Metode Bayesian Chain Ladder untuk Memprediksi Cadangan Klaim

Abstract

Perusahaan asuransi perlu mempersiapkan sejumlah uang yang disebut dengan cadangan klaim untuk membayar klaim yang akan terjadi di masa depan. Salah satu metode yang sering digunakan untuk memprediksi cadangan klaim adalah metode Chain Ladder. Metode ini memprediksi cadangan klaim menggunakan estimasi development factor yang menyatakan perkembangan besar klaim pada setiap periode penundaan pembayaran klaim. Namun, metode Chain Ladder hanya murni menggunakan kumpulan data pembayaran klaim-klaim masa lalu. Padahal, tidak menutup kemungkinan ada informasi penting lainnya yang dapat digunakan untuk memprediksi cadangan klaim. Salah satu informasi tersebut adalah informasi masa lalu yang diperoleh dari pengalaman serupa ataupun dari sesuatu yang dipercaya oleh para ahli. Wüthrich and Merz (2015) mengembangkan metode Bayesian Chain Ladder yang menerapkan teori Bayesian untuk menambahkan informasi masa lalu ke dalam metode Chain Ladder. Untuk memprediksi cadangan klaim, metode Bayesian Chain Ladder menggunakan Bayesian development factor dengan mengonstruksikan distribusi pada informasi prior (informasi masa lalu) dan distribusi dari data yang diamati. Distribusi yang digunakan adalah distribusi Gamma sebagai distribusi prior dan distribusi data. Secara umum, makalah ini membahas mengenai penerapan teori Bayesian pada metode Chain Ladder serta ditampilkan juga simulasi numerik menggunakan data perusahaan asuransi umum di Amerika Serikat. Didapatkan hasil bahwa metode Bayesian Chain Ladder memberikan prediksi cadangan klaim yang bergantung pada bobot kepercayaan dalam mempertimbangkan informasi masa lalu yang digunakan dalam model. Bobot kepercayaan yang berbeda akan selalu menghasilkan prediksi cadangan klaim yang berbeda. Perbedaan bobot kepercayaan yang dipilih tergantung dari pendapat para ahli, sehingga prediksi cadangan klaim dengan menggunakan metode Bayesian Chain Ladder bersifat subjektif.