一、对机动车辆保险BMS的研究(论文文献综述)
许启梁[1](2019)在《基于多元分布识别不同索赔的奖惩系统》文中进行了进一步梳理随着经济与科技的快速发展,机动车已经成为现代社会中不可缺少的一部分,因此驾驶员对于汽车保险的需求日益增加,汽车保险已经是非寿险的一个重要分支,在许多国家甚至是总保费收入的最大贡献部分。为了各方都满意,汽车保险采用奖惩系统(Bonus-malus system简称BMS)来使投保人所缴纳的保费与其风险相匹配。也就是说,保费收取往往极大地依赖于该保单过去的理赔记录。在这样的经验费率系统中,投保人会因没有理赔记录而获得奖励,即在续保时缴纳较低的保费,也会因多次理赔记录而受到惩罚,即在续保时缴纳更多的保费。然而许多BMS都仅基于发生索赔的次数而考虑,这样就将导致不公平现象的发生:对于同样发生一次索赔记录,索赔额较小的事故与索赔额较大的事故在惩罚上是一·样的。因此,为了使得BMS更加公平,应当将索赔额的影响纳入考虑,同样发生索赔时,索赔额更大的事故应该有更大的惩罚。本文在设计BMS的时候将同时考虑索赔次数与索赔额大小的影响。本文通过用贝叶斯模型来改进BMS。该模型允许我们根据索赔次数以及每次索赔的索赔额大小来识别不同的索赔。具体来说,为了提高对索赔次数的拟合精度,本文采用混合分布来拟合索赔次数,能适应不同的样本且拟合精度更高,由于现实中索赔额大小的右尾数据较少且容易对参数产生较大影响,因此直接对索赔额大小进行拟合不仅困难且精度不高,我们转而根据索赔额的大小将索赔分成不同类型,对不同类型的索赔次数进行拟合来考虑索赔额大小的影响,从而得到后验保费以及BMS的相对保费。特别的,我们采用Dirichlet分布作为先验分布消除了参数的独立性,使得模型更加现实,同时也能更容易的推广到更多元的情景。最后,通过实际数据的例子得到保费,与经典模型相比较分析保费的差异,也同其他模型相比较,说明新模型的合理性与优点。
薛智雯[2](2018)在《基于ARIMA-SVM的车险索赔次数预测》文中研究指明我国的保险市场较国外起步与发展较晚,但经过二十多年的发展,已经逐渐走向成熟。近几年,随着经济的快速发展,保险逐步被分为寿险和非寿险两个大类。机动车辆保险作为非寿险中的一个重要的组成部分,而且也是非寿险中相对年轻的险种,极具发展潜力。随着私家车的数量逐渐增加,购买机动车辆保险的人也越来越多,作为购买商品的车主,都希望买到极具性价比的机动车辆保险。而对于出售这种商品的保险公司,也都希望定出既能实现保费收入规模又能兼具市场竞争的价格。在机动车辆保险定价中,机动车辆保险索赔次数的历史经验和未来索赔的预测都是重要的定价因素。对保险公司来讲能够了解掌握机动车辆保险的索赔次数的变化趋势,从而制定相关的定价策略,定出合理的价格是公司收益的保障。关于机动车辆索赔次数的研究也有很多,传统的经典索赔次数分布便是其中之一。本文同样介绍了传统的经典索赔次数分布中的泊松分布、负二项分布和混合泊松分布,并详细介绍了这几类分布在处理索赔次数拟合中的原理和步骤,同时也使用泊松分布、负二项分布和混合泊松分布对某财产保险公司某分公司1997年至2016年机动车辆的索赔次数进行了分析和拟合预测,发现泊松分布、负二项分布和混合泊松分布在处理该类问题时,预测结果的平均绝对百分误差(MAPE)较大,分析其原因主要在于对大数定律的依赖和对纵向的历史经验运用不足,仅仅是一个横截面层次的考量。机动车辆保险索赔次数作为十分复杂的非线性动态系统,随着时间的变化也不断变化,所以索赔次数的序列也可以看做时间序列,作为处理时间序列的ARIMA模型在对索赔次数的预测问题中也应该有重要的应用。本文对时间序列模型进行了详细的介绍,主要包括三个方面:首先是关于自回归模型(AR),移动平均模型(MA)和自回归移动平均模型(ARIMA)数学原理的详细介绍。其次,是关于自回归移动平均模型ARIMA(p,d,q)中各个参数确定的介绍。最后,是关于ARIMA模型的建模步骤的介绍。在介绍完时间序列模型之后,本文运用时间序列ARIMA模型同样对某财产保险公司某分公司1997年至2016年机动车辆索赔次数进行了分析和拟合预测,结果发现时间序列ARIMA模型对索赔次数的预测效果要好于泊松分布、负二项分布和混合泊松分布,但是与真实值还是有较大的平均绝对百分误差(MAPE),分析其原因主要在于ARIMA模型在处理平稳的线性时间序列效果较好,对索赔次数序列中包含的非线性部分并没有做很好地处理。虽然时间序列ARIMA模型对平稳的线性时间序列(差分后的时间序列)有着很好的处理能力,ARIMA模型也能够很好地处理机动车辆索赔次数时间序列的线性部分,但原始的索赔次数时间序列既包含线性部分,又包含非线性部分。所以在处理原始的索赔次数时间序列拟合问题的过程中,还需要借助其它方法去处理时间序列中非线性部分的问题,并对非线性部分的信息尽可能地提取。支持向量机(SVM)作为一种新兴的小样本处理方法,得到了极大的认可。同时支持向量机(SVM)依据统计学习理论为基础,在处理小样本非线性问题上有很好的表现,且在全局最优解层面寻求结果也使其具有良好的推广能力和泛化能力。所以,针对机动车辆索赔次数这类小样本数据的预测问题上,通过结合ARIMA模型和支持向量机(SVM)模型二者的优点后,本文又提出运用ARIMA和支持向量机(SVM)组合模型预测的方式对索赔次数进行预测。结合本文对机动车辆保险索赔次数组合预测的思路,本文通过结合ARIMA模型和支持向量机(SVM)模型各自的优势,提出了ARIMA-SVM组合预测模型和相应的建模步骤。最后,通过运用ARIMA-SVM组合预测模型对某财产保险公司某分公司1997年至2016年机动车辆索赔次数进行了分析和拟合预测,最后的实证结果表明,组合预测模型对索赔次数的拟合效果的确比单一的时间序列ARIMA模型和经典索赔次数分布模型都要好,而且ARIMA-SVM组合预测模型不仅克服了单一ARIMA模型对时间序列非线性部分信息提取不充分的问题,也避免了经典索赔次数分布模型横向拟合处理尾部风险数据能力不足的问题。本文总共分为七个章节,每个章节的内容互相关联,但又都有自己的主要观点:第一章概要介绍了本文的研究背景和意义,着重介绍了本文的研究对象和方法,并通过对国内外相关文献关于研究对象的各种处理方法的介绍,提出了本文的研究思路和章节安排。第二章对机动车辆保险做了详细的介绍,主要是包括机动车辆保险的概念和特征,以及造成这些特征的主要因素,也正是这些特征的复杂性也导致了索赔次数后续实证过程中的复杂性。第三章为了处理索赔次数问题和后续模型的对比分析,故对传统的经典索赔次数分布做了详细的介绍,主要包括索赔次数的简介,几类经典的索赔次数分布:泊松分布、二项分布、负二项分布和混合泊松分布等,并在此章详细介绍了这几类分布的数学原理。第四章考虑到机动车辆索赔次数具有时间序列的特性,考虑使用经典的时间序列ARIMA模型进行预测。所以,第四章对ARIMA模型做了很细致的介绍,包括自回归模型(auto-regressive model,AR),移动平均模型(moving average model,MA)和自回归移动平均模型(auto-regressive moving average model,ARIMA),并分别对各个模型的原理和参数确定做了分析,最后对其在时间序列预测中的建模步骤和流程也做了介绍和说明。第五章本章对支持向量机(SVM)做了全面详细的介绍,首先介绍了其统计学习的理论基础,推广性的界、VC维、经验风险最小化准则(ERM)和结构风险最小化准则(SRM);其次对支持向量机(SVM)的基本思想、优点和核函数也给出了详细的介绍;然后针对支持向量机(SVM)分类和回归两个大的方面,展开了相关的原理、数学表达式以及实际运用方面的详述;最后就支持向量机(SVM)和时间序列ARIMA模型组合预测原理也进行了分析,相关的建模流程和步骤也一并给予了体现。第六章本章先通过几类经典索赔次数分布、单一ARIMA模型和ARIMA-SVM组合预测模型对实证数据做了实证分析,再借助平均绝对百分误差(MAPE)值来比较各个分布模型的拟合效果。最后通过实证分析得出了相应的实证结论,针对索赔次数这类小样本的数据,传统的经典索赔次数分布拟合效果不好,特别是在对尾部风险数据的拟合上,有很大的误差。这种带有时间序列性质的数据,运用ARIMA模型预测其效果要比传统索赔次数分布要好。但一般的时间序列ARIMA模型仅对平稳的线性时间序列(差分后的时间序列)有很好的处理能力,而对原始时间序列非线性部分则需要通过其它方法处理,本文中非线性支持向量机—径向基核函数支持向量回归机则是对其非线性部分处理的良好方法之一,在径向基ARIMA-SVM模型的实证结果也说明了其处理该类问题的能力。第七章总结了论文所做的工作,并提出在机动车辆索赔次数预测过程中,还需要进一步解决的问题。本文的创新之处:索赔次数的预测方法有很多,但大多数是基于某种概率分布的拟合预测去实现的。基于概率分布去拟合预测索赔次数时存在明显的两个缺点:(1)运用特定的概率分布和用样本数据去估计参数的方法需要满足大数定律,所以针对小样本的数据,其拟合效果不会很好;(2)特定的概率分布在处理具有偏尾性质的样本数据时,对尾部数据的拟合效果很差,但机动车辆索赔次数的尾部数据对车险公司又有很重要的风险防范意义,不容忽视。概率分布去拟合索赔次数的方法,是从截面数据的角度去考量的,但本文认为历史数据的历史信息不容忽视。因为时间序列的方法对索赔次数的预测能充分运用历史经验数据,所以本文提出了ARIMA模型的预测方法。同时,考虑到ARIMA模型在处理线性和非线性混合系统时,对非线性部分的信息提取不充分的问题,本文提出运用支持向量机(SVM)的方法去处理非线性部分,最终在ARIMA-SVM组合预测的方法下,索赔次数的预测效果比经典概率分布下的预测效果更好。本文的不足之处:(1)虽然从预测原理和实证结果来看,本文的组合预测方法都有不错的效果,但是考虑到本文的数据选取量远远不足以或者接近大数定律的要求,当数据足够充分时,本文组合预测的时间序列方法是否比经典分布的方法效果更好不得而知;(2)本文只选取了经典分布模型作为本文模型的对比分析模型,但实际上关于索赔次数的分布模型有很多,而且都是在经典分布模型基础上进行优化的模型,可是本文并未纳入这些模型作为对比分析。(3)组合预测的模型有很多种,但就哪一种组合预测模型更适合机动车辆索赔次数这类数据,本文并未做分析与探讨,还有待后续研究。
刘佳宇[3](2017)在《基于K-PrototypesNN模型的车险风险客户群划分方法研究》文中认为近年来,国内机动车辆保险市场取得了长足的发展,市场竞争也异常激烈。在机动车辆保险产品同质化和竞争白热化的情况下,许多保险公司片面追求市场规模,忽视了机动车辆保险效益的增长,严重影响了车险行业的可持续发展。当前机动车辆保险经营的障碍主要是机动车辆保险市场费率标准统一,对风险不同的客户实施同一种费率,这会直接造成保险公司的损失。因此,保险公司必须转变经营方式,将重心放在机动车辆保险客户精细化管理上。随着大数据时代的到来,当前机动车辆市场中人均汽车保有量不断增加,车险的消费者随之增加,由此车险市场中也产生了大量的数据。机动车辆保险数据具有动态性、数据类型多、数据量大等特点,因此,从数据中挖掘研究客户群的共性与特征,并采用数据挖掘技术解决客户群风险定位、划分问题具有重要实际意义,解决了当前风险管理方法无法对风险客户群进行精准定位的难题,且对理论研究与实践来说都有一定的参考价值。本文针对机动车辆保险风险客户群划分主要工作如下:(1)本文针对国内保险公司过分注重保费而忽视承保质量的粗放经营方式的问题,研究了国外的车险分级费率的制定方式,分析了国内保险公司盈利水平不理想的原因,剖析了当前车险存在的费率制定体系不健全以及车险赔付率居高不下的问题。(2)本文系统全面的分析了对车险风险客户群进行划分的必要性。分别针对车险赔付率居高不下、保险公司对客户风险等级划分粗放以及传统风险管理方法难以达到对车险费率进行细分这三个方面分析了车险风险客户群划分的必要性。(3)本文分析了影响机动车辆保险的风险因素,主要包括驾驶员、车辆、环境等21个因素,针对车险客户数据属于混合型数据的特点,本文提出K-Prototypes NN算法,并在UCI数据进行测试,实验结果表明,KPNN在准确度、宏平均召回率等4个指标上均优于K近邻算法。综上,提出了基于KPNN算法的机动车辆保险客户群划分模型。(4)在实证部分,通过调查问卷形式,共发放调查问卷7153份,有效数据6916条。并将机动车辆保险风险客户分为高、中、低三类。以有效数据的2/3作为训练样本,1/3作为测试样本。分别在风险客户群、驾驶员风险因素客户群、车辆风险因素客户群、风险客户群部分因素、驾驶员客户群部分因素和车辆影响客户群部分因素等方面进行客户风险预测,预测准确率均在70%以上。以此证明了数据挖掘算法对车险风险客户群进行划分的可行性,进而达到对车险风险费率细分的目的。(5)为了实现车险费率差别化定价,对风险客户群进行不同等级划分,本文结合数据挖掘技术为保险市场可持续发展提出了四个方面的建议。分别为加快车险费率市场差别化定价进程、构建风险客户群划分模型、构建开放统一的车险数据共享平台以及完善监管体制。
邸娜[4](2017)在《中国商业车险BMS转移规则和奖惩系数的精算分析》文中进行了进一步梳理奖惩系统,国内也称为无赔款优待系统,是车险价格的重要组成部分,在各国的汽车保险业务中被大量使用。它通过对发生索赔的被保险人增收续期保费,对未发生索赔的被保险人降低续期保费的方式一方面鼓励被保险人安全驾驶,另一方面识别和区分不同被保险人的潜在风险。从车险定价的角度看,奖惩系统的目标是将保单组合的费用负担按照被保险人的潜在风险水平公平地分配到每一个被保险人身上。2015年中国商业车险条款费率市场化改革重启之际,中国保险行业协会推出了新版行业车险奖惩系统,新版奖惩系统细化了奖惩等级,拓宽了奖惩系数,广受大众关注,被媒体大量解读,认为新版奖惩系统会使得大多数被保险人的保费水平下降,同时“好司机”和“坏司机”之间的保费差别比之前更大了。这种观点是否正确,这种变化与奖惩系统的目标是否相符,如有不符应当如何改进,基于上述问题采用精算学的方法展开对中国商业车险BMS的研究。全文共分为七章,第一章首先从中国2015年车险条款和费率的市场化改革出发,说明了汽车保险奖惩系统的研究背景和研究意义,其次在对国内外汽车保险奖惩系统的研究成果进行梳理的基础上提出本文的研究视角,说明研究思路、研究设计和研究方法,最后介绍了文章的章节安排及主要的创新点。第二章首先阐述了车险费率厘定的基本方法,然后说明了车险奖惩系统的涵义、先验费率厘定和奖惩系统的关系,最后对奖惩系统的评价工具和最优奖惩系数的设计方法进行了梳理和归纳。第三章首先对2015年商业车险条款费率市场化改革后中国商业车险的定价方式进行了介绍,其次采用惩罚严厉性指标和转移规则效率指标对商车改革前后的车险奖惩系统进行了评价和对比分析,结果表明无论全国版(除北京、厦门)奖惩系统还是北京、厦门版奖惩系统其惩罚严厉性均较改革之前提高了,但转移规则效率下降了,同时转移规则本身的设计存在不合理性,导致长期来看该规则是在“惩罚’好司机’、保护’坏司机’”。最后采用国内真实的车险理赔数据和实际应用中的奖惩系统对先验费率因子在奖惩系统中的重复影响进行了实证分析,结果表明“重复性的惩罚或奖励”在我国的车险实践中真实存在,并且随着奖惩等级数的增多,“重复性的惩罚或奖励”的程度在加深。第四章基于第三章的分析结果从转移规则的角度出发,给出了解决“重复性的惩罚或奖励”问题的三种类型的动态转移规则。然后在不同的数据环境、不同的先验分类过程以及不同的奖惩等级数目等条件下对三种类型动态转移规则的效率进行了实证检验和对比分析,结果表明基于先验风险分级变化的动态转移规则无论在哪一种环境下效率都是最高的,它最能帮助实现被保险人之间汽车保险费率的公正和公平。第五章在对最优奖惩系数的内涵和计算方法进行介绍的基础上利用国内财险公司的车险理赔数据在基于先验风险变化的动态转移规则下结合全国版(除北京、厦门)奖惩系统的奖惩等级数计算了存在财务平衡约束和无财务平衡约束的奖惩系数,并就其缓解“重复性的惩罚或奖励”的能力与对应的简单规则进行了比较;然后,结合北京、厦门版奖惩系统的奖惩等级数基于先验风险变化的动态转移规则构建了两种形式的奖惩系统,计算了其最优奖惩系数,通过比较发现对转移规则的选择不能完全依据转移规则效率,必须参照各等级的年先验索赔频率的期望值,否则可能会产生“调整性”的不公平。第六章介绍了线性最优奖惩系数的提出背景和确定方法。然后结合国内保险公司的车险赔付数据和动态转移规则对结合全国版(除北京、厦门)及北京、厦门版奖惩系统奖惩等级数的贝叶斯最优奖惩系数进行了改进。结果显示线性最优奖惩系数克服了贝叶斯最优奖惩系数变化的不规则,并且虽然存在一定的预测精度损失,但损失量很小。第七章对全文的分析进行了概括和总结,得出主要结论,根据分析结果对我国今后车险奖惩系统的设计给出参考建议,并对下一步可能的研究方向进行了展望。本文的创新点主要有:第一,对中国现行商业车险奖惩系统转移规则的合理性和公平性进行了分析和评价;第二,采用中国真实的理赔数据和应用中的奖惩系统对车险奖惩系统中“重复性的惩罚或奖励”的问题进行了实证检验;第三,在不同数据环境和不同奖惩等级数环境下对动态转移规则的效率进行了检验;第四,结合先验费率厘定的过程采用动态转移规则基于中国商业车险的奖惩等级数求解了两种类型的最优奖惩系数,并对其减少“重复性的惩罚或奖励”的效果进行了检验。
王琰[5](2017)在《商车费改背景下汽车保险奖惩系统实证研究》文中进行了进一步梳理奖惩系统对于优化交通环境、改善交通秩序以及规范车主的驾车行为、形成良好的驾驶习惯具有积极的促进作用。数据显示,在我国车辆保险的总收入占当年财产险保费总收入的比值远远超过百分之五十,一度达到百分之七十以上。随着我国车辆保有率高速增长,我国发生的交通事故数量以及所造成的财产损失总额一直居高不下。从车辆保险的角度来制定合理的奖惩制度也是改善我国交通秩序的必要的经济手段。同时奖惩制度也在一定程度上对汽车保险的保费收入和赔付支付两方面有着重要影响。近年来我国交通法规对有关的交通违法行为的处罚规则做了重要的修订,同时中国保监会对车险条款和费率管理体制进行了改革。汽车保险费率开始进入深化改革阶段。汽车保险作为重要的财产保险产品之一,费率的厘定基础也是以纯风险保费加上附加保费的基本思路来确定最终保费,奖惩系统根据被保险人以前年度的出险记录,来确定奖惩系统调整系数,在基础保费的计算基础之上对其保费进行一定的调整。本文依据保险公司近年的出险数据,利用贝叶斯方法选择负二项模型作为奖惩系统概率模型,并对此进行了实证分析,建立了考虑索赔次数的保费计算模型,最终得到最优BMS。进而分析了奖惩系统的马尔科夫性,以及达到稳态的过程、稳定保费的情况以及稳态保费。当我们获得稳态保费,也就是相当于在一定程度上可以确定保险公司未来可能收入保费的整体情况,如果我们可以知道保险公司未来可能赔付的情况,就可以对保险公司的财务稳定状况有一个大致的预判和准备。我们利用二项logistic回归的思路,以及保险公司的被保险人数据,选择被保险人驾龄、年龄、性别、年行驶里程数等七个因子,建立出险预测模型,通过该模型预测被保险人的出险可能性,为保险公司预测出险赔付提供思路和方法。在2016年6月,车险改革已经遍及全国各地,本文对我国费改前后实行的奖惩制度,建立相应的马尔科夫转移矩阵,并选取RSAL系数、变异系数、ECL系数等严几个代表性的严厉性指标对系统进行综合性的评价。费改后的奖惩系统更加严厉,BMS级别扩大,奖罚力度增强,从变异系数来看,新的BMS比费改的BMS要严厉许多,但是,新的BMS对于新进入的投保人来说,有着较高的隐形惩罚。最后对于车险费率改革和改善车险奖惩系统提出相关的建议,以促进汽车保险市场的健康发展。汽车保险改革已经推行至全国各地,但是对于改革的说明工作仍然需要重视,汽车保险改革使得风险分级增加,对于优质驾驶员的保费降低,出险次数较多的驾驶员惩罚加大,对于新进入的驾驶员的隐形惩罚也相对提高,这是为了更好的鼓励驾驶员养成良好的驾驶习惯,减少出险事故,而不是为了使出险次数较多的驾驶员退出车险市场,从而造成更大的隐患。除此之外,考虑赔款额在内的模型、更好的利用驾驶员的信息、风险分级的细化,仍然是未来的发展方向,也是本文未来的研究方向。
余梦娜,燕麟[6](2016)在《机动车辆奖惩系统引入前后的均衡保费费率研究-——基于动态博弈视角》文中提出中国机动车辆保险行业面临着业务迅速扩张与营业利润缩水并存的尴尬局面。本文主要针对该现象分析了商业车险发展情况与其面临的主要问题,从产业经济发展视角,对国内商业车险市场的现状进行研究,通过建立博弈分析模型,从静态和动态两个角度权衡车险市场最终均衡情形。在定量分析中,验证了车辆奖惩系统(BMS)使用后,行业达到稳定均衡状态,并找到了此时合理的保费费率。本文的研究结论完善发展了产业周期理论,在传统基于逻辑曲线和龚柏兹曲线的产业周期理论基础上,进一步结合实际经济情况,提出第三产业(以机动车辆产险为例)的两周期结合(保险人和投保人发展周期规律)和四阶段循环发展规律(发展初始阶段、迅速发展阶段、发展平缓阶段、稳定均衡阶段)。
张宜彬[7](2016)在《机动车辆保险最优免赔额的定价分析 ——以G财产保险公司为例》文中研究表明多年以来,我国大多数财产保险公司的机动车辆保险业务面临赔付率高、经营成本高、盈利能力低等问题,新一轮的费率市场化改革无疑为各财险公司带来了新的挑战。在机动车辆保险市场上,相对于现在主要用的绝对免赔率制度,绝对免赔额制度在减少小额赔付的频次、规避道德风险方面更有优势,因而加大绝对免赔额制度的使用力度是各财产保险公司降低无效率的小额理赔次数、减少理赔费用支出、提高经营效率行之有效的方法。本文在介绍免赔额的基础理论和我国的运用现状基础上,借鉴国内外学者的研究成果,经过一系列假设,构建了以保险公司的利润最大化为目标、以投保人购买保险后财富效用非减等为约束条件的最优化模型,旨在为最优的免赔额定价找到一个可行实用的方法。对模型进行初始求解的结果表明,最优的免赔额与损失发生率、理赔成本正相关,也就是说,只要被保险人谨慎驾驶以降低事故发生概率、保险公司提高经营效率以降低理赔成本,被保险人就可以享受较低的免赔额,获得更全面的保障。为增加定价模型的实用性,本文运用G财产保险公司的相关数据对模型的各参数进行确定,并对G保险公司的最优免赔进行额实证求解。由于假设的许多不合理之处,实证结果比现实水平高很多,随后本文重点从损失分布的重尾性质导致指数分布的参数λ估算值偏低、投保人的风险厌恶系数α的选取以及样本数据偏少等方面探讨了实证结果偏高的原因,也为模型更好的运用于现实中机动车辆保险免赔额的确定提供了改进的方向。
余梦娜[8](2015)在《机动车辆奖惩系统引入前后的均衡保费费率研究 ——基于动态博弈视角》文中指出机动车辆保险行业面临着业务迅速扩张与营业利润缩水并存的尴尬局面。2013年,保险行业保费增长率达到11.20%,赔偿额增长率达到31.73%。虽然2014年行业预计利润突破新高2亿元,但这主要依靠人身险保费收入情况的改善。机动车辆保险赔付额的增长速度仍然高于行业整体赔付额增速,达到40%,也远超其自身带来的保费收入增速。各保险公司为了寻求收益最大化,或者单纯提高保费,未充分考虑到投保人利益;或者缩减车险业务规模,导致车险市场供不应求。本文主要针对目前该现象分析了商业车险发展情况与其面临的主要问题,并在对比分析国内外车险行业的基础上,从产业经济发展视角,对国内商业车险市场的现状进行研究,深入挖掘问题的关键。进而引入博弈分析模型,从静态和动态两个角度权衡车险市场最终均衡情形,发掘解决问题的关键在于寻求保险人与投保人两大主体之间的均衡。在定量分析中,验证了BMS系统使用后,行业达到稳定均衡状态,并找到了此时合理的保费费率。本文的研究结论完善发展了产业周期理论。本文围绕上述研究思想分为七个章节,分别为导论、文献综述、商业车险行业概况、车险主体间博弈、BMS引入前后博弈、模型实际应用、结论与政策建议。第一章为导论,指出了很多保险公司通过对购置车险提出一定条件的限制来防范车险行业迅速发展带来的利润压缩局面,但这种方法不能起到治本的作用。第二章为文献综述,简要回顾了前人在投保人欺诈行为、保险费率市场化和车辆奖惩系统三方面的研究情况。通过分析发现针对现状和解决方法的研究较多,但尚无利用博弈的思想对比BMS引入前后行业整体利益变化及发展的研究,因此,在前人对问题分析的基础上,通过建立博弈模型证明BMS系统的存在意义。第三章为对车险行业情况分析,总结我国车险行业发展的历程,介绍了目前车险行业发展现状,针对现状中出现的问题进行分析,对比发达国家在车险行业发展情况。最后,通过对比提出可借鉴经验:车险发展的趋势是费率自由化,保险公司根据自身管理制度决定车险的不同费率。第四章为对车险市场博弈主体的分析,针对行业三大主体(保险人、被保险人、中介人)博弈,合理取舍,抓重点,寻找出解决行业发展瓶颈的关键所在,找出最关键的利益冲突双方:保险人、被保险人。第五章为构建BMS引入前后的博弈模型,重点分析了保险人与被保险人的博弈模型,并对比BMS系统引入前后行业整体发展,通过静态博弈模型直观分析出BMS系统有利于减少车险事故的发生。然后,动态子博弈模型论证了理性人会选择购买保险。最后,建立定量模型经验数据求解未来保费、费率的最优值。第六章为结合实际对理论模型进行双向验证,通过博弈模型推导,总结出行业发展的普遍规律:行业整体发展遵循周期性规律,在每个周期中又分为四个发展阶段(发展初始阶段、迅速发展阶段、发展平缓阶段、稳定均衡阶段),并且赔偿额的周期性滞后于保费。结合我国车险市场的具体数据,寻求最适合行业整体发展的均衡费率。第七章结论和建议对研究结果进行系统性总结,得到政策建议:(1)加强承保信息整合,建立并完善保险人之间的信息共享平台;(2)重视车险保障制度建设,逐步实现车险行业费率市场化;(3)在费率市场化的基础上,政府在合理时刻进行适当地调控;(4)完善并推广BMS系统,根据不同地区进行相应调整;(5)产险完善其他方面的配套措施、合理提高资金收益率。整个报告从点到面,分析车险行业现状,发掘问题关键;再由面及点,落实到解决问题的根本点:寻找合理的车险保费和费率。本报告的亮点和创新点在于:(1)突出了静态动态相结合的博弈思想在经济学实际问题运用中,该分析思路具有推广性,除了机动车辆保险市场存在保险人与投保人双方博弈以外,很多行业中也存在信息不对称的弊端,例如银行业的存款人与银行的博弈,延伸扩展模型思路可解决最优存款利率等问题。(2)推广了使用机动车辆奖惩系统(BMS)这一实际化操作性系统,从行为保险学角度出发,定性与定量结合分析验证了该系统存在的合理性,使得理论分析具有一定实际价值。(3)在传统基于逻辑曲线和龚柏兹曲线的产业周期理论基础上,进一步结合实际经济情况,提出第三产业(以机动车辆产险为例)的四阶段循环发展规律(发展初始阶段、迅速发展阶段、发展平缓阶段、稳定均衡阶段)。
张宗[9](2013)在《机动车辆奖惩系统的缺陷分析与实证研究》文中提出机动车辆费率奖惩系统即BMS (Bonus-Malus System),其含义是车辆如果在上一年没有发生赔付,则次年续保时将会享受无赔款减收保险费优待,它是目前保险界普遍采用的一种体系。改革开放以来尤其是我国加入世贸组织以后,中国汽车行业的发展势头愈演愈烈,汽车消费已经成为目前家庭消费的一大热点。机动车辆保险也因此更受人们的重视,根据中美双方近日发布的《关于加强中美经济关系的联合情况说明》,中方已决定对外资保险公司开放交强险,交强险作为本土保险业固守的最后一块阵地也开始对外资保险公司开放,它不仅仅是意味着一个险种的放开,同时也代表着以前中资保险企业可以捆绑销售交强险和其他车辆险种的竞争优势已经消失殆尽,这无形中增加了在国内汽车保险业竞争的难度。因为在未来的车险市场,已经不是简单的卖方市场,它同样也面临着不同消费者群体的比较和选择,不能积极适应市场的保险公司必然会被市场所淘汰。在整个汽车保险的竞争中,保险产品的定价被视作是整个机动车辆保险竞争的一个关键因素,它不仅事关被保险人的利益,而且与保险公司的未来命运息息相关。保费的厘定包括两个方面,一个是基本保费的确定;一个是次年续保费的调整,这一方面主要就是由奖惩系统决定的。国外,对于机动车辆保险产品定价的研究由来已久,其中Jean Lemaire对于该系统的发展起到了举足轻重的作用,在国内,孟生旺和袁卫教授对于这个系统的研究也具有先导性。保险公司决定机动车辆保险费率的因素有很多个,如机动车辆驾驶人员的驾龄、车龄,机动车的使用性质这些先验信息,同时也包括车主的索赔次数的记录这些后验信息。以上信息都影响着保险公司的费率。奖惩系统根据被保险人不同的风险水平确定不同的费率,它对于不同风险被保险人制定不同的费率,维持机动车辆保险市场的公平、防止道德风险和减少小额赔付,控制保险公司的支出等都起到了十分重要的作用。文章的大体结构如下:第一部分导论,主要介绍了文章的研究背景和研究的意义,其中研究的背景中分析了汽车市场发展的现状和汽车保险市场发展的状况‘,此外文中还阐述了机动车辆风险的因素,这中间包括人的因素、车的因素等。该部分还分析了BMS研究的意义以及国内外研究的现状。第二部分BMS系统介绍,首先分析了BMS系统及构成要素,并建立了该系统的数学模型,并以该模型出发,建立起了稳态分布,根据这个稳态分布可以估计出在各个折扣层级的被保险人的数量,对于保险公司长期的财务稳定意义重大。此外本章中还讨论了BMS模型中现存的几个问题,如拟合精度、违章等。第三部分拟合精度研究,文中主要构造了叠加分布和调零分布,通过这两个分布完善了相关分布的拟合精度。在拟合索赔数据的时候,经常出现拟合不完整的现象,如有时出现数据过度拟合,也有时会出现数据拟合不足的情况。对此文中通过几个模型相互叠加,提高了损失数据的拟合精度,也可以在实现了索赔数据为零的完全拟合的情况下,完成对其它数据的拟合。第四部分在BMS系统中考虑其他因素,这些因素包括违章、保险欺诈、索赔大小,免赔额这些因素,该章中分别解决了BMS系统中不能考虑上述因素的问题。违章记录,保险欺诈记录也是区分一个汽车驾驶人“好”与“坏”重要因素,在目前的奖惩系统还不能把这两个因素考虑在内。依照奖惩系统的规定,对好的驾驶人进行奖励,而对坏的驾驶人进行惩罚,因此在奖惩系统里加入了违章奖惩系数和欺诈奖惩系数,对于原有的BMS系统做出了进一步的完善。文中还对免赔额这一个决定赔付金额的因素进行了讨论,并在原有的基础上建立了一个弹性免赔额模型,它考虑了不同的收入层次的免赔额,即对于不同收入层次的被保险人给出了不同的免赔额度,这个模型对于双方来说都是有利的,因此对于保险公司保险费率的合理性也有了很大的帮助。第五部分机动车费率奖惩系统的比较性选择。文中对奖惩系统的严厉性进行了介绍,并对两个公司的BMS系统的稳态分布进行了比较。第六部分完善我国机动车奖惩系统的建议,本章介绍了我国几家保险公司的奖惩系统,其中以人民财产保险公司的奖惩系统最为简单也最易操作,而华泰保险公司的奖惩系统最具特色,也是最能反映被保险人不同的风险状况的奖惩系统。本文中还推荐了几个BMS模型,这几个模型同时考虑到了索赔额度大小、违章次数,保险欺诈这几个因素中的多个因素。文章的最后给我国现有的BMS系统提出了几点建议,如增加折扣等级,提高奖惩系数等。本文的特色和创新之处主要体现在以下几点:首先,本文主要用一个数学模型的形式介绍了BMS模型,并对稳态分布用一个香港公司的统计数据进行了介绍。这一点的原因在于BMS系统是一个数学模型,如果单纯的用文字来表述并不能体现这个系统的本质,另外保险公司建立这个模型的一个重要目的还在于了解未来被保险人的折扣等级,便于保险公司内部实现财务平衡,而通过稳态分布可以大致了解被保险人的折扣层级的人数,对保险公司的意义是深远的。其次,文中在奖惩系统中引入了违章记录、保险欺诈、索赔额度大小等因素,并引入了弹性免赔模型。以往的奖惩系统通常都是根据驾驶人员的索赔次数历史记录而形成的,这一因素虽然也是保险公司衡量被保险人风险水平的重要因素,但并不能反映被保险人的全部。因此将这三个因素引入了奖惩系统之后,更加清晰的体现了被保险人的风险,从而方便的分辨出“好的”和“坏的”车辆驾驶人。再次,本文为了提高索赔的拟合精度,通过叠加分布和调零分布两个模型,分别对索赔额度大小和索赔次数的拟合精度进行了提高。其中索赔额大小的拟合模型通常包括帕累托分布、指数分布、对数正态分布模型,拟合索赔次数的模型有负二项分布、泊松分布的模型等。一般的单个模型在拟合索赔数据的时候,经常出现拟合不完整的现象,如有时出现数据过度拟合,会出现数据拟合不足的情况。对此文中通过几个模型相互叠加,提高了损失数据的拟合精度,同时也可以在实现了索赔数据为零的完全拟合的情况下,完成对其它数据的拟合。本文的不足之处在于以下几点:首先,因笔者数据资源有限,所以本文所使用的数据大多数为几年之前的数据,因此证明出的结论缺乏充分的可靠性。其次,文中所提出的对于该系统的建议(如引入保险欺诈)缺乏实证,不能充分证明该模型的有效性。另外,本文中对于我国奖惩系统的建议完全是从理论角度,缺乏实践基础,因此是否能起作用尚不确定。我国的保险事业历经了极其曲折的发展历程,因此,我国精算学的发展方面也相对滞后。其中,机动车辆保险在非寿险中占有十分重要的地位。我国目前对该系统的研究不多,在本文中提到了国内几个学者对于BMS系统的研究情况。未来中国国内机动车辆的发展市场是十分广阔的,因此应该进一步加强对机动车辆保险费率—BMS系统的研究。
王莉,遇玺[10](2012)在《机动车辆保险奖惩系统的国际比较》文中提出文章对欧盟、美国、韩国、中国香港等几个典型国家和地区的机动车辆保险公司BMS进行了比较研究,并结合中国保险公司现行的BMS,提出了我国保险公司优化BMS的政策性建议。
二、对机动车辆保险BMS的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、对机动车辆保险BMS的研究(论文提纲范文)
(1)基于多元分布识别不同索赔的奖惩系统(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 给定转移规则的BMS |
1.2.2 最优BMS |
1.3 本论文研究内容 |
第二章 模型假设 |
2.1 基本模型 |
2.2 分层模型 |
第三章 保费 |
第四章 参数估计及模拟 |
4.1 参数估计 |
4.2 模拟 |
4.2.1 模拟一(n=1,m=1) |
4.2.2 模拟二(n=2,m=1) |
4.2.3 模拟三(n=2,m=2) |
第五章 真实案例应用 |
5.1 经典泊松伽马模型 |
5.2 将索赔额分成两种类型 |
5.3 将索赔额分成三种类型 |
第六章 结论 |
参考文献 |
致谢语 |
(2)基于ARIMA-SVM的车险索赔次数预测(论文提纲范文)
摘要 |
abstract |
1.绪论 |
1.1 研究背景和意义 |
1.2 国内外索赔次数研究回顾 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文研究思路 |
1.3.1 本文的主要工作 |
1.3.2 本文的结构安排 |
2.机动车辆保险概述 |
2.1 机动车辆保险的概念和特征 |
2.2 影响机动车辆保险定价的因素 |
2.3 机动车辆保险的奖惩系统 |
3.索赔次数的经典分布模型 |
3.1 索赔次数的简介 |
3.2 经典分布模型 |
3.2.1 泊松分布 |
3.2.2 二项分布 |
3.2.3 负二项分布 |
3.2.4 二元混合泊松分布 |
4.ARIMA模型 |
4.1 ARIMA模型概念及模型简介 |
4.1.1 自回归模型AR(p) |
4.1.2 滑动平均模型MA(q) |
4.1.3 自回归移动平均模型ARIMA(p,d,q) |
4.1.4 ARIMA(p,d,q)模型的识别 |
4.2 ARIMA模型建模步骤 |
4.2.1 数据平稳性检验 |
4.2.2 对差分后平稳序列进行拟合 |
5.支持向量机(SVM)模型 |
5.1 统计学习的基本理论 |
5.1.1 VC维(函数的多样性) |
5.1.2 推广性的界 |
5.1.3 经验风险最小化准则(ERM) |
5.1.4 结构风险最小化准则(SRM) |
5.2 支持向量机 |
5.2.1 支持向量机的基本思想 |
5.2.2 支持向量机的优点 |
5.2.3 支持向量机分类(SVM) |
5.3 ARIMA和SVM组合预测模型(ARIMA-SVM) |
6.数据来源与实证分析 |
6.1 数据来源 |
6.2 几类经典的索赔次数分布对车险索赔次数的预测 |
6.3 几类经典的索赔次数分布对车险索赔次数拟合比较 |
6.4 ARIMA模型对车险索赔次数的预测 |
6.5 ARIMA-SVM组合预测模型对车险索赔次数的预测 |
7.结论 |
参考文献 |
致谢 |
(3)基于K-PrototypesNN模型的车险风险客户群划分方法研究(论文提纲范文)
摘要 |
英文摘要 |
1 引言 |
1.1 本文的研究背景、目的与意义 |
1.1.1 选题背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外研究文献评述 |
1.3 本文技术路线及主要研究内容 |
1.3.1 研究内容及框架 |
1.3.2 技术路线 |
2 保险风险客户群划分相关概述 |
2.1 保险的风险特征 |
2.1.1 风险的客观性 |
2.1.2 风险的普遍性 |
2.1.3 风险的可测定性 |
2.1.4 风险的发展性 |
2.2 风险管理概述 |
2.2.1 风险管理 |
2.2.2 风险管理的基本程序 |
2.3 风险管理方法 |
2.3.1 全面风险管理(ERM) |
2.3.2 整体风险管理(TRM) |
2.3.3 无赔款优待风险管理系统(NCD) |
2.3.4 各种风险管理方法的简要评述 |
2.4 客户群划分及方法 |
2.4.1 客户群相关概念 |
2.4.2 客户群划分方法及应用 |
3 我国机动车辆保险发展现状分析 |
3.1 我国机动车辆保险发展历程 |
3.2 机动车辆保险风险及特征 |
3.3 我国机动车辆保险发展现状及存在的问题 |
3.3.1 我国机动车辆保险发展现状 |
3.3.2 我国机动车辆保险存在问题分析 |
4 基于K-PROTOTYPESNN方法的机动车辆保险风险客户群划分模型 |
4.1 机动车辆保险风险影响因素 |
4.1.1 驾驶员风险因素 |
4.1.2 车辆风险因素 |
4.1.3 环境风险因素 |
4.2 相关大数据分类算法的比较分析 |
4.2.1 K-近邻方法 |
4.2.2 朴素贝叶斯算法 |
4.2.3 支持向量机 |
4.2.4 人工神经网络 |
4.3 K-PROTOTYPESNN算法 |
4.3.1 KNN与K-prototypes算法的优缺点 |
4.3.2 KNN与K-prototypes算法步骤对比 |
4.3.3 K-Prototypes NN算法 |
4.4 基于KPNN算法的机动车辆保险风险客户群划分模型构建 |
5 实证分析 |
5.1 实现过程 |
5.1.1 数据处理 |
5.1.2 机动车辆保险风险客户群划分 |
5.2 实验结果及分析 |
5.2.1 数据准备 |
5.2.2 机动车辆风险客户群分类器训练 |
5.2.3 实验结果及分析 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
攻读硕士学位期间发表的学位论文 |
(4)中国商业车险BMS转移规则和奖惩系数的精算分析(论文提纲范文)
内容摘要 |
Abstract |
第1章 导论 |
1.1 研究背景和研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外文献综述 |
1.2.1 奖惩系统的设计 |
1.2.2 奖惩系统的评价 |
1.3 研究思路和研究方法 |
1.3.1 研究思路 |
1.3.2 研究方法 |
1.4 研究内容和创新点 |
1.4.1 研究内容 |
1.4.2 创新点 |
第2章 商业车险的费率厘定和奖惩系统 |
2.1 商业车险的费率厘定 |
2.1.1 先验费率厘定 |
2.1.2 后验费率厘定和奖惩系统 |
2.2 奖惩系统的评价工具 |
2.2.1 BMS的惩罚严厉性评价 |
2.2.2 BMS转移规则的评价 |
2.2.3 “重复性惩罚或奖励”的严重程度评价 |
2.3 奖惩系统的设计工具 |
2.3.1 稳态贝叶斯最优奖惩系数 |
2.3.2 非渐近的贝叶斯最优奖惩系数 |
2.3.3 线性最优奖惩系数 |
2.3.4 几何最优奖惩系数 |
2.4 本章小结 |
第3章 中国商业车险奖惩系统的现状评价 |
3.1 中国商业车险的费率厘定和奖惩系统 |
3.1.1 中国商业车险费率厘定 |
3.1.2 中国商业车险的奖惩系统实践 |
3.2 全国版(除北京、厦门)BMS的惩罚严厉性评价 |
3.2.1 平均保费水平 |
3.2.2 惩罚严厉性指数 |
3.2.3 弹性 |
3.3 全国版(除北京、厦门)BMS的转移规则评价 |
3.3.1 转移规则本身的认识 |
3.3.2 转移规则效率的评估 |
3.4 北京、厦门地区BMS的现状评价 |
3.4.1 惩罚严厉性评估 |
3.4.2 转移规则的评估 |
3.5 中国商业车险BMS“重复性惩罚或奖励”的严重程度 |
3.6 本章小结 |
第4章 基于动态转移规则的BMS精算分析 |
4.1 动态转移规则的主要类型 |
4.1.1 基于奖惩等级变化的动态转移规则 |
4.1.2 基于先验风险分级变化的动态转移规则 |
4.1.3 基于一般变化的动态转移规则 |
4.2 动态转移规则的比较 |
4.2.1 不同数据环境下的检验 |
4.2.2 不同先验分类下的检验 |
4.2.3 不同奖惩等级数下的检验 |
4.3 本章小结 |
第5章 基于贝叶斯最优奖惩系数的BMS精算分析 |
5.1 贝叶斯最优奖惩系数 |
5.1.1 贝叶斯最优奖惩系数的含义 |
5.1.2 贝叶斯最优奖惩系数的计算 |
5.2 基于全国版(除北京、厦门)BMS的奖惩系数 |
5.2.1 先验风险分类的确定 |
5.2.2 转移规则的确定 |
5.2.3 奖惩系数的确定 |
5.3 基于北京、厦门版BMS的奖惩系数 |
5.3.1 转移规则的确定 |
5.3.2 奖惩系数的确定 |
5.4 本章小结 |
第6章 线性约束下的奖惩系数与BMS的改进性设计 |
6.1 线性奖惩系数 |
6.1.1 线性奖惩系数的含义 |
6.1.2 线性奖惩系数的计算 |
6.2 基于全国版(除北京、厦门)BMS的线性奖惩系数 |
6.2.1 先验分类和转移规则 |
6.2.2 最优线性奖惩系数 |
6.3 基于北京、厦门版BMS的线性奖惩系数 |
6.3.1 先验分类和转移规则 |
6.3.2 最优线性奖惩系数 |
6.4 本章小结 |
第7章 结论、建议与展望 |
7.1 结论 |
7.1.1 关于中国商业车险BMS的现状 |
7.1.2 关于BMS的改进性设计 |
7.2 建议和展望 |
7.2.1 政策建议 |
7.2.2 研究展望 |
附录 |
参考文献 |
个人简历在学期间发表的学术论文 |
后记 |
(5)商车费改背景下汽车保险奖惩系统实证研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 汽车保险奖惩系统改革的背景和意义 |
1.2 国内外研究综述 |
1.3 研究思路和内容 |
1.4 研究目标和创新点 |
第2章 汽车保险奖惩系统的理论基础 |
2.1 汽车保险奖惩系统的概念和现状 |
2.2 汽车保险奖惩系统基础保费定价因素 |
2.3 汽车保险奖惩系统的马尔科夫性和最优BMS |
第3章 汽车保险奖惩系统的实证分析 |
3.1 汽车保险奖惩系统基础保费索赔次数拟合 |
3.2 汽车保险奖惩系统最优BMS |
3.3 出险预测 |
第4章 我国现行汽车保险奖惩系统的评价 |
4.1 我国改革前后汽车保险奖惩系统及其马尔可夫转移矩阵 |
4.2 我国改革前后汽车保险奖惩系统严厉性比较 |
第5章 结论与建议 |
5.1 研究结论 |
5.2 汽车保险奖惩系统改革的相关建议 |
5.3 研究不足 |
参考文献 |
致谢 |
(6)机动车辆奖惩系统引入前后的均衡保费费率研究-——基于动态博弈视角(论文提纲范文)
一、引言 |
二、车险行业引入BMS的必要性论证 |
(一) 完全信息两期动态博弈分析模型 |
(二) 非完全信息两期动态博弈分析模型 |
(三) 多期动态博弈分析模型 |
1. 思路分析 |
2. 模型假设 |
3. 信度模型 |
三、车险行业发展规律实证 |
(一) 理论上车险行业发展规律 |
(二) 中国车险行业发展规律 |
四、结论与政策建议 |
(一) 研究结论 |
(二) 政策建议 |
(7)机动车辆保险最优免赔额的定价分析 ——以G财产保险公司为例(论文提纲范文)
摘要 |
ABSTRACT |
引言 |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究综述 |
1.2.1 国外研究综述 |
1.2.2 国内研究综述 |
1.3 研究思路与方法 |
1.3.1 研究思路 |
1.3.2 研究方法 |
1.4 创新与不足 |
2 机动车辆保险免赔额的理论基础及我国的实践 |
2.1 免赔额的意义 |
2.2 免赔额的类型 |
2.3 免赔额在我国机动车辆保险中的实践 |
3 机动车辆保险最优免赔额定价模型的建立 |
3.1 模型的假设 |
3.2 模型的建立 |
3.3 模型的初始求解 |
4 基于G财产保险公司的机动车辆保险最优免赔额实证 |
4.1 G财产保险公司的经营现状分析 |
4.2 基于G财产保险公司的模型参数确定 |
4.3 基于G财险公司的实证结果与分析 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
附录:G财产保险公司浙江分公司机动车辆保险承保信息截图 |
致谢 |
(8)机动车辆奖惩系统引入前后的均衡保费费率研究 ——基于动态博弈视角(论文提纲范文)
摘要 |
Abstract |
第一章 导论 |
第一节 研究背景 |
第二节 研究意义 |
第三节 研究思路 |
第四节 研究方法 |
第五节 小结 |
第二章 文献综述 |
第一节 现状研究综述 |
一、车险市场问题研究 |
二、保险费率市场化 |
三、车辆奖惩系统 |
第二节 理论研究介绍 |
一、产业周期理论简述 |
二、博弈论理论研究 |
第三节 小结 |
第三章 商业车险行业概况 |
第一节 行业发展历程 |
一、第一阶段:车险起步阶段 |
二、第二阶段:第一轮费率改革 |
三、第三阶段:探索调整阶段 |
四、第四阶段:第二轮车险费率改革 |
第二节 行业发展现状 |
一、产险市场整体规模扩大,产险发展规模更为突出 |
二、车险企业承担压力日益增大 |
第三节 行业问题分析 |
一、国内车险业务流程缺少信息共享机制 |
二、道德风险是造成保险人损失扩大的因素之一 |
第四节 国外车险发展 |
第五节 小结 |
第四章 车险市场的博弈 |
第一节 保险人之间的博弈 |
第二节 保险人与中介人的博弈 |
第三节 保险人与投保人的博弈 |
第四节 小结 |
第五章 BMS引入前后的博弈模型 |
第一节 符号说明 |
第二节 模型的分析与建立 |
一、静态博弈分析模型 |
二、两期动态博弈分析模型 |
三、多期动态博弈分析模型 |
第三节 小结 |
第六章 博弈模型的实际应用 |
第一节 模型假设 |
第二节 模型运用 |
一、理论上车险行业发展规律 |
二、发达国家车险行业发展规律 |
三、中国车险行业发展规律 |
第三节 小结 |
第七章 结论与政策建议 |
第一节 研究总结 |
第二节 政策建议 |
第三节 研究展望 |
参考文献 |
后记 |
致谢 |
(9)机动车辆奖惩系统的缺陷分析与实证研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
1. 导论 |
1.1 研究的背景和研究的意义 |
1.1.1 研究背景 |
1.1.2 研究的意义 |
1.2 国内外研究的现状分析 |
1.2.1 国内研究的现状 |
1.2.2 国外研究的现状 |
1.3 研究的思路和方法 |
1.3.1 研究的思路 |
1.3.2 研究的基本方法 |
1.3.3 研究的创新之处 |
1.3.4 本文的不足之处 |
2. BMS系统介绍 |
2.1 BMS系统 |
2.1.1 BMS系统及构成要素 |
2.1.2 BMS系统的数学模型 |
2.1.3 稳态分布 |
2.2 目前BMS模型存在的主要问题 |
2.2.1 BMS的拟合精度 |
2.2.2. BMS中无法考虑保险欺诈 |
2.2.3. BMS中无法考虑违章 |
2.2.4 无法考虑索赔额度大小 |
2.2.5 免赔系统的使用问题 |
3. 拟合精度研究 |
3.1 叠加分布模型 |
3.1.1 连续分布 |
3.1.2 叠加分布 |
3.1.3 叠加分布的参数估计 |
3.1.4 叠加分布的实证分析 |
3.2 调零分布模型 |
3.2.1 离散分布 |
3.2.2 调零分布 |
3.2.3 调零分布的实证分析 |
4. 在奖惩系统中考虑其他因素 |
4.1 在奖惩系统中考虑违章因素 |
4.1.1 把交通违章记录引入BMS的必要性和可行性 |
4.1.2 违章奖惩模型 |
4.2 保险欺诈与BMS研究 |
4.2.1 什么是保险欺诈 |
4.2.2 保险欺诈的危害 |
4.2.3 把保险欺诈中引入BMS的必要性和可行性 |
4.3 考虑索赔额度大小的BMS |
4.3.1 BMS模型中引入索赔额度大小 |
4.3.2 应用模型 |
4.3.3 以韩国三星火灾海上股份有限公司为例剖析BMS |
4.4 弹性免赔额模型 |
4.4.1 初始免赔额解析 |
4.4.2 新模型的建立 |
5. 机动车费率奖惩系统的比较性选择 |
5.1 严厉性比较 |
5.1.1 严厉性指标 |
5.1.2 严厉性比较 |
5.1.3 模型应用 |
5.2 被保险人该如何选择BMS系统 |
6、完善我国机动车辆费率奖惩系统的思考 |
6.1 我国各大保险公司的BMS介绍 |
6.1.1 中国人民保险公司 |
6.1.2 中国平安保险的BMS系统 |
6.1.3 太平洋保险公司的BMS |
6.1.4 华泰保险公司的BMS |
6.2 可供我国参考的BMS介绍 |
6.2.1 考虑索赔总额和违章记分两个因素的BMS |
6.2.2 考虑索赔次数、索赔平均额度和违章的BMS系统 |
6.2.3 考虑平均索赔额度大小的奖惩系数 |
6.3 对我国机动车费率奖惩系统的建议 |
参考文献 |
后记 |
致谢 |
在读期间科研成果目录 |
(10)机动车辆保险奖惩系统的国际比较(论文提纲范文)
0 引言 |
1 机动车辆保险奖惩系统的国际比较 |
1.1 对欧盟机动车保险奖惩系统的分析 |
1.2 对美国机动车保险奖惩系统的分析 |
1.3 对韩国SFMI公司机动车保险奖惩系统的分析 |
(1) 险种分类 |
(2) 评价期限 |
(3) 评价内容 |
(4) 保费系数的确定 |
1.4 对中国香港机动车保险奖惩系统的分析 |
2 我国现行机动车保险奖惩系统的比较 |
3 结论与启示 |
3.1 我国现行汽车保险奖惩系统的优缺点 |
3.2 关于我国现行机动车保险奖惩系统改进的建议 |
(1) 在奖惩系统中考虑索赔额的大小 |
(2) 将交通违章事故全面地纳入奖惩系统 |
(3) 更细致的奖惩等级划分 |
(4) 加大奖惩力度 |
四、对机动车辆保险BMS的研究(论文参考文献)
- [1]基于多元分布识别不同索赔的奖惩系统[D]. 许启梁. 厦门大学, 2019(08)
- [2]基于ARIMA-SVM的车险索赔次数预测[D]. 薛智雯. 西南财经大学, 2018(01)
- [3]基于K-PrototypesNN模型的车险风险客户群划分方法研究[D]. 刘佳宇. 东北农业大学, 2017(03)
- [4]中国商业车险BMS转移规则和奖惩系数的精算分析[D]. 邸娜. 天津财经大学, 2017(05)
- [5]商车费改背景下汽车保险奖惩系统实证研究[D]. 王琰. 浙江财经大学, 2017(06)
- [6]机动车辆奖惩系统引入前后的均衡保费费率研究-——基于动态博弈视角[J]. 余梦娜,燕麟. 保险理论与实践, 2016(06)
- [7]机动车辆保险最优免赔额的定价分析 ——以G财产保险公司为例[D]. 张宜彬. 浙江工商大学, 2016(02)
- [8]机动车辆奖惩系统引入前后的均衡保费费率研究 ——基于动态博弈视角[D]. 余梦娜. 上海社会科学院, 2015(01)
- [9]机动车辆奖惩系统的缺陷分析与实证研究[D]. 张宗. 西南财经大学, 2013(04)
- [10]机动车辆保险奖惩系统的国际比较[J]. 王莉,遇玺. 统计与决策, 2012(22)