When estimating loss distributions in insurance, large and small losses are usually split because it is difficult to find a simple parametric model that fits all claim sizes. This approach involves determining the threshold level between large and small losses. In this article, a unified approach to the estimation of loss distributions is presented. We propose an estimator obtained by transforming the data set with a modification of the Champernowne cdf and then estimating the density of the transformed data by use of the classical kernel density estimator. We investigate the asymptotic bias and variance of the proposed estimator. In a simulation study, the proposed method shows a good performance. We also present two applications dealing with claims costs in insurance.

The purpose of the paper is to use the age of claims in the prediction of risks. A dynamic random effects model on longitudinal count data is presented, and estimated on the portfolio of a major Spanish insurance company. The estimated autocorrelation coefficients of stationary random effects are decreasing. A consequence is that the predictive ability of a claim decreases with the lag between the period of risk prediction and the period of occurrence. There is a wide gap between the long term properties of actuarial and real-world experience rating schemes. This gap can be partly filled if the age of claims is taken into account in the actuarial model. KEYWORDSTime-independent and dynamic random effects. Autocorrelation function for stationary random effects.

,ALMK@BM Lq wklv sdshu zh hvwlpdwh dfwxduldo orvv ixqfwlrqv edvhg rq d v|pphwul}hg yhuvlrq ri wkh vhplsdudphwulf wudqvirupdwlrq dssurdfk wr nhuqho vprrwklqj1 Zh dsso| wklv phwkrg wr dq dfwxduldo vwxg| ri dxwrpreloh fodlpv1 Wkh phwkrg jlyhv d jrrg ryhudoo lpsuhvvlrq zkloh hvwlpdwlqj dfwxduldo orvv ixqfwlrqv/ vlqfh lw lv fdsdeoh ri hvwlpdwlqj erwk wkh lqlwldo prgh dqg wkh khdy| wdlo wkdw lv vr w|slfdo iru dfwxduldo dqg rwkhu hfrqrplf orvv glvwulex0 wlrqv1 Zh vwxg| wkh surshuwlhv ri wkh wudqvirupdwlrq nhuqho ghqvlw| hvwlpdwlrq dqg vkrz wkh glhuhqfhv zlwk wkh pxowlsolfdwlyh eldv fruuhfwhg hvwlpdwru zlwk yduldeoh edqgzlgwk1 Zh dgg lqvljkw lqwr wkh nhuqho vprrwklqj wudqvirupdwlrq phwkrg wkurxjk dq h{whqvlyh vlpxodwlrq vwxg| zlwk d sduwlfxodu ylhz wr wkh shuirupdqfh ri wkh hvwlpdwlrq dw wkh wdlo1Nh| Zrugv= Orvv prghov> Wudqvirupdwlrq> Vnhzqhvv> Zhljkwhg lqwhjudwhg vtxduhg huuru1 LqwurgxfwlrqRqh ri wkh pdlq frqfhuqv lq dfwxduldo vflhqfh lv wr vwxg| d jurxs ri ulvnv1 Wkhuh duh wzr lpsruwdqw uhdvrqv iru wklv vwxg|/ uvwo| wkh vroyhqf| txhvwlrq uhjduglqj wkh frpsdqlhv delolw| wr nhhs wkh exvlqhvv lq d jrrg vkdsh diwhu edg |hdu zlwk pdq| h{shqvlyh fodlpv/ vhfrqgo| wkh txhvwlrq ri surwdelolw|1 Lw lv e| qrz d zhoo nqrzq idfw iurp wkh qdqfldo olwhudwxuh wkdw qrerg| zlvkhv wr wdnh rq xqqhfhvvdu| ulvn/ wklv fdq dovr eh vwdwhg dv ulvn kdv d sulfh1 Lw lv lpsruwdqw iru d jlyhq frpsdq| wkdw lw grhv qrw wdnh ryhu d ulvn dw wkh zurqj sulfh1 H{dfwo| iru wkh vdph uhdvrqv dv lw lv lpsruwdqw iru d qdqfldo ghdohu wkdw kh grhv qrw ex| dq dvvhw iru pruh wkdq wkh

No abstract

No abstract

La permanencia de un estudiante en la universidad y la culminación con éxito de sus estudios es un tema de interés, no sólo a nivel de las instituciones de educación superior (IES) sino de toda la sociedad, debido a sus múltiples implicaciones. Este trabajo pretende identificar cuándo es más probable que un alumno abandone o se gradúe en la universidad y cuáles son las características individuales y académicas que más se relacionan con la duración y riesgo de cada evento. Los datos utilizados corresponden a una cohorte de estudiantes de la Pontificia Universidad Javeriana de Cali, Colombia. La estimación de modelos de supervivencia en tiempo discreto permite concluir que la deserción está más influenciada por variables de tipo académico, mientras que en la graduación influyen tanto las características personales como las académicas.

No abstract

This paper examines the role played by agglomeration economies as location determinants of regional foreign direct investment in manufacturing. The analysis reveals that foreign direct investment location is dependent on specific industry traits, and that agglomeration economies appear as the strongest pull factors. The model, estimated with panel data, finds evidence, first, that industries with a high level of linkages are attracted to regions with high manufacturing activity; and, second, that locations which accumulate R+D activities attract high-tech industries. Finally, one cost-oriented industry was found not to value agglomeration economies, being attracted instead to regions with low salary levels.Keywords: Foreign direct investment, agglomeration economies, regional manufacturing location, industry traits, panel data. JEL codes: R12, F21, F23 RESUMEN: El artículo examina el papel que han jugado las economías de aglomeración como factores de localización regional en la inversión extranjera directa manufacturera. El análisis revela que la localización regional de la IED depende de las características específicas de cada industria y las economías de aglomeración aparecen como factores de fuerte atracción. El modelo, estimado con datos de panel, demuestra que las industrias con un alto nivel de encadenamientos se dirigen a las regiones con elevada actividad manufacturera. En segundo lugar, las regiones que acumulan más actividades de investigación y desarrollo atraen a las industrias de alto contenido tecnológico. Por último solo la industria de la alimentación parece no valorar las economías de aglomeración, localizándose en las regiones con bajos niveles salariales Palabras clave: Inversión directa extranjera, economías de aglomeración, localización de manufactura regional, características de la industria, datos de panel. Clasificación JEL: R12, F21, F23.a Comments are welcome. The opinions expressed in the paper do not necessarily reflect the IEB's opinions.