汽车保险最优奖惩系统研究
【摘要】:从世界范围来看,一个在机动车辆保险市场上希望占有并保持一定份额的
保险人无不使用奖惩系统或称无赔款优待制度。在该系统中,保险公司将根据投
保人以往年份的索赔情况调整其续期保费。通常的原则是,上一保险年度发生的
索赔次数越多,次年的续期保费将越高。反之,如果上一保险年度没有发生索赔,
保险公司将降低投保人的续期保费。毫无疑问,保险公司调整投保人续期保费的
主要目的之一就是为了公平投保人的保费负担,使高风险的投保人缴纳相对较高
的保险费。但是,实证结果研究表明,保险公司目前应用的这些系统(包括我国
在内)往往难以达到这一目的。为此,有人设计出所谓的最优奖惩系统。
我国目前的车辆保险条款中只有无赔款优待折扣这一条。其实无赔款优待
(NCD)是奖惩系统(BMS)的一种特殊形式,我国目前采用的无赔款优待制度中存
在的主要问题是:
我国NCD制度折扣等级太少,对投保人奖励多,惩罚少;只允许保费从基
础保费降低,不允许从基础保费增加;奖励和惩罚基本上与投保人的索赔次数和
索赔额度无关,基础费率偏高,新投保人和风险最高的投保人都处于0折扣类,
对二者同样看待,且交费都为基础保费,基础保费每年变化,这引发了对投保人
的隐性惩罚,从而淡化了NCD制度的初衷;而国际BMS则规定各种保费水平
以后,一直沿用几十年不变,对投保人是透明和公平的,奖惩很严格、很具体的。
直到目前,国际精算文献中研究的最优BMS,只考虑投保人上一年的索赔次
数,没有考虑索赔额的大小,也即对于小额损失和大额损失的惩罚是一样的。本
文在孟生旺和袁卫研究的基础上,同时考虑索赔次数和索赔额,建立几种最优奖
惩系统。最后,研究了以单个投保人为基础,同时考虑先验信息、索赔次数、索
赔额的最优奖惩系统。在我国机动车辆保险市场上,NCD制度还存在许多不足,
因此本文的研究在国内具有一定的现实意义,在国际上具有一定的理论意义。
【关键词】:最优奖惩系统 索赔次数 索赔额 先验信息 汽车保险
【学位授予单位】:华东师范大学
【学位级别】:硕士
【学位授予年份】:2005
【分类号】:F224
【DOI】:CNKI:CDMD:2.2005.085678
【目录】:
【学位授予单位】:华东师范大学
【学位级别】:硕士
【学位授予年份】:2005
【分类号】:F224
【DOI】:CNKI:CDMD:2.2005.085678
【目录】:
- 摘要7-8
- ABSTRACT8-9
- 第一章 绪论9-10
- 第二章 索赔次数的分布模型10-14
- §2.1 同质性保单组合的索赔次数模型10
- §2.2 非同质性保单组合的索赔次数模型10-14
- 第三章 索赔额的分布模型14-17
- 第四章 只考虑索赔次数的最优BMS17-25
- §4.1 伽玛结构函数与最优BMS17-18
- §4.2 逆高斯结构函数与最优BMS18-20
- §4.3 二项-贝塔分布模型与最优BMS20-21
- §4.4 混合负二项分布模型与最优BMS21-22
- §4.5 离散性结构函数与最优BMS22-25
- 第五章 同时考虑索赔次数和索赔额的最优BMS25-34
- §5.1 负二项-Pareto损失模型下的最优BMS25-27
- §5.2 负二项-对数正态损失模型下的最优BMS27-28
- §5.3 负二项-伽玛损失模型下的最优BMS28-29
- §5.4 负二项-Weibull损失模型下的最优BMS29-30
- §5.5 负二项-对数伽玛损失模型下的最优BMS30-31
- §5.6 负二项-Burr损失模型下的最优BMS31-32
- §5.7 负二项-变换伽玛分布模型下的最优BMS32-34
- 第六章 同时考虑先验信息、索赔次数、索赔额模型的最优奖惩系统34-37
- §6.1 只考虑索赔频率成分的最优估计34
- §6.2 只考虑索赔额成分的最优估计34-35
- §6.3 同时考虑先验信息、索赔频率、索赔额成分的最优估计35-37
- 结语37-38
- 参考文献38-40
- 致谢40
CAJViewer7.0阅读器支持所有CNKI文件格式,AdobeReader仅支持PDF格式
| 【引证文献】 | ||
|
|||||
|
|||||
| 【参考文献】 | ||
|
|||
|
|||
| 【共引文献】 | ||
|
|||
|
|||
|
|||||
|
|||||
|
|||||||||
|
|||||||||
| 【同被引文献】 | ||
|
|||||||||||||||||||
|
|||||||||||||||||||
|
|||
|
|||
| 【相似文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||



