不完全信息下的免赔额保险博弈分析.pdfVIP

不完全信息下的免赔额保险博弈分析.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
4自坪忽峙嘴在扣擎譬疆 2ω5 年第 1 期 茄言主信盟τ回自脂翻眼B重回再妇1ft * 孙建胜,王文举 (首都经济贸易大学,北京 1∞026) 揣 摸:本文研究不完合信息条件下舍先赔额保险合同的确定问题。我们通过一个信号博弈模型分析 了可能的先关贝叶斯纳什均衡。初步的研究表明这个馆号博鼻存在着分离均衡,这意味着在不完全馆息的 情况下最优保险合同是可以达成的。 关键词:兔赔额保险;悻号博弈;不完企信息 中图分类号: F840 文献标识码:A 文章编号: 1008 叩 2700 (2ω5) 01-∞68 叩 05 含免赔额形式的保险合同在现实生活中到处可见。一般认为,免赔额条款及共保安排一方丽可以使投 保人以较低的保费购买保险,另一方商由于风险在保险人和投保人之间分扭,能有效防止道德风险问题。 免赔额在保险中的广泛应用引鹉经济学家的长期关尬。综合对保险合同的研究文献,其研究模式大致可划 分为两类:保单外生论及保单内生论。前者如 Mossin、Gould 、 Smith 等人,他们分析了给定投保人的偏好 结构、财寓水平及保险合同形式,投保人在面临特定风险时最优选择问题。厨者如日orch 、 Arrow 、 Raviv 等人,他们…般从最优风险安排出发,运用期盟效用原理,推导最优的保险安排,即保险合间的形式,他 们的研究重点在于从经济理论、风险理论解释…些常见保险合同,探讨各种保险合同的描利效果。 王文举和夏龙梅对在完全倍,息下,对含有免赔额的保险中保险人的行为和保险价格比较静态问题等进 行了博弈分析。本文立足于保单外生给定时,通过博弈来分析在不完全信息情况下投保人与保险人所达成 的最优免赔额保险合同。 一、基本模型与假设 模型中有两个局中人:投保人和保险人。投保人是风险厌恶的冯诺依曼一靡根斯坦效用最大化者,即 U ( .) O. U ( .) 0 ;保险人被假设为面临大盘问质的风险,只关心期望利润,这隐含地假定保 险人是风险中性的。 假设投保人有韧始财富 W, 面临者随机风险损失X , X 是 [0 , 0] 上的均匀分布, 0 0:::; W x 这里假 o 定为外生给定,并且在我们的模型中假设投保人没有试图改变此概率分布的动机,即不存在道德风险问 题。 Æ于均匀分布假设是由于以下考虑:一方面可以便问朋简单化,另…方酣如此假设并不会影响我们所 研究的问题的实质。损失的概事髓度翩数f (x) 口1!8 o 在市场环境方面,不间于传统的免赔额研究对保险人垄断者的假设,在这个模型中,我们假设保险人 处于一个竞争性的市场中,因此只能取得零期望利润。零期望利润假设隐含着保险人在制定保费时也考虑 到其它竞争者及市场的反应,问时保险人烧风险中性的。 : 2佣4 -09 -15 收稿日朔 作者简介:孙建股 (1叨1一 ) .男,首都经济贸易大学数量绞济学博士研究如王文举 (1师- ),男,首都绞济贸易大学教授、博士生导师。 ·本文是.:E文举教授主持的国家社科基金项目博弈论应用与经济动态模拟研究.. (02EJYOQ3) 的阶段成果之一。 68 一份免赔额形式的保险合同可以用向盘 (P, D) 来表示, P 表示保费, D 表示免赔额。在我们的博 弈模型盟, D 和P 分别是投保人和保险人的战略。保险赔付的精算值,即纯保费(或所谓的公平保费) 由下式给出: E(D) =f(X

您可能关注的文档

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档