Analysis of The Economic Impact of Medical and Optometric Driving Standards on Costs Incurred by Trucking Firms and on the Social Costs of Traffic Accidents

J of Applied Econometrics

2023

Self Cite

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.

Section: Application Of the Bonus-malus Systemmentioning

confidence: 99%

Hierarchical random‐effects model for the insurance pricing of vehicles belonging to a fleet

J of Applied Econometrics

2023

Self Cite

“…In this section, we propose premium tables. Given that we did not have data to compute the conditional average cost of claims, we use $10,000, a seemingly reasonable value for accidents involving trucks in North America during that period (Dionne et al, 1999).…”

Section: Application Of the Bonus-malus Systemmentioning

confidence: 99%

Hierarchical random effects model for insurance pricing of vehicles belonging to a fleet

2021

SSRN Journal

Self Cite

We propose a hierarchical random effect model for the posterior insurance ratemaking of vehicles belonging to a fleet by allowing random effects for fleet, vehicle, and time. The model is an alternative to the gamma-Dirichlet model of Angers et al ( 2018), which does not allow for a closed form posterior ratemaking formula. Our theoretical extension derives a simple and tractable closed form ratemaking formula based on a hierarchical random effects specification. We estimate the corresponding econometric model and compute insurance premiums in relation to the past experience of both the vehicle and the fleet. Our econometric model can also be applied to any other dynamic count modeling application with random individual, time, and common effects, such as labor contracting, chirurgical accidents, or any other random event implying principals and many agents.

“…Étant donné que nous n'avons pas modélisé la distribution conditionnelle des coûts des réclamations, nous supposons que le coût moyen des réclamations est de 10 000 $, ce qui représente une valeur raisonnable en Amérique du Nord pour des accidents impliquant des camions (Dionne et al, 1999b).…”

Section: Application Du Système Bonus-malusunclassified

Modèle Bayésien de tarification de l’assurance des flottes de véhicules

Angers

2005

Self Cite

Résumé Nous proposons un modèle paramétrique de tarification de l’assurance de véhicules routiers appartenant à une flotte. Les tables de primes qui y sont présentées tiennent compte des accidents passés des véhicules, des caractéristiques observables des véhicules et des flottes et des infractions au Code de la sécurité routière des conducteurs et des transporteurs. De plus, les primes sont ajustées en fonction des accidents accumulés par les flottes dans le temps. Il s’agit d’un modèle qui prend directement en compte des changements explicites des différentes composantes des probabilités d’accidents. Il représente une extension aux modèles d’assurance automobile de type bonus-malus pour les primes individuelles (Lemaire, 1985 ; Dionne et Vanasse, 1989 et 1992 ; Pinquet, 1997 et 1998 ; Frangos et Vrontos, 2001 ; Purcaru et Denuit, 2003). L’extension ajoute un effet flotte à l’effet véhicule pour tenir compte des caractéristiques ou des actions non observables des transporteurs sur les taux d’accidents des camions. Cette forme de tarification comporte plusieurs avantages. Elle permet de visualiser l’impact des comportements des propriétaires des flottes et des conducteurs des véhicules sur les taux d’accidents prédits et, par conséquent, sur les primes. Elle mesure l’influence des infractions et des accidents accumulés sur les primes d’assurance mais d’une façon différente. En effet, les effets des infractions sont obtenus via la composante de régression, alors que les effets des accidents proviennent des résidus non expliqués de la régression sur les accidents des camions via un modèle bayésien de tarification.