非寿险精算教案FSX2a.docVIP

  • 0
  • 0
  • 约8.84千字
  • 约 17页
  • 2026-01-23 发布于河北
  • 举报

二、损失进展法进行最终赔款预测

最终赔款是已付赔款和未决赔款之和。由于报案延迟或理赔延迟,最终赔款往往需要多年以后才能确定。所以,为了厘定保险费率,精算师需要根据已付赔款等数据对最终赔款进行预测。从而使费用厘定更加合理可行。

保险事故发生后,损失进展法假定前提如下:“未报告已报告未赔付已赔付”这一顺序进展,并且这一过程在者一时期内是平稳的。

例:现有某险种已付赔款统计数据如下,

表2-4累积已付赔款流量三角表

事故年

进展年

0

1

2

3

4

5

2000

1024

2350

3264

4122

4516

4939

2001

1469

3190

4520

5185

5676

2002

1421

2960

4278

5718

2003

1248

2768

4113

2004

1540

3152

2005

2405

注:表中数据从左到右表示某年发生的保险事故随着时间的推移,已付赔款在不断增加。例如,2000年发生的保险事故当年已付赔款为1024,一年后(第一个进展年末)累积已付赔款增加到2350;表中数据从上到下表示各事故年的累积已付赔款。

根据已付赔款流量三角表,可以计算出相邻两个进展年之间的增长情况如下表,

表2-5累积已付赔款进展因子表

事故年

进展因子(YZ)

0-1

1-2

2-3

3-4

4-5

2000

2.2949

1.3889

1.2629

1.0956

1.0937

2001

2.1715

1.4169

1.1471

1.0947

2002

2.0830

1.4453

1.3366

2003

2.2179

1.4859

2004

2.0468

平均进展因子

2.15

1.44

1.25

1.10

1.10

设用表示0-1进展年进展因子,其它年份同理。则有各年份之间平均进展因子如下,

,,

,,。

利用平均进展因子可以对未来已付赔款进行预测,预测表如下,

表2-6累积已付赔款预测表

事故年

进展年

0

1

2

3

4

5

2000

1024

2350

3264

4122

4516

4939

2001

1469

3190

4520

5185

5676

6244

2002

1421

2960

4278

5718

6290

6919

2003

1248

2768

4113

5141

5655

6221

2004

1540

3152

4539

5674

6241

6865

2005

2405

5171

7446

9307

10238

11262

表中黑体数据为累积已付赔款预测值。例如,2002事故年在当前的累积已付赔款是5718(对应进展年数为3),而3-4年的进展因子为1.10,4-5的进展因子也为1.10,所以3-5年的进展因子为。因此第4个进展年的累积已付赔款为、第4个进展年的累积已付赔款为。

三、索赔强度变化与索赔责任的关系

假设某种风险的损失金额在50万元内波动,现有三份保险合同额为此风险提供保险。对于每次损失,第一份合同负责赔偿0-10万元的损失、第二份合同负责赔偿10-25万元的损失、第三份合同负责赔偿25-50万元的损失。假设该风险在保险期间发生了3次损失,损失金额分别为5、20和40万元,则每份保险合同承担的赔款如下表,

表2-7每份保险合同承担的赔款

损失金额

第一份合同(0-10)

第二份合同(10-25)

第三份合同负(25-50)

5

5

-

-

20

10

10

-

40

10

15

15

合计

25

25

15

如果所有损失金额受通货膨胀的影响平均上升了10%,则每份保险合同承担的赔款如下表,

表2-8每份保险合同承担的赔款(损失金额上升10%)

损失金额

第一份合同(0-10)

第二份合同(10-25)

第三份合同负(25-50)

5.5

5.5

-

-

22

10

12

-

44

10

15

19

合计

25.5

27

19

赔款增长幅度

2%

8%

26.67%

第四节、索赔频率、索赔强度(赔款)趋势分析

一、非寿险精算中常用的时间序列模型

线性模型:

抛物线模型:

二次抛物线模型:

次多项式模型:

指数曲线模型:或

修正指数曲线模型:

龚帕兹(Compertz)曲线模型:或

罗杰斯特(Logistic)曲线模型:或

不对称曲线模型:

对称曲线模型:

二、确定型时间序列识别

1、时间序列差分和差比

例:设有某产品产量时间序列统计资料如下:

产量()

100

200

352

551

800

一次差分()

100

152

199

249

二次差分()

50

47

50

注:表中时间序列二次差分值大致相等,可选用抛物线模型:进行预测(为什么?)。

例:设某商品销售量时间序列如下:

销售量()

60

75

90

110.7

141.7

171.5

差比()

1.25

1

文档评论(0)

1亿VIP精品文档

相关文档