Vui lòng dùng định danh này để trích dẫn hoặc liên kết đến tài liệu này: http://thuvienso.vanlanguni.edu.vn/handle/Vanlang_TV/31644
Toàn bộ biểu ghi siêu dữ liệu
Trường DCGiá trị Ngôn ngữ
dc.contributor.authorGreg Taylor (editor)-
dc.date.accessioned2021-06-22T09:58:59Z-
dc.date.available2021-06-22T09:58:59Z-
dc.date.issued2020-
dc.identifier.isbn9783039286652-
dc.identifier.otherSA10072-
dc.identifier.urihttp://thuvienso.vanlanguni.edu.vn/handle/Vanlang_TV/31644-
dc.descriptionvii, 98 p. : ill. ; 5.93 MB ; DOI: https://doi.org/10.3390/books978-3-03928-665-2 ; CC BYvi
dc.description.abstractThis collection of articles addresses the most modern forms of loss reserving methodology: granular models and machine learning models. New methodologies come with questions about their applicability. These questions are discussed in one article, which focuses on the relative merits of granular and machine learning models. Others illustrate applications with real-world data. The examples include neural networks, which, though well known in some disciplines, have previously been limited in the actuarial literature. This volume expands on that literature, with specific attention to their application to loss reserving.vi
dc.language.isoenvi
dc.publisherMDPIvi
dc.subjectGranular Modelsvi
dc.subjectMachine Learningvi
dc.subjectNeural Netvi
dc.subjectSupervised Modellingvi
dc.subjectUnsupervised Modellingvi
dc.titleClaim Models: Granular Forms and Machine Learning Formsvi
dc.typeBookvi
Bộ sưu tập: Kinh doanh và Kinh tế_TLNM_SACH

Các tập tin trong tài liệu này:
Tập tin Mô tả Kích thước Định dạng  
SA10072_1. Claim_Models_Cover.pdf
  Giới hạn truy cập
Cover741.46 kBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_2. Claim_Models_Contents.pdf
  Giới hạn truy cập
Contents511.2 kBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_3. Claim_Models_Editor.pdf
  Giới hạn truy cập
About the Special Issue Editor500.88 kBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_4. Claim_Models_Article 1.pdf
  Giới hạn truy cập
Individual Loss Reserving Using a Gradient Boosting-Based Approach557.3 kBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_4. Claim_Models_Article 2.pdf
  Giới hạn truy cập
Loss Reserving Models: Granular and Machine Learning Forms1.26 MBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_4. Claim_Models_Article 3.pdf
  Giới hạn truy cập
Penalising Unexplainability in Neural Networks for Predicting Payments per Claim Incurred706.37 kBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_4. Claim_Models_Article 4.pdf
  Giới hạn truy cập
DeepTriangle: A Deep Learning Approach to Loss Reserving471.22 kBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_4. Claim_Models_Article 5.pdf
  Giới hạn truy cập
Claim Watching and Individual Claims Reserving Using Classification and Regression Trees1.1 MBAdobe PDFXem/Tải về  Yêu cầu tài liệu
SA10072_4. Claim_Models_Article 6.pdf
  Giới hạn truy cập
Risks Special Issue on “Granular Models and Machine Learning Models”231.55 kBAdobe PDFXem/Tải về  Yêu cầu tài liệu


Khi sử dụng các tài liệu trong Thư viện số phải tuân thủ Luật bản quyền.