گروهبندی سن بیمهگذاران رشته بیمۀ شخص ثالث در ایران، با توجه به نرخ خسارتها | ||
فصلنامه مطالعات اقتصادی کاربردی ایران | ||
مقاله 6، دوره 10، شماره 39، مهر 1400، صفحه 141-175 اصل مقاله (956.05 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22084/aes.2021.23776.3255 | ||
نویسندگان | ||
مهناز منطقی پور* 1؛ وحید قربانی2؛ محبوبه اعلایی3 | ||
1مسئول میز داده کاوی ، گروه پژوهشی بیمۀ الکترونیک، پژوهشکدۀ بیمه، تهران، ایران | ||
2مشاور میز داده کاوی، گروه پژوهشی بیمۀ الکترونیک، پژوهشکدۀ بیمه، تهران، ایران، تهران، ایران | ||
3استادیار گروه پژوهشی بیمۀ اشخاص، پژوهشکدۀ بیمه، تهران ایران ، تهران، ایران | ||
چکیده | ||
مطابق قانون، بیمۀ مرکزی ج. ا. ایران موظف است در محاسبۀ حق بیمههای رشتۀ بیمهای خسارات وارد شده به شخص ثالث در اثر حوادث ناشی از وسایل نقلیه، ویژگیهای راننده نیز مورد توجه قرار دهد؛ از اینرو، در این مقاله با استفاده از دادههای یک شرکت بیمه طی ششسال به بررسی نحوۀ اثرگذاری ویژگی سن بیمهگذاران بر وقوع خسارتها پرداختهایم. نتایج آزمون دو نمونهای کولموگروف-اسمیرنف، گویای اثر گذاری ویژگی سن بر وقوع خسارتها است. بهدلیل تفاوت جمعیت سنی بیمهگذاران چهار گروه اصلی وسایل نقلیه، محاسبات، برای گروههای مختلف خودرو بهصورت مجزا انجام شده است. با استفاده از احتمال شرطی، احتمال وقوع خسارت را برای هر ردۀ سنی محاسبه نمودهایم. همچنین براساس سه ویژگی ثبت شده از بیمهگذاران شامل سن، جنسیت و نوع مشتری درخت تصمیم را محاسبه نمودهایم. براساس نتایج، در خودروهای سواری، بارکش و موتورسیکلت، احتمال وقوع خسارت بهترتیب برای بیمهگذاران با سنین کمتر از 22 سال، 30 سال و 25 سال به میزان قابل توجهی بالاتر است. بنابراین بر اساس اصول بیم سنجی، از بیمهگذاران این سنین حق بیمۀ بالاتری میباید دریافت شود. همچنین، بیش از 50% از خسارتهای منجر به آسیبهای جانی در تمام انواع خودرو، متعلق به رانندگانی است که بیمهگذار نبودهاند؛ بنابراین خودروهایی که رانندگان متعدد دارند، میباید حق بیمۀ بالاتری پرداخت کنند. ویژگی سن بیمهگذاران خودروهای اتوکار تأثیر قابلتوجهی بر نرخ خسارتها نداشته است. | ||
کلیدواژهها | ||
بیمه شخص ثالث وسایل نقلیه موتوری زمینی؛ احتمال شرطی؛ درخت تصمیم؛ ماتریس دقت ردهبندی | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
اصغری اسکوئی، م. ر.؛ خانیزاده، ف.؛ و بهادر، آ.، (1399). «کاربرد داده کاوی با استفاده از الگوریتمهای یادگیری ماشین برای بررسی تأثیر ویژگیهای خودرو در پیشبینی ریسک خسارت مالی در رشته بیمه شخص ثالث». پژوهشنامه بیمه، شمارۀ 35، صص: 33-66.
عربیان، ن.؛ خداپرست مشهدی، م.؛ همایونفر، م.؛ فیضی، م.، و فکور، و.، (1399). «آزمون انتخاب بد در بازار بیمه پایه درمان ایران». فصل نامۀ علمی مطالعات اقتصادی کاربردی ایران، شمارۀ 33، صص: 93-111.
کریمزادگان مقدم، د.؛ و بهروان، م.، (1394). «ارائۀ راهکاری برای تعرفه گذاری پویا در صنعت بیمه با استفاده از تکنیک داده کاوی (مطالع موردی : بیمه شخص ثالث)». پژوهشنامۀ بیمه. شمارۀ 30، صص: 1-20.
محققزاده، ف.؛ شیرینبخش، ش. ا.؛ نجفیزاده، ع.؛ و دقیقیاصلی، ع.، (1396). «تأثیرپذیری رشد اقتصادی از بیمههای زندگی و غیرزندگی». فصلنامه مطالعات اقتصادی کاربردی ایران، شمارۀ 23، صص: 205 -230.
Asghari Oskoei, M. R.; Khanizadeh, F. & Bahador, A., (2020). “Application of Data Mining through Machine Learning Algorithms to Study Effect Insurance”. Iranian Journal of Insurance Research. No. 35(1), Pp: 33-66. doi: 10.22056/jir.2020.228093.2724.
Arabian, N.; Khodaparast Mashhadi, M., Homayounifar, M.; Feizi, M. & Fakoor, V., (2020). “Adverse selection Test in Iran's Basic Health Insurance Market”. Journal of Applied Economics Studies in Iran, 2020, No. 9(33), Pp: 93-111. doi: 10.22084/aes.2019.17763.2768.
Bedsworth, F.; Portillo, J. E.; Neal, D. R. & Willardsen, K., (2021). “Asymmetric information and insurance: An experimental approach”. Journal of Behavioral and Experimental Econom.
Karim Zadehgan Moghaddam, D., Behrvan, M., (2016). “Dynamic Tariffing in Insurance Industry With Data Mining Method (Case Study: Third Person Car Insurance)”. Iranian Journal of Insurance Research, 2016, No. 30(120), Pp: 1-20. doi: 10.22056/jir.2016.17618.
Mohagheghzadeh, F.; Shirinbakhsh, S.; Najafizadeh, A. & Daghighi asl, A., (2017). “Sensitivity of economic growth to life and non-life insurances”. Journal of Applied Economics Studies in Iran, 2017, No. 6(23), Pp: 205-230. doi: 10.22084/aes.2017.13128.2415.
Shams Esfandabadi, Z.; Ranjbari, M. & Domenico Scagnelli, S., (2020). Prioritizing Risk Level Factors in Comprehensive Automobile Insurance Management: A Hybrid Multi-Criteria Decision-Making Model. Global Business Review.
Śliwiński, A. & Kuryłowicz, Ł., (2021). Usage‐based insurance and its acceptance: An empirical approach. Risk management and Insurance Review.
Anon., (2018). Young car driver’s road safety factsheet, s. l.: Department for transportation.
Bedsworth, F.; Portillo, J. E.; Neal, D. R. & Willardsen, K., (2021). “Asymmetric information and insurance: An experimental approach”. Journal of Behavioral and Experimental Economics, Vol. 92, Article 101696.
Charani, N. S., (2020). “Bayesian Smoothing of Decision Tree Soft Predictions and Evidential Evaluation”. Cham, Springer, Pp: 368-381.
Denuit, M.; Hainaut, D. & Trufin, J., (2019). “Insurance Risk Classification”. Effective Statistical Learning Methods for Actuaries, Pp: 3-26.
Dussault, C. & Letendre, P., (1999). “Automobile Insurance: Road Safety, New Drivers, Risks”. Insurance Fraud and Regulation. s.l.: Springer.
Esfandabadi, Z. S. & Esfahani, M. M. S., (2018). “Identifying and classifying the factors affecting risk in automobile hull insurance in Iran using fuzzy Delphi method and factor analysis”. Journal of Industrial Engineering and Management Studies, Vol. 5 (2). Pp. 84-96.
Kozak, J., (2017). Decision Tree and ensemble learning based on Ant colony optimization. s.l.: Springer.
Maag, U. et al., (1999). An evaluation of the effects on crashes of the 1991 legislative reform on new licensees in quebec. New York: Springer Science.
Parodi, P., (2014). Pricing in general insurance. s.l.: CRC press.
Pratt, John, W. & Gibbons, Jean D., (1981). “Kolmogorov-Smirnov Two-Sample Tests”. In: Concepts of Nonparametric Theory. New York: Springer, Pp: 318-344.
Thomas, G. R., (2009). “Demand elasticity, Risk classification and loss coverage: when can community rating work”. Astin bulletin, Pp: 403-428.
Williams, A. F., (1999). Licensing policies for young drivers in the united states. NewYork: Springer. | ||
آمار تعداد مشاهده مقاله: 415 تعداد دریافت فایل اصل مقاله: 582 |