قیمت‌گذاری محصولات بیمه‌ای و محاسبه حاشیه توانگری مالی شرکت بیمه با استفاده از روش نسبت انحراف بالقوه از میانگین

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشیار، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

2 دانشیار، گروه بیمه، دانشکده بیمه اکو، دانشگاه علامه طباطبائی، تهران، ایران

3 دانشجوی دکتری، گروه مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

چکیده

هدف: هدف این تحقیق محاسبه حق بیمه منصفانه، بر اساس اصل برابری، همراه با محاسبه نسبت توانگری مالی شرکت بیمه به‌روش جدید نسبت انحراف بالقوه از میانگین است.
روش: متغیر خسارت کل، از دو متغیر فراوانی و شدت خسارات به‎ دست می‎آید. در این روش، ابتدا توزیع آماری واقعی دو متغیر فراوانی و شدت خسارات برآورد شده، سپس بر پایه اصل برابری حق بیمه منصفانه محاسبه شده است. در مرحله بعد، مقدار انحراف بالقوه از میانگین لازم برای افزایش توانگری مالی شرکت بیمه به دست آمده است. مدل محاسبه حق بیمه و مفهوم دقیق‌تر توانگری مالی شرکت بیمه‌ای که در این پژوهش ارائه شده، بر پایه مبانی علمی استوار است و می‌تواند به‌عنوان روش جدیدی برای کلیه رشته‎‌های بیمه به‌کار برده شود.
یافته‌ها: ‌یافته‌های این تحقیق نشان می‎دهد که برای دستیابی شرکت بیمه به توانگری مالی بیشتر، مقدار حق بیمه و انحراف بالقوه از میانگینی که از طریق تخمین توزیع واقعی فراوانی و شدت مطالبات به‌دست می‎آید، متفاوت از مقداری است که با فرض نرمال‎بودن داده‎‌ها این مقادیر محاسبه می‎شوند. این تفاوت به‌ویژه برای سطوح اطمینان بیشتر، بسیار حیاتی است.
نتیجه‌گیری: از ‌یافته‌های این تحقیق می‎توان نتیجه گرفت که در صورت محاسبه حق بیمه و انحراف بالقوه از میانگین با فرض نرمال‎بودن توزیع داده‌ها، در واقع توانگری مالی واقعی با توانگری مالی ظاهری محاسب‌‎شده برای شرکت بیمه متفاوت خواهد بود و دقیق‌نبودن این قیمت‌گذاری ممکن است که شرکت بیمه را به‌سرعت در سراشیبی ورشکستگی قرار دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Insurance Products Ratemaking and Insurance Company Financial Solvency Ratio Calculation via Potential Deviation Ratio Method

نویسندگان [English]

  • Saeed Shirkavand 1
  • Ghadir Mahdavi Kalishami 2
  • Nima Pazoki 3
1 Associate Prof., Department of Financial Management and Insurance, Faculty of Management, University of Tehran, Tehran, Iran
2 Associate Prof., Department of Insurance, ECO College of Insurance, University of Allameh Tabataba'i, Tehran, Iran
3 Ph.D. Candidate, Department of Finance, Faculty of Management, University of Tehran, Tehran, Iran
چکیده [English]

Objective: The goal of this research is to calculate the amount which must be paid for a fair premium based on the principle of equity and the financial solvency ratio of an insurance company based on the principle of equivalence, via potential deviation ratio method as a new method. Methods: The aggregate loss variable has been derived from Severity and Frequency of the losses. In this method, first the actual statistical distributions of these variables are estimated and then the fair premium is calculated based on the principle of equity. Next, the amount of potential deviation ratio, which is required to increase the financial solvency margin of the insurance company, is calculated. The model for calculating the premium, as well as the more precise concept of financial solvency of the insurance company that is provided in this research, is based on scientific foundations and can be used as a new method for all insurance fields. Results: The results of this research show that the calculated amount of premiums and potential deviation ratio that is required to increase the financial solvency ratio of the insurance company, by estimating the actual distribution of frequency and severity of the claims compared with when these variables are assumed to be normal distributed, are different. The difference is especially important in the higher levels of confidence. Conclusion: It can be concluded that in the case of calculating premiums and potential deviations based on assuming the normal distribution for the data, the real financial solvency ratio would be different from the apparent calculated financial solvency ratio of the insurance company. Furthermore, lacking the ability to precisely price the premiums may cause the insurance company to quickly fall down to bankruptcy. 
 

کلیدواژه‌ها [English]

  • Principle of equity
  • Potential deviation ratio
  • Financial solvency ratio
  • Claims frequency
  • Claims severity
باجلان، سعید؛ راعی، رضا؛ محمدی، شاپور (1395). مدل‌سازی تابع زیان بیمه‌ای با استفاده از ترکیب توزیع تی استودنت چوله ‌هایپربولیک تعمیم‌یافته و نظریه مقادیر فرین. تحقیقات مالی، 18 (1)، 39-58.
باجلان، سعید؛ راعی، رضا؛ محمدی، شاپور (1396). مدل‎سازی تابع توزیع زیان‌های بیمه‌ای با بهره‌گیری از توزیع‎های ترکیبی و مفهوم کاپیولا. تحقیقات مالی، 19 (1)، 23-40.
بیلندی، علی فرزین (1390). مدل محاسباتی حد توانگری مالی مؤسسه‎های بیمه با رویکرد حسابداری، تازههای جهان بیمه، 162، 19-26.
ترکستانی، محمد صالح؛ قربانی، مریم؛ فروتن، مریم (1392). استفاده از تکنیک‎های داده‎کاوی جهت محاسبه و پیش‎بینی توانگری مالی شرکت‎های بیمه. بیستمین همایش ملی بیمه و توسعه، تهران، پژوهشکده بیمه.
صفری، امیر؛ کمالی دولت‎آبادی، مهدی (۱۳۹۱). قیمت‎گذاری بیمه‎های عمر: روش رگرسیون خطی. نوزدهمین همایش ملی و پنجمین سمینار بینالمللی بیمه و توسعه، تهران، پژوهشکده بیمه.
عزیز نصیری، سمانه؛ نصیری، فاطمه (1394). محاسبه نرخ و ضرایب ریسک در بیمه بدنه اتومبیل با استفاده از مدل خطی تعمیم‌یافته. نشریه دانشجویی آمار (ندا)، 13 (2)، 35-47.
عزیزنصیری، سمانه؛ قره‎خانی، محسن؛ ماجدی، زهرا؛ نصیری، فاطمه (1390). محاسبه توانگری مالی شرکت‌های بیمه بر ‌‌اساس سرمایه مبتنی بر ریسک انجمن ملی بیمه‌گران آمریکا، تازههای جهان بیمه، 165، 4-14.
مطیعی، علی؛ اسماعیل‎زاده، علی؛ جهانشاد، آزیتا (1396). رابطه توانگری مالی با متغیرهای مالی شرکت‎های بیمه، پژوهشنامه بیمه، 32 (1)، 23-42.
مهدوی کلیشمی، غدیر؛ نصیری، فاطمه (1391). اصول و مبانی نظری بیمه. پژوهشکده بیمه (وابسته به بیمه مرکزی جمهوری اسلامی ایران).
مهرگان، محمدرضا؛ صفری، حسین؛ جعفرزاده، عبدالحسین (1394). ارزیابی شرکت سهامی بیمه ایران با استفاده از نسبت‌های مالی و مدل‌سازی ریاضی. تحقیقات مالی، 17 (2)، 393- 414.
نعمتی، محمد؛ کاظمی، عالیه (1393). رتبه‎بندی شرکت‏‌های بیمه با استفاده از روش‌های تصمیم‏‎گیری چندشاخصه. تحقیقات مالی، 16 (1)، 163-180.
 
References
Antonio, K., Valdez, E. (2010). Statistical concepts of a priori and a posteriori risk classification in insurance, UvA-DARE (Digital Academic Repository), Universiteit van Amsterdam, Electronic copy available at: http://ssrn.com/abstract=1665463.
Aziz Nasiri, S., Gharakhani, M.,  Majedi, Z., Nasiri, F., Calculation of the solvency ratio of insurance companies based on the risk-based capital NAIC, Insurance World Updates, Insurance Research Center, 165, 4-14 .(in Persian)
Aziz Nasiri, S., Nasiri, F. (2015). Calculation of Rates and Risk Factors in Collision and Comprehensive Insurance Using Generalized Linear Model, Student Statistics Journal (NEDA),13(2), 35-47. (in Persian)
Bahnemann, D. (2015). Distributions for Actuaries, Copyright 2015, Casualty Actuarial Society.
Bajalan, S., Raei, R., Mohammadi, Sh. (2016). Modeling Insurance Claims Distribution through Combining Generalized Hyperbolic Skew-t Distribution with Extreme Value Theory. Financial Research Journal, 18(1), 39-58. (in Persian)
Bajalan, S., Raei, R., Mohammadi, Sh. (2017). Modeling Insurance Claim Distribution via Mixture Distribution and Copula. Financial Research Journal, 19(1), 23-40. (in Persian)
Bilandi, A. (2011).Computational Model of Insurance Institutions solvency ratio based on Accounting Approach, Insurance World Updates, Insurance Research Center, 162, 19-26.
(in Persian)
Chiappori, P. A., Jullien, B., Salanié, B., Salanié, F. (2006). Asymmetric Information in Insurance: General Testable Implications. RAND Journal of Economics, 37, 783-798.
Chiappori, P. A., Salanié, B. (2000). Testing for Asymmetric Information in Insurance Markets. Journal of Political Economy, 108(1), 56-78.
Denuit, M. (2006). An Actuarial Analysis of the French Bonus-Malus System. Scandinavian Actuarial Journal, 2006(5), 247-264.
Dionne, G., Gouriéroux, C., & Vanasse, C. (2001). Testing for Evidence of Adverse Selection in the Automobile Insurance Market: a Comment. Journal of Political Economy 109, 444-453.
Dionne, G., Gouriéroux, C., & Vanasse, C. (2006). The Informational Content of Household Decisions with Applications to Insurance under Asymmetric Information. in Competitive Failures in Insurance Markets: Theory and Policy Implications, MIT Press, London, pp. 159-184.
Frees, E.W. (2010). Regression Modeling with Actuarial and Financial Applications. Cambridge University Press, Cambridge.
Kaas, R., Goovaerts, M., Dhaene, J., Denuit, M. (2008). Modern Actuarial Risk Theory Using R, Springer-Verlag Berlin Heidelberg.
Lemaire, J. (1995). Bonus-malus Systems in Automobile Insurance. Kluwer Academic Publishers, Boston.
Mahdavi, Gh., Nasiri, F. (2012). Fundamental and Theoretical principles of Insurance. Insurance Research Center (Affiliated to the central Insurance of Iran). (in Persian)
McCullagh, P., Nelder, J.A. (1989). Generalized Linear Models. (2nd ed). Chapman and Hall, London.
Mehregan, M., Safari, H., Jafarzadeh, A. (2015). Performance assessment of branches of Iran Insurance Corporation using data envelopment analysis. Financial Research Journal, 17(2), 393-414. (in Persian)
Mihaela, D. (2015). A review of theoretical concepts and empirical literature of non-life insurance pricing. Procedia Economics and Finance, 20, 157 – 162.
Motiee, A., Esmaeelzadeh, A., Jahanshad, A. (2017), The Relationship between Financial Solvency and Financial Variables of Insurance Companies, Iranian journal of Insurance Research, Insurance Research Center, 32(1), 23-42. (in Persian)
Nemati, M., Kazemi, A. (2014). Ranking of insurance companies using multi attribute decision making methods. Financial Research Journal, 16(1), 163-180. (in Persian)
Pesonen, E. (1962). A Numerical Method of Finding a Suitable Bonus Scale. ASTIN Bulleti 2(1), 102-108.
Safari, A., Kamali Dolatabadi, M. (2012). Life Insurance Pricing: A Linear Regression Method, 19th National Conference and Fifth International Seminar on Insurance and Development, Tehran, Insurance Research Center (Affiliated to the central Insurance of Iran). (in Persian)
Savage, L.J. (1954). The Foundation of Statistics. Dover Publications, New York.
Torkestani, M.S., Ghorbani, M., Forootan, M. (2013). Using data mining techniques to calculate and predict the financial solvency ratio of insurance companies, Twentieth National Conference on Insurance and Development, Insurance Research Center. (in Persian)
Werner, G., Modlin, C. (2016), Basic RateMaking, Casualty Actuarial Society.
Wüthrich, V., Switzerland, R. (2017). Non-Life Insurance: Mathematics & Statistics Lecture Notes. Version December 21, 2017, M.V. Wüthrich, ETH Zurich.