[ CALIBRAGE D’UN SYSTÈME BONUS-MALUS ALGÉRIEN POUR L’ASSURANCE AUTOMOBILE : UNE APPROCHE AVEC CHAINES DE MARKOV ]
Volume 26, Issue 2, May 2019, Pages 400–415
Riadh RIMI1, Mohammed TOUITOU2, and Zakaria DEMDOUM3
1 Département des sciences économiques, Faculté des sciences économiques, commerciales et sciences de gestion, Université Echahid Hamma Lakhder, El oued, Algeria
2 Département des sciences économiques, Faculté des sciences économiques, sciences commerciales et sciences de gestion, Université Alger 3, Alger, Algeria
3 Département des sciences économiques, Faculté des sciences économiques, commerciales et sciences de gestion, Université Echahid Hamma Lakhder, El oued, Algeria
Original language: French
Copyright © 2019 ISSR Journals. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
The automobile insurance is an important branch of non-life insurance in many countries. In some of them, coming first in the composition of the total income of the insurance branch (in Algeria for example). The implementation of the Bonus-Malus system is one of the solutions chosen by insurance companies to increase efficiency in the field of automobile insurance. The main purpose of this study is to use the Markov chain theories to calculate the relative premiums associated with each level of the Algerian Bonus-Malus system. These premiums will generally depend on the priori ratemaking. The first result of this research is that, the system of automobile a priori ratemaking used in Algeria is not optimal because of the difference found between the tariff variables used by the insurance companions (gender, use and power vehicle tax) and the tariff variables generated by applying the Poisson model using the GEE technique. In addition, in our work, two Bonus-Malus systems with 9 classes based on the Markov Chain theory have been calibrated, where only the penalty changes according to the type of Bonus-Malus system, and we concluded that the priori ratemaking influenced the scale obtained.
Author Keywords: The automobile insurance, Algerian Bonus-Malus System, Markov Chains, a priori ratemaking, a posteriori ratemaking.
Volume 26, Issue 2, May 2019, Pages 400–415
Riadh RIMI1, Mohammed TOUITOU2, and Zakaria DEMDOUM3
1 Département des sciences économiques, Faculté des sciences économiques, commerciales et sciences de gestion, Université Echahid Hamma Lakhder, El oued, Algeria
2 Département des sciences économiques, Faculté des sciences économiques, sciences commerciales et sciences de gestion, Université Alger 3, Alger, Algeria
3 Département des sciences économiques, Faculté des sciences économiques, commerciales et sciences de gestion, Université Echahid Hamma Lakhder, El oued, Algeria
Original language: French
Copyright © 2019 ISSR Journals. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract
The automobile insurance is an important branch of non-life insurance in many countries. In some of them, coming first in the composition of the total income of the insurance branch (in Algeria for example). The implementation of the Bonus-Malus system is one of the solutions chosen by insurance companies to increase efficiency in the field of automobile insurance. The main purpose of this study is to use the Markov chain theories to calculate the relative premiums associated with each level of the Algerian Bonus-Malus system. These premiums will generally depend on the priori ratemaking. The first result of this research is that, the system of automobile a priori ratemaking used in Algeria is not optimal because of the difference found between the tariff variables used by the insurance companions (gender, use and power vehicle tax) and the tariff variables generated by applying the Poisson model using the GEE technique. In addition, in our work, two Bonus-Malus systems with 9 classes based on the Markov Chain theory have been calibrated, where only the penalty changes according to the type of Bonus-Malus system, and we concluded that the priori ratemaking influenced the scale obtained.
Author Keywords: The automobile insurance, Algerian Bonus-Malus System, Markov Chains, a priori ratemaking, a posteriori ratemaking.
Abstract: (french)
L'assurance automobile est une branche importante de l'assurance non-vie dans de nombreux pays. Dans certains d'entre eux, venant en première dans la composition du revenu total de la branche assurance (en Algérie par exemple). La mise en place du système Bonus-Malus est l'une des solutions choisies par les compagnies d'assurance pour augmenter l'efficacité dans le domaine de l'assurance automobile. Le but principal de cette étude est d'utiliser les théories des chaînes de Markov pour calculer les primes relatives associées à chaque niveau du système Bonus-Malus algérien. Ces primes dépendront généralement de la tarification a priori réalisée préalablement. Le premier résultat de cette recherche est que, le système de tarification automobile a priori utilisé en Algérie n’est pas optimal du fait de différence constaté entre les variables tarifaires utilisées par les compagnes d’assurance (le genre, l'usage et la puissance fiscale du véhicule) et les variables tarifaires dégagées par l’application de modèle Poisson à l’aide de la technique GEE. En plus, dans notre travail, deux systèmes Bonus-Malus ayant 9 classes basé sur la théorie de la chaine de Markov ont été calibré, où seule la pénalité change en fonction du type du système Bonus-Malus. Et nous avons conclu que la tarification a priori influençait l’échelle obtenue.
Author Keywords: L'assurance automobile, système Bonus-Malus algérien, chaines de Markov, tarification à priori, tarification à posteriori.
How to Cite this Article
Riadh RIMI, Mohammed TOUITOU, and Zakaria DEMDOUM, “FITTING THE ALGERIAN BONUS-MALUS SYSTEM FOR AUTOMOBILE INSURANCE : AN APPROACH WITH MARKOV CHAINS,” International Journal of Innovation and Applied Studies, vol. 26, no. 2, pp. 400–415, May 2019.
