Titulli i Disertacionit: Vlerësimi i rezervave të dëmeve dhe klasifikimi i riskut në sigurimin shëndetësor privat: nga metodat aktuariale në Machine Learning
Autori: Esmeralda BRATI

Institucioni: Universiteti i Tiranës, Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikë e Zbatuar
Fusha e studimit: Statistikë dhe Matematikë e Aplikuar në Ekonomi
Data e publikimit: 09.11.2026
Disertacioni gjendet i publikuar në Gjuhën Shqipe
© E drejta e autorit: Esmeralda BRATI

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)

 

Abstrakti

Sigurimi shëndetësor privat përbën një kategori sigurimi me rëndësi në rritje në tregun e sigurimeve, ku vlerësimi i saktë i rezervave të dëmeve dhe identifikimi i të siguruarve me risk të lartë janë thelbësorë për qëndrueshmërinë financiare dhe cilësinë e vendimmarrjes. Ky studim trajton këto dy çështje në kushtet e tregut shqiptar, duke përdorur të dhëna nga dy kompani sigurimi për vlerësimin e rezervave të dëmeve dhe të dhëna individuale nga njëra prej tyre për klasifikimin e riskut, për periudhën 2018–2024. Për vlerësimin e rezervave të dëmeve u krahasuan metoda aktuariale deterministe dhe stokastike, modele statistikore të avancuara dhe modele të Machine Learning. Rezultatet tregojnë se për raportim financiar, modeli linear i përgjithësuar me shpërndarje pothuajse-Puasoni paraqitet si model bazë, për analizën e riskut dhe vlerësimin e kapitalit, metoda bootstrap Double Chain Ladder rezulton më e përshtatshme, ndërsa modeli Random Forest shërben si model plotësues. Për klasifikimin e riskut, modeli Random Forest paraqiti performancën më të lartë. Analiza SHAP identifikoi numrin e dëmeve, disa lloje shërbimesh shëndetësore, vonesën mesatare të raportimit dhe të shlyerjes dhe moshën si faktorët më përcaktues të riskut të lartë. Studimi sjell evidencë empirike për tregun shqiptar dhe mbështet përmirësimin e vlerësimit të rezervave të dëmeve, klasifikimit të riskut dhe raportimit sipas Solvency II dhe IFRS 17.

Fusha: Aktuaristikë

Fjalët kyçe: kompani sigurimi, trekëndëshi i zhvillimit të dëmeve, metoda stokastike, modele ansambël, analiza SHAP, IFRS 17

 

Abstract

Private health insurance represents an increasingly important segment of the insurance market. In this context, accurate claims reserving and the identification of high-risk policyholders are essential for financial stability and effective decision-making. This dissertation examines and addresses these two issues in the Albanian insurance market, using real data from two insurance companies for claims reserving and individual-level data from one of these companies for risk classification, covering the period 2018–2024. In terms of the evaluation of claims reserving, the study compares deterministic and stochastic actuarial methods, advanced statistical models, and machine learning models. The findings indicate that the quasi-Poisson generalized linear model is an appropriate benchmark model for financial reporting, while the bootstrap Double Chain Ladder method is more suitable for risk analysis and capital assessment and Random Forest serves as a complementary model for the independent validation of claims reserving estimates. For risk classification, the Random Forest model demonstrated the highest overall performance. The SHAP analysis identified the number of claims, several types of healthcare services, average reporting and settlement delays, and age as the main determinants of high risk. Overall, this study provides empirical evidence for the Albanian insurance market and contributes to improving claims reserving, risk classification, and reporting practices under Solvency II and IFRS 17.

Field of study: Actuarial Science

Keywords: insurance companies, claims development triangle, stochastic methods, ensemble models, SHAP analysis, IFRS 17.