4. CONCLUSIONSAn accurate insurance

4. CONCLUSIONS
An accurate insurance pricing system allows insurance companies to cover expected
losses, expenses and make adequate the provision for contingencies. The first step in auto
insurance pricing is the modeling of claim frequency, which represents an essential part for
obtaining a reasonable and equitable insurance premium.
In this paper, it was considered an analysis of the classical and mixed count data
models employed to estimate the frequency of claims made on vehicle insurance policies,
focusing on the factors used to explain the insured risk. After a distinct analysis of insured’s
age variable, we obtained five categories of age depending on different years intervals in
comparison with similar studies. This classification is used in the econometric modeling of
insurance premiums.
After testing the equidispersion assumptions of Poisson distribution, both statistics
presented in this paper reach the same conclusion, meaning the existence of overdispersion
within the studied insurance portfolio. Results of these tests showed that NB models correct
the overdispersion, providing a better fit to the data in comparison to the Poisson model.
Furthermore, the comparison of NB1 and NB2 models indicated that the last one is
preferred. By using the likelihood ratio in order to test the fit of the NB2 model, the results
suggest that this model is the most appropriate to deal with the problem of overdispersion
and to predict the claim frequency for the analyzed auto insurance portfolio.
While using Poisson and negative binomial models in the framework of GLMs, the
risk factors that appeared to explain significantly the frequency of claims was the age-group
and occupation of policyholders, the type, use and GPS device of vehicle, the bonus-malus
coefficient and duration of the insurance policy. Based on the obtained results, we observed
a decrease of claim frequency along with an increase of the insurance contracts duration,
and also an increase of the frequency of claims along with the increase of bonus-malus
coefficient. For these variables, there were obtained results which are similar with other
actuarial studies and also consistent with the reality of the studied phenomenon.
The results obtained for the three variables introduced as risk factors indicates that the
insured’s occupation and GPS device appears to be significant, while the value of vehicle
does not explain the frequency of claims. The modeling results could be considered as
interesting sugestions for the insurance companies while implementing their pricing policy.
Thus, the company could work with more age groups in order to evaluate the risk level of
each insured and implicitly to calculate the insurance premium. The insured’s occupation
represents another valid factor that could be considered by the company in order to group
the insurance portfolio in homogenous classes. Based on the GPS variable, the company
could implement some precautionary measures, suggesting the new insured to use a GPS
device. All this aspects aim at obtaining reasonable premium that corresponds to the risk
level of each insured, and therby respecting the principle of equity in insurance.
Our empirical study could be useful to the policy-makers by allowing a better control
on the insured risks and an accurate assessment of the insurance company liabilities leading
to solvency and profitability.

ผลลัพธ์ (ไทย) 1:

4. บทสรุปการกำหนดราคาระบบประกันถูกต้องให้บริษัทประกันภัยจะคาดขาดทุน ค่าใช้จ่ายให้เพียงพอสำรองสำหรับภาระผูกพัน ขั้นตอนแรกในอัตโนมัติกำหนดราคาประกันเป็นแบบจำลองของการเรียกร้องความถี่ ซึ่งหมายถึงสิ่งที่สำคัญสำหรับได้รับเบี้ยประกันภัยเหมาะสม และเป็นธรรมในกระดาษนี้ เป็นการวิเคราะห์ข้อมูลจำนวนคลาสสิก และแบบผสมแบบจำลองที่ใช้ประเมินความถี่ของการอ้างสิทธิ์ในกรมธรรม์ประกันภัยรถยนต์เน้นปัจจัยที่ใช้ในการอธิบายความเสี่ยงที่เอาประกันภัย หลังจากการวิเคราะห์ที่แตกต่างของการเอาประกันภัยตัวแปรอายุ เรารับอายุขึ้นอยู่กับช่วงเวลาของปีใน 5 หมวดเปรียบเทียบกับการศึกษาคล้ายกัน การจัดประเภทนี้จะใช้ในแบบจำลองคำของเบี้ยประกันหลังจากการทดสอบสมมติฐานของการแจกแจงปัวซอง สถิติทั้งสอง equidispersionนำเสนอในการเข้าถึงกระดาษนี้ข้อสรุปเดียวกัน ความหมาย การดำรงอยู่ของ overdispersionภายในศึกษาประกัน ผลของการทดสอบเหล่านี้แสดงให้เห็นว่า NB รุ่นแก้ไขoverdispersion ที่ดีกว่าให้พอดีกับข้อมูลเปรียบเทียบกับแบบ Poissonนอกจากนี้ การเปรียบเทียบรุ่น NB1 และ NB2 ระบุว่า สุดท้ายที่ต้องการ โดยใช้อัตราส่วนโอกาสในการทดสอบพอดีรุ่น NB2 ผลลัพธ์แนะนำว่า รุ่นนี้จะเหมาะสมที่สุดในการจัดการกับปัญหาของ overdispersionและ การทำนายความถี่เรียกร้องสำหรับการวิเคราะห์อัตโนมัติประกันผลงานในขณะที่ใช้ Poisson และรุ่นทวินามลบในกรอบของ GLMs การปัจจัยเสี่ยงที่จะอธิบายความถี่ของการเรียกร้องอย่างมากคือ กลุ่ม อายุและอาชีพของผู้ถือกรมธรรม์ ชนิด ใช้ และอุปกรณ์ GPS ของรถ โบนัส-malusค่าสัมประสิทธิ์และระยะเวลาของกรมธรรม์ประกันภัย อิงได้รับผล เราตั้งข้อสังเกตการลดความถี่ในการเรียกร้องพร้อมกับการเพิ่มขึ้นของระยะเวลาสัญญาประกันและยังเพิ่มความถี่ของการเรียกร้องพร้อมกับการเพิ่มขึ้นของโบนัส malusค่าสัมประสิทธิ์การ สำหรับตัวแปรเหล่านี้ ได้รับผลลัพธ์ที่คล้ายกับอื่น ๆการศึกษาคณิตศาสตร์ประกันภัย และยังสอดคล้องกับความเป็นจริงของปรากฏการณ์ที่ศึกษาหมายถึงผลลัพธ์ที่ได้สำหรับตัวแปรที่สามที่นำมาใช้เป็นปัจจัยเสี่ยงอาชีพของผู้เอาประกันภัยและ GPS อุปกรณ์ปรากฏ เป็นสำคัญ ในขณะที่มูลค่าของรถอธิบายความถี่ของการเรียกร้อง ผลการสร้างโมเดลอาจเป็นsugestions น่าสนใจสำหรับบริษัทประกันภัยในขณะที่การใช้นโยบายการกำหนดราคาของพวกเขาดังนั้น บริษัทสามารถทำงานกับกลุ่มอายุอื่น ๆ เพื่อประเมินระดับความเสี่ยงของแต่ละประกันและโดยนัย การคำนวณเบี้ยประกันภัย อาชีพของผู้เอาประกันภัยแสดงถึงปัจจัยที่ถูกต้องที่อาจจะถือ โดยบริษัทเพื่อจัดกลุ่มกลุ่มผลิตภัณฑ์ประกันในชั้นเรียนเป็นเนื้อเดียวกัน คะแนนจากตัวแปรของจีพีเอส บริษัทอาจใช้บางมาตรการ แนะนำผู้ประกันตนใหม่ใช้จีพีเอสอุปกรณ์ จุดมุ่งหมายด้านนี้ที่ได้รับพรีเมี่ยมที่เหมาะสมที่สอดคล้องกับความเสี่ยงระดับของผู้เอาประกันภัยแต่ละ และ therby เคารพหลักการของการประกันภัยศึกษาเชิงประจักษ์ของเราอาจเป็นประโยชน์ในการการคอมพิวติ้ง โดยให้การควบคุมดีขึ้นประกันความเสี่ยงและการประเมินความถูกต้องของหนี้สินของบริษัทประกันภัยที่นำคล่องและทำกำไร

ผลลัพธ์ (ไทย) 2:

4. สรุป
ระบบการกำหนดราคาประกันที่ถูกต้องจะช่วยให้ บริษัท ประกันที่ครอบคลุมคาดว่า
การสูญเสียค่าใช้จ่ายและทำให้บทบัญญัติที่เพียงพอสำหรับภาระผูกพัน ขั้นตอนแรกในรถยนต์
การกำหนดราคาประกันคือการสร้างแบบจำลองของความถี่ในการเรียกร้องซึ่งหมายถึงเป็นส่วนสำคัญสำหรับ
การได้รับเบี้ยประกันที่เหมาะสมและเป็นธรรม.
ในกระดาษนี้ก็ถือว่าการวิเคราะห์ข้อมูลนับคลาสสิกและผสม
แบบจำลองที่ใช้ในการประเมินความถี่ ของการเรียกร้องที่ทำเกี่ยวกับนโยบายการประกันรถ
มุ่งเน้นไปที่ปัจจัยที่ใช้ในการอธิบายความเสี่ยงของผู้ประกันตน หลังจากการวิเคราะห์ที่แตกต่างของผู้ประกันตนของ
ตัวแปรอายุเราได้รับห้าประเภทของอายุขึ้นอยู่กับช่วงเวลาที่แตกต่างกันปีใน
การเปรียบเทียบกับการศึกษาที่คล้ายกัน การจำแนกประเภทนี้จะใช้ในการสร้างแบบจำลองทางเศรษฐมิติของ
เบี้ยประกัน.
หลังจากการทดสอบสมมติฐาน equidispersion ของการกระจาย Poisson สถิติทั้ง
นำเสนอในบทความนี้ถึงข้อสรุปเดียวกันหมายถึงการดำรงอยู่ของ overdispersion
ภายในผลงานการประกันการศึกษา ผลการทดสอบเหล่านี้แสดงให้เห็นว่ารุ่น NB แก้ไข
overdispersion ให้ดีขึ้นสอดคล้องกับข้อมูลในการเปรียบเทียบกับรูปแบบ Poisson.
นอกจากนี้การเปรียบเทียบ NB1 และ NB2 รุ่นชี้ให้เห็นว่าคนสุดท้ายที่จะ
แนะนำ โดยใช้อัตราส่วนในการสั่งซื้อเพื่อทดสอบความเหมาะสมของรูปแบบ NB2 ผลลัพธ์
แสดงให้เห็นว่ารุ่นนี้เป็นที่เหมาะสมที่สุดในการจัดการกับปัญหาของการ overdispersion
และจะทำนายความถี่เรียกร้องสำหรับการวิเคราะห์ผลงานประกันภัยรถยนต์.
ในขณะที่ใช้ Poisson และ รุ่นทวินามเชิงลบในกรอบของ GLMs ที่
ปัจจัยเสี่ยงที่ปรากฏจะอธิบายอย่างมีนัยสำคัญความถี่ของการเรียกร้องเป็นกลุ่มอายุ
และอาชีพของกรมธรรม์ประเภทการใช้งานและอุปกรณ์ GPS ของยานพาหนะที่โบนัส Malus
ค่าสัมประสิทธิ์การและระยะเวลาของการ นโยบายการประกันภัย. ขึ้นอยู่กับผลที่ได้รับเราสังเกต
การลดความถี่ในการเรียกร้องพร้อมกับการเพิ่มระยะเวลาการทำสัญญาประกันได้
และยังเพิ่มความถี่ของการเรียกร้องพร้อมกับการเพิ่มโบนัส Malus
ค่าสัมประสิทธิ์ สำหรับตัวแปรเหล่านี้มีที่ได้รับผลซึ่งมีความคล้ายคลึงกับคนอื่น ๆ
การศึกษาตามหลักคณิตศาสตร์ประกันภัยและยังสอดคล้องกับความเป็นจริงของปรากฏการณ์การศึกษาได้.
ผลที่ได้สำหรับสามตัวแปรแนะนำว่าเป็นปัจจัยเสี่ยงที่แสดงให้เห็นว่า
อาชีพและอุปกรณ์ GPS เอาประกันที่ดูเหมือนจะเป็นอย่างมีนัยสำคัญ ในขณะที่มูลค่าของรถ
ไม่ได้อธิบายความถี่ของการเรียกร้อง ผลการสร้างแบบจำลองจะได้รับการพิจารณาเป็น
sugestions ที่น่าสนใจสำหรับ บริษัท ประกันภัยในขณะที่การดำเนินการนโยบายการกำหนดราคาของพวกเขา.
ดังนั้น บริษัท ฯ สามารถทำงานร่วมกับกลุ่มอายุที่มากขึ้นเพื่อประเมินระดับความเสี่ยงของ
แต่ละผู้ประกันตนและโดยปริยายในการคำนวณเบี้ยประกัน การประกอบอาชีพของผู้เอาประกันภัย
แสดงให้เห็นถึงปัจจัยอื่นที่ถูกต้องที่อาจได้รับการพิจารณาโดย บริษัท ในกลุ่มเพื่อให้
ผลงานการประกันในชั้นเรียนเป็นเนื้อเดียวกัน ขึ้นอยู่กับตัวแปรจีพีเอส, บริษัท
สามารถใช้มาตรการบางแนะนำผู้ประกันตนใหม่ที่จะใช้จีพีเอส
อุปกรณ์ ทุกแง่มุมนี้มีจุดมุ่งหมายที่ได้รับพรีเมี่ยมที่เหมาะสมที่สอดคล้องกับความเสี่ยง
ระดับของแต่ละประกันตนและ therby เคารพหลักการของผู้ถือหุ้นในการประกัน.
การศึกษาเชิงประจักษ์ของเราอาจจะเป็นประโยชน์กับผู้กำหนดนโยบายโดยให้การควบคุมที่ดี
เกี่ยวกับความเสี่ยงของผู้ประกันตนและ ประเมินความถูกต้องของหนี้สิน บริษัท ประกันภัยชั้นนำ
ในการละลายและการทำกำไร

ผลลัพธ์ (ไทย) 3:

4 . สรุปถูกต้อง ระบบประกันราคาให้ บริษัท ประกันภัยเพื่อให้ครอบคลุมคาดการสูญเสีย ค่าใช้จ่าย และให้เพียงพอบทบัญญัติสำหรับภาระผูกพัน . ขั้นตอนแรกในรถยนต์ราคาประกันเป็นแบบความถี่ของการเรียกร้อง ซึ่งเป็นส่วนหนึ่งที่สำคัญสำหรับได้รับเบี้ยประกันที่เหมาะสม และยุติธรรมในกระดาษนี้ ได้มีการพิจารณาการวิเคราะห์คลาสสิกและผสมข้อมูลนับแบบจำลองที่ใช้ประเมินความถี่ของการเรียกร้องที่ทำเกี่ยวกับนโยบายการประกันภัยรถยนต์เน้นใช้เพื่ออธิบายปัจจัยความเสี่ยงที่เอาประกัน หลังจากการวิเคราะห์ที่แตกต่างของผู้ประกันตนของตัวแปรอายุ เราได้ 5 ประเภทอายุขึ้นอยู่กับช่วงเวลาปีแตกต่างกันการเปรียบเทียบกับการศึกษาที่คล้ายกัน หมวดหมู่นี้ใช้ในแบบจำลองเศรษฐมิติของเบี้ยประกันหลังจากการทดสอบสมมติฐาน equidispersion การแจกแจงปัวส์ซอง ทั้งสถิติที่นำเสนอในบทความนี้ถึงข้อสรุปเดียวกัน หมายถึง การดำรงอยู่ของ overdispersionภายในมีประกันผลงาน ผลของการทดสอบเหล่านี้แสดงให้เห็นว่ารุ่น NB ที่ถูกต้องการ overdispersion ให้เหมาะสมกับข้อมูลในการเปรียบเทียบกับพารามิเตอร์รูปแบบนอกจากนี้ การเปรียบเทียบแบบจำลอง nb1 NB2 ) และสุดท้ายคือที่ต้องการ โดยใช้อัตราส่วนความน่าจะเป็นในการทดสอบความฟิตของ NB2 รูปแบบผลลัพธ์แนะนำว่า รุ่นนี้เป็นรุ่นที่เหมาะสมที่สุดที่จะจัดการกับปัญหาของ overdispersionและทำนายค่าเรียกร้องแบบอัตโนมัติประกันผลงานในขณะที่ใช้ทวินามปัวซอ และรูปแบบเชิงลบในกรอบของ glms ,ปัจจัยความเสี่ยงที่ปรากฏเพื่ออธิบายระดับความถี่ของการเรียกร้อง คือ กลุ่มอายุและอาชีพของผู้เอาประกันภัย ชนิดใช้กับอุปกรณ์ GPS ของยานพาหนะ , โบนัสมารุสัมประสิทธิ์และระยะเวลาของนโยบายการประกัน จากผลการทดลองเราพบความถี่ของการเรียกร้องลดลงพร้อมกับการเพิ่มขึ้นของสัญญาประกันระยะเวลาและยังเพิ่มความถี่ของการเรียกร้องพร้อมกับเพิ่มโบนัสมารุสัมประสิทธิ์ สำหรับตัวแปรเหล่านี้มีผลที่คล้ายกันอื่น ๆการศึกษาคณิตศาสตร์และสอดคล้องกับความเป็นจริงของการศึกษาปรากฏการณ์ผลลัพธ์ที่ได้สำหรับ ตัวแปรทั้งสามตัวเป็นปัจจัยความเสี่ยงพบว่าอาชีพของผู้เอาประกันภัย และอุปกรณ์ GPS จะปรากฏเป็นสำคัญ ในขณะที่มูลค่าของรถยนต์อธิบายไม่ได้ ความถี่ของการเรียกร้อง แบบจำลองผลอาจจะถือว่าเป็นที่น่าสนใจสำหรับบริษัทประกันภัย Sugestions ในขณะที่การใช้นโยบายการกำหนดราคาของพวกเขาดังนั้น บริษัท สามารถใช้งานได้มากกว่ากลุ่มอายุเพื่อประเมินระดับความเสี่ยงของแต่ละประกันโดยปริยายในการคํานวณเบี้ยประกันภัย . อาชีพของผู้เอาประกันภัยเป็นอีกปัจจัย ที่อาจจะถือว่าถูกต้องโดยบริษัท เพื่อกลุ่มประกันผลงานในชั้นเรียน homogenous . ตาม GPS ตัวแปร , บริษัทสามารถดำเนินการบางมาตรการ จะใช้ GPS เป็นผู้ประกันตนใหม่อุปกรณ์ ทั้งหมดนี้คือจุดมุ่งหมายที่ได้รับพรีเมี่ยมที่สอดคล้องกับความเสี่ยงที่เหมาะสมระดับของแต่ละประกัน และ therby เคารพหลักการของทุนประกันการศึกษาเชิงประจักษ์ของเราสามารถเป็นประโยชน์เพื่อให้ครอบคลุม โดยการควบคุมดีกว่าในการประกันความเสี่ยงและการประเมินความถูกต้องของ บริษัท ประกันภัยความรับผิดชั้นนําจะละลายและผลกำไร