Logo der Humboldt-Universität zu BerlinLogo der Humboldt-Universität zu Berlin
edoc-Server
Open-Access-Publikationsserver der Humboldt-Universität
de|en
Banner: Fassade der Humboldt-Universität zu Berlin
Publikation anzeigen 
  • edoc-Server Startseite
  • Schriftenreihen und Sammelbände
  • Fakultäten und Institute der HU
  • Wirtschaftswissenschaftliche Fakultät
  • Sonderforschungsbereich 649: Ökonomisches Risiko
  • Publikation anzeigen
  • edoc-Server Startseite
  • Schriftenreihen und Sammelbände
  • Fakultäten und Institute der HU
  • Wirtschaftswissenschaftliche Fakultät
  • Sonderforschungsbereich 649: Ökonomisches Risiko
  • Publikation anzeigen
JavaScript is disabled for your browser. Some features of this site may not work without it.
Gesamter edoc-ServerBereiche & SammlungenTitelAutorSchlagwortDiese SammlungTitelAutorSchlagwort
PublizierenEinloggenRegistrierenHilfe
StatistikNutzungsstatistik
Gesamter edoc-ServerBereiche & SammlungenTitelAutorSchlagwortDiese SammlungTitelAutorSchlagwort
PublizierenEinloggenRegistrierenHilfe
StatistikNutzungsstatistik
Publikation anzeigen 
  • edoc-Server Startseite
  • Schriftenreihen und Sammelbände
  • Fakultäten und Institute der HU
  • Wirtschaftswissenschaftliche Fakultät
  • Sonderforschungsbereich 649: Ökonomisches Risiko
  • Publikation anzeigen
  • edoc-Server Startseite
  • Schriftenreihen und Sammelbände
  • Fakultäten und Institute der HU
  • Wirtschaftswissenschaftliche Fakultät
  • Sonderforschungsbereich 649: Ökonomisches Risiko
  • Publikation anzeigen
2013-05-31Buch DOI: 10.18452/4470
Can expert knowledge compensate for data scarcity in crop insurance pricing?
Shen, Zhiwei
Odening, Martin
Okhrin, Ostap
Although there is an increasing interest in index-based insurances in many developing countries, crop data scarcity hinders its implementation by forcing insurers to charge higher premiums. Expert knowledge has been considered a valuable information source to augment limited data in insurance pricing. This article investigates whether the use of expert knowledge can mitigate model risk which arises from insufficient statistical data. We adopt the Bayesian framework that allows for the combination of scarce data and expert knowledge, to estimate the risk parameter and buffer load. In addition, a benchmark for the evaluation of expert information is created by using a richer dataset generated from resampling. We find that expert knowledge reduces the parameter uncertainty and changes the insurance premium in the correct direction, but that the effect of the correction is sensitive to different strike levels of insurance indemnity.
Dateien zu dieser Publikation
Thumbnail
30.pdf — PDF — 879.8 Kb
MD5: 0a8ac805f0f10db6ca6328141cd17b4f
Referenzen
Is Part Of Series: Sonderforschungsbereich 649: Ökonomisches Risiko - 30, SFB 649 Papers, ISSN:1860-5664
Zitieren
BibTeX
EndNote
RIS
Keine Lizenzangabe
Zur Langanzeige
Impressum Leitlinien Kontakt Datenschutzerklärung
Ein Service der Universitätsbibliothek und des Computer- und Medienservice
© Humboldt-Universität zu Berlin
 
DOI
10.18452/4470
Permanent URL
https://doi.org/10.18452/4470
HTML
<a href="https://doi.org/10.18452/4470">https://doi.org/10.18452/4470</a>