای P&C، بیمه عمر و سلامت ارائه می دهد. اگرچه این جلد با دو جلد دیگر مرتبط است، اما می توان این جلد را به طور مستقل خواند.

This book summarizes the state of the art in generalized linear models (GLMs) and their various extensions: GAMs, mixed models and credibility, and some nonlinear variants (GNMs). In order to deal with tail events, analytical tools from Extreme Value Theory are presented. Going beyond mean modeling, it considers volatility modeling (double GLMs) and the general modeling of location, scale and shape parameters (GAMLSS). Actuaries need these advanced analytical tools to turn the massive data sets now at their disposal into opportunities.

The exposition alternates between methodological aspects and case studies, providing numerical illustrations using the R statistical software. The technical prerequisites are kept at a reasonable level in order to reach a broad readership.

This is the first of three volumes entitled Effective Statistical Learning Methods for Actuaries. Written by actuaries for actuaries, this series offers a comprehensive overview of insurance data analytics with applications to P&C, life and health insurance. Although closely related to the other two volumes, this volume can be read independently.