اکچوئری :: محاسبات اکچوئری،‌ مدیریت ریسک و بیمه

۲۴ مطلب با کلمه‌ی کلیدی «اکچوئری» ثبت شده است

۲۶

مهر

۱ نظر

زهرا ماجدی

معرفی اصول و روشهای نرخگذاری بیمه ای: رویکرد بیمه درمان

چکیده:

نرخگذاری فرایندی است آماری، که درطی آن داده و اطلاعات بدست آمده از گذشته را به منظورا یجاد مدلی که پیش بینی درستی از خسارات آتی داشته باشد، تحلیل می‌کند. نرخ، قیمت هر واحد بیمهای است که در ازای هر واحد در معرض خطر ارائه می‌شود. هدف از این پژوهش معرفی روش‌های نرخ گذاری در رشته‌های مختلف بیمه‌ای و بیمه درمان می‌باشد.

روش بررسی: در این مطالعه مروری، ابتدا یک پروتکل تحقیق با معیارهای ورود و خروج طراحی گردید. اطلاعات از پایگاه های داده معتبر از طریق اینترنت جستجو گردید.

یافته‌ها: مدلهای پیش بینی نرخ از جمله روشهای طبقه بندی تک متغیره شامل روش حق بیمه خالص، ضریب خسارت، و طبقه بندی چند متغیره مانندمدلهای تعمیم یافته خطی و همچنین مدلهای خطیبررسی شد. درنهایت روش بیزینبه عنوان مدلی در بیمه های درمان به اختصار معرفی گردید.

بحث و نتیجه گیری: طبقه بندی تک متعیره با درنظر گرفتن عوامل موثر کمتری در تعیین حق بیمه، نسبت به سایر روش‌های بیان شده از کارایی کمتری برخوردار میباشد.روش بیزین نیز به عنوان مدلی مناسب در بیمه های درمان پیشنهاد می شود.

واژه های کلیدی: نرخگذاری، واحد در معرض خطر، پوشش خسارت، بیمه درمان

۲۳

مهر

۰ نظر

ملیحه صمدی

کاربرد نظریه مقدار کرانگینی در برآورد مقدار در معرض خطر: بررسی موردی بیمه مسئولیت شرکت بیمه ایران

چکیده:

بر خلاف واریانس که قدرت تفکیک انحرافات مثبت و منفی راندارد، مقدار در معرض خطر معیار مناسبی برای محاسبه ریسک‌های مالی به شمار می‌رود که ریسک‌های منفی و واقعی را تبیین نموده و از آن می‌توان برای برآورد ریسک‌های احتمالی یک شرکت بیمه استفاده کرد. از سوی دیگر بررسی توزیع خسارت‌ها، به مدیران ریسک مالی کمک کند تا بهتر بتوانند در مورد تخصیص سرمایه تصمیم بگیرند. در این مقاله کارایی نظریه مقدار کرانگینی در برآورد مقدار در معرض خطر با کارایی سایر روشهای شناخته شده مدل سازی، از جمله مدلGARCH ، روش واریانس-کواریانس و شبیه سازی تاریخی مورد مقایسه قرار می‌گیرد و مدلی است برآورد دقیقتر و پایدارتری را نتیجه دهد، ارائه می‌شود. روش واریانس- کوواریانس، شبیه سازی تاریخی و مدلهای پارتو تعمیم یافته و پارتو تعمیم یافته سازوار برآوردهای نسبتاً پایدارتری را ارئه می‌دهند. همچنین برآوردهای حاصل از دو مدل GARCH(1,1) و GARCH(1,1)-t دارای نوسان‌های بالایی هستند. در مجموع مدل‌های پارتو تعمیم یافته، روش شبیه سازی تاریخی و مدل GARCH(1,1)-t برآوردهای دقیقتری را ارائه می‌دهند.