شناسایی ریسک مشتریان در بیمه بدنه خودرو و محاسبه حق بیمه تحریف یافته

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 337

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIRC-37-4_005

تاریخ نمایه سازی: 1 اسفند 1401

چکیده مقاله:

پیشینه و اهداف: تعیین حق بیمه عادلانه و متناسب با میزان ریسک، نیازمند افشای کامل حقایق در خصوص ریسکی است که بیمه می شود. اکثر اوقات دسترسی به چنین اطلاعات کاملی دشوار است، در چنین شرایطی استفاده از اطلاعات گذشته از جمله خسارت های ادعا شده می تواند به عنوان معیار مناسب شناسایی میزان ریسک مورد استفاده قرار گیرد. در این مطالعه به کمک خسارت های سنوات گذشته، مشتریان در دو طبقه بیمه گذاران کم ریسک و پرریسک قرار می گیرند، سپس به کمک تابع تحریف  لگ لیندلی حق بیمه مناسبیمعرفی می شود که به آن حق بیمه تحریف یافته می گویند.روش شناسی: در این پژوهش برای انجام محاسبات علاوه بر شبیه سازی آماری از داده های واقعی خسارت استفاده می شود. ابتدا به کمک نرم افزار  Rاز ۴ توزیع بور، وایبول، گاما و پارتو هر کدام به تعداد ۱۰.۰۰۰ داده شبیه سازی و نتیجه قضایا بررسی می شود، سپس به کمک حدودا ۳۵.۰۰۰ مشاهده مربوط به خسارت های ادعا شده به یک شرکت بیمه کلیه نتایج به صورت مطالعه موردی، مورد ارزیابی و تحلیل قرار می گیرد.یافته ها: با توجه به مدل سازی خسارت های ادعا شده، توزیع دم سنگین بور به عنوان توزیع نهایی پذیرفته می شود. به کمک براوردگر هیل و ارزش در معرض ریسک صدک۹۰ام این توزیع، مقدار حد آستانه خسارت ها برابر ۱۹.۸۰۰.۰۰۰ریال براورد می شود، از این رو، ۱۰ درصد جامعه بیمه گذاران سالانه خسارتی بیشتر از ۱۹.۸۰۰.۰۰۰ را به شرکت وارد می نمایند و موجب افزایش ضریب خسارت و حق بیمه پایه کلیه افراد می شوند. طبقه بندی افراد کم ریسک و پرریسک و استفاده از تابع تحریف لگ لیندلی باعث می شود تا علاوه بر رعایت اصول بهینگی (همگنی مثبت، عدم اجحاف، هم یکنوایی جمعی و سربار نامنفی)، حق بیمه محاسبه شده برای هر طبقه متناسب با ریسک باشد.نتیجه گیری: در صورت عدم تفکیک مشتریان کم ریسک و پرریسک مبلغ حق بیمه برای کلیه افراد جامعه یکسان و برابر ۱۷.۰۱۲.۷۰۰ریال است، این مبلغ برای افراد کم ریسک و بدون خسارت مبلغ زیادی است، پس از طبقه بندی مشتریان و محاسبه مجدد حق بیمه برای افراد کم ریسک و پرریسک به ترتیب برابر ۵.۶۱۰.۷۰۰ و ۵۴.۲۹۵.۷۰۰ ریال محاسبه می شود. تفاوت زیاد میان حق بیمه دو طبقه نشان از تفاوت زیاد میزان ریسک و در نهایت ضرورت و اهمیت طبقه بندی جامعه بیمه گذاران را به دنبال دارد. در استفاده از این روش محدودیتی وجود ندارد و هنگامی که توزیع خسارت ها دم سنگین است استفاده از این روش می تواند مفید واقع شود.

کلیدواژه ها:

بیمه بدنه ، توزیع لگ لیندلی ، توزیع های دم سنگین ، حق بیمه تحریف یافته ، ریسک

نویسندگان

سامان سپهوند

کارشناس ارشد اکچوئری، کارشناس مسئول اکچوئری بیمه های زندگی، شرکت بیمه سرمد، تهران، ایران

سجاد رامندی

دکتری اقتصاد بهداشت، سرپرست معاونت فنی و توسعه بازار، شرکت بیمه دی، تهران، ایران

رحیم محمودوند

استادیار آمار، دانشکده علوم ریاضی، دانشگاه بوعلی سینا، همدان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Armero, C.; Bayarri, M.J., (۱۹۹۴). Prior assessments for prediction in ...
  • Burlacu, E., (۲۰۱۲). Risk methodology in vehicle insurance. Quality-access to ...
  • David, M., (۲۰۱۵). Auto insurance premium calculation using generalized linear ...
  • Denuit, M.; Dhaene, J.; Goovaerts, M.; Kaas, R., (۲۰۰۵). Actuarial ...
  • Duffie, D.; Pan, J., (۱۹۹۷). An overview of value at ...
  • Gómez-Déniz, E.; Sordo, M.A.; Calderín-Ojedac, E., (۲۰۱۴). The Log–Lindley distribution ...
  • Gómez-Déniz, E.; Calderín-Ojeda, E., (۲۰۲۱). A priori ratemaking selection using ...
  • Haji Heydari, N.; Samrand, Kh.; Farahi, A., (۲۰۱۱). Classification of ...
  • Izadparast, S.M.; Farahi, A.; Fath Nejad, F.; Teimourpour, B., (۲۰۱۲). ...
  • Hill, B.M., (۱۹۷۵). A simple general approach to inference about ...
  • Kafková, S., (۲۰۱۵). Bonus-malus systems in vehicle insurance. Procedia Econ. Finance, ۲۳: ...
  • Klugman, S.A.; Panjer, H.H.; Willmot, G.E., (۲۰۱۹). Loss models: From ...
  • Pichler, A., (۲۰۱۵). Premiums and reserves, adjusted by distortions. Scand. Actuarial ...
  • Shaked, M.; Shanthikumar, J.G., )۲۰۰۷(. Stochastic orders. Springer Science & ...
  • Szymańska, A., (۲۰۰۸). Bayesian estimation of bonus malus coefficients in ...
  • Spilbergs, A.; Fomins, A.; Krastins, M., (۲۰۲۲). Road traffic accidents ...
  • Wang, Sh., (۱۹۹۶). Premium calculation by transforming the layer premium ...
  • Wang, Sh.S.; Young, V.R., (۱۹۹۶). Risk-adjusted credibility premiums using distorted ...
  • Zakerzadeh, H.; Mahmoudi, E., (۲۰۱۲). A new two parameter lifetime ...
  • نمایش کامل مراجع