سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,240
تعداد مقالات67,871
تعداد مشاهده مقاله115,436,244
تعداد دریافت فایل اصل مقاله90,205,312
رستمیان, مریم, گل ارضی, غلامحسین. (1401). طراحی مدل تعیین حق بیمه بدنه اتومبیل بهینه با تأکید بر تأثیر متغیرهای کلان اقتصادی در تابع تقاضا. , 57(1), 59-84. doi: 10.22059/jte.2022.330206.1008538
مریم رستمیان; غلامحسین گل ارضی. "طراحی مدل تعیین حق بیمه بدنه اتومبیل بهینه با تأکید بر تأثیر متغیرهای کلان اقتصادی در تابع تقاضا". , 57, 1, 1401, 59-84. doi: 10.22059/jte.2022.330206.1008538
رستمیان, مریم, گل ارضی, غلامحسین. (1401). 'طراحی مدل تعیین حق بیمه بدنه اتومبیل بهینه با تأکید بر تأثیر متغیرهای کلان اقتصادی در تابع تقاضا', , 57(1), pp. 59-84. doi: 10.22059/jte.2022.330206.1008538
رستمیان, مریم, گل ارضی, غلامحسین. طراحی مدل تعیین حق بیمه بدنه اتومبیل بهینه با تأکید بر تأثیر متغیرهای کلان اقتصادی در تابع تقاضا. , 1401; 57(1): 59-84. doi: 10.22059/jte.2022.330206.1008538

طراحی مدل تعیین حق بیمه بدنه اتومبیل بهینه با تأکید بر تأثیر متغیرهای کلان اقتصادی در تابع تقاضا

فصلنامه تحقیقات اقتصادی
مقاله 3، دوره 57، شماره 1 - شماره پیاپی 138، اردیبهشت 1401، صفحه 59-84    اصل مقاله (1.48 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jte.2022.330206.1008538
نویسندگان
مریم رستمیان* 1؛ غلامحسین گل ارضی2
1دکتری تخصصی مدیریت صنعتی - مالی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، ایران
2استادیار گروه مدیریت بازرگانی، دانشکده اقتصاد مدیریت دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، ایران
چکیده
تعیین حق بیمه منصفانه یکی از مسائل اساسی شرکت­ های بیمه است. اکثر مدل‌های تعیین حق بیمه، مبتنی بر تحلیل ریسک یا مبتنی بر رفتار بازار هستند. مدل‌های مبتنی بر تحلیل ریسک به مدل‌های قیمت­ گذاری پیشین و قیمت­ گذاری پسین تقسیم‌بندی می­ شوند که از اطلاعات فراوانی و شدت خسارت برای تحلیل ریسک استفاده می‌کنند. مدل‌های مبتنی بر رفتار بازار موجود نیز تنها برخی از متغیرهای مؤثر بر تابع تقاضا را برای تعیین حق بیمه در مدل خود گنجانده ­اند، حال آن­که شرکت­ های بیمه با ریسک غیربیمه ­پذیر مثل ریسک­ های اقتصادی در بیمه بدنه اتومبیل مواجه هستند و حق بیمه یک شرکت بیمه به­ علت رقابتی بودن بازار بیمه به قیمت رقبا نیز وابسته است. بنابراین در تعیین حق بیمه بهینه لازم است متغیرهای کلان اقتصادی در تابع تقاضا لحاظ گردد. این پژوهش برای اولین بار حق بیمه بهینه را با گنجاندن ضریب نفوذ بیمه در تابع تقاضا محاسبه کرد. به‌منظور تحقق هدف، محقق یک شرکت خصوصی فعال در صنعت بیمه را به‌عنوان بستر تحقیق انتخاب نموده است. روش مورد استفاده مبتنی بر برنامه ­ریزی پویای تصادفی بوده است. معادله سرمایه شرکت بیمه براساس فرآیند مارکوف مشخص شد و تابع هدف مدل به شکل درجه دوم تعریف گردید. تابع تقاضا تابعی از پارامترهای کلان اقتصادی مانند کشش درآمدی تقاضا، نرخ تورم، ضریب نفوذ بیمه تعریف شد. سپس برای سطوح مختلف حق بیمه بازار حق بیمه بهینه محاسبه شد. نتایج حاصله حاکی از آن است که هر چه متوسط حق بیمه بازار بیشتر می­ شود، حق بیمه بهینه کمتر می­ شود.
طبقه ­بندی JEL: B22، C61،E21
کلیدواژه‌ها
اختلال تصادفی؛ برنامه­ریزی پویای تصادفی؛ حق بیمه بهینه؛ متغیرهای کلان اقتصادی؛ متوسط حق­ بیمه بازار
عنوان مقاله [English]
Designing an Optimal Collision Premium Model with Emphasis on the Effect of Macroeconomic Variables on the Demand Function
نویسندگان [English]
maryam rostamian1؛ Gholamhossien Golarzi2
11. Ph.D, Department of Industrial Management, Faculty of Economics, Management and Administrative Affairs, University of Semnan, Semnan, Iran
2Assistant Prof, Department of Business Management, Faculty of Economics, Management and Administrative Affairs, University of Semnan, Semnan, Iran.
چکیده [English]
Determining a fair premium is an essential issue for insurance companies. Many premium models are based on risk analysis and market behavior. Risk analysis is divided into Priori pricing and Posteriori pricing. These models use claim frequency and claim severity. Market behavior models include some variables affecting the demand function to determine premium. In contrast, insurance companies involve with uninsurable risks such as economic risks in collision insurance, and the insurance premium depends on the price of competitors, because there are competitive insurance environments. Therefore, it is essential to consider macroeconomic variables in the demand function. This study, for the first time, includes the insurance penetration in the demand function. To achieve the goal, the researcher has selected a private company active in the insurance industry for sampling. The method used was based on stochastic dynamic programming. The wealth equation of the insurance company is determined based on the Markov process, and the objective function of the model is a quadratic form. The Demand function is described as a function of macroeconomic parameters such as elasticity of demand, inflation rate, and insurance penetration. The optimal premium is calculated for different levels of market premium. The results show the average premium of the market becomes bigger, the optimal premium becomes lower.
JEL Classification: E21, B22, C61
کلیدواژه‌ها [English]
Stochastic disturbance, Stochastic Dynamic Programming, Optimal Premium, Macroeconomic Variables, Average Premium of the market
مراجع
  1. احسانی‌فر، مریم (1391). برآورد تابع تقاضای بیمه بدنه اتومبیل در کل صنعت بیمه ایران. پایان‌نامه کارشناسی ارشد، دانشکده مدیریت اقتصاد و حسابداری، دانشگاه پیام نور، تهران.
  2. براد فورد، دیوید اف. (1998). اقتصاد بیمه اموال و مسئولیت. ترجمه رضا افقی و امیر یوسفیان پور (1393). تهران: انتشارات پژوهشکده بیمه.
  3. غفاری، هادی، یونسی، علی، حسین‌پور کاظمی، محمد و خدادادکاشی، فرهاد (1395). نرخ رشد بهینه مخارج دولت: تئوری کنترل بهینه پویا. پژوهش‌های رشد و توسعه اقتصادی، 6(23)، 145-163.
  4. وامبا، آچیم، ریس، رای (2008). اقتصاد خرد بیمه، ترجمه علی سوری (1390). تهران: انتشارات پژوهشکده بیمه وابسته به بیمه مرکزی جمهوری اسلامی ایران.
  5. Ahlgrim, K.C., & D’Arcy, S.P. (2012). The Effect of Deflation or High Inflation on the Insurance Industry. Casualty Actuarial Society, Canadian Institute of Actuaries and Society of Actuaries.
  6. Antonio, K., & Valdez, E. A. (2010). Statistical concepts of a priori and a posteriori risk classification. Amsterdam: University of Amsterdam, Electronic copy available at: http://ssrn.com/abstract=1665463.
  7. Asmussen, S., Christensen, B., & Thogerson, J. (2019). Nash Equilibrium Premium Strategies for Push-Pull Competition in a Frictional Non-Life Insurance Market. Insurance: Mathematics and Economics.
  8. Bailey, R.A., & Simon, L.R.J. (1960). Two Studies in Automobile Insurance Ratemaking. ASTIN Bulletin, 1(4), 192-217.
  9. Beenstock, M., Dickinson, G., & Khajuria, S. (1988). The Relationship between property-liability insurance penetration and income: An international analysis. The Journal of Risk and Insurance, 55, 259–272.
  10. Bertsekas, D. P. (2005). Dynamic programming and suboptimal control: A survey from ADP to MPC. European Journal of Control, 11(4), 310-334.
  11. Boonen, T.J., Pantelous, A.A., & Wu, R. (2018). Insurance: Non-Cooperative Dynamic Games for General Insurance Markets. Insurance: Mathematics and Economics.
  12. Boubaker, H., & Sghaier, N. )2012(. How Do the Infation Rate and the Interest Rate Affect the Non-Life Insurance Premiums January Bulletin trimestriel de l'Institut des actuaires français. Institut des actuaires français, Paris Vol. n°12(Juillet -Décembre): 87- 111.
  13. Bradford, D-F. (1998). The economics of property-casualty insurance (translators: Reza Ofoghi & Amir Yosefianpour (2014). Tehran: Publications of the Insurance Research Institute.
  14. Browne, M., Chung, J. W., & Frees, W. (2000). International property-liability insurance consumption. The Journal of Risk and Insurance, 67, 73–90.
  15. David, M. (2015). Auto insurance premium calculation using generalized linear models, Procedia Economics and Finance 20, 147 – 156.
  16. Denuit, M., & Lang, S. (2004). Nonlife Ratemaking with Bayesian GAM’s. Insurance: Mathematics and Economics, 35(3), 627-647.
  17. Denuit, M., Maréchal, X., Pitrebois, S., & Walhin, J. F. )2007(. Actuarial Modeling of Claim Counts: Risk Classification, Credibility and Bonus-Malus Scales. Wiley, New York.
  18. Dionne, G., & Vanasse, C. (1989). A Generalization of Automobile Insurance Rating Models: the Negative Binomial Distribution with a Regression Component. ASTIN Bulletin, 19(2), 199-212.
  19. Dionne, G., Vanasse, C. (1992). Automobile Insurance Ratemaking in the Presence of Asymmetrical Information. Journal of Applied Econometrics, 7(2), 149-165.
  20. Dragos, S. L. (2014). Life and non-life insurance demand: the different effects of influence factors in emerging countries from Europe and Asia Economic Research-Ekonomska Istraživanja, 27(1), 169–180.
  21. Emms, P., & Haberman, S. (2005). Pricing general insurance using optimal control theory. ASTIN Bulletin, 35(2), 427–453.
  22. Emms, P., Haberman, S., & Savoulli, I. (2007). Optimal strategies for pricing general insurance.Insurance: Mathematics and Economics, 40(1), 15–34.
  23. Emms, P. (2008). A stochastic demand model for optimal pricing of non-life insurance policies. Mathematical Control Theory and Finance, Springer-Verlang Berlin Heidelberg, 113–136.
  24. Emms, P. (2011). Pricing general insurance in a reactive and competitive market. Journal of Computational and Applied Mathematics, 236(6), 1314–1332.
  25. Esho, N., Kirievsky, A., Ward, D., & Zurbruegg, R. (2004). Law and the determinants of property-casualty insurance. The Journal of Risk and Insurance, 71, 265–283.
  26. Gourieroux, C., & Jasiak, J. (2004(. Heterogeneous Model with Application to Car Insurance. Insurance: Mathematics and Economics, 34(2), 177-192.
  27. Haugen, K-K. (2016). Stochastic Dynamic Programming. ISBN printed edition (print on demand): 978-82-15-02670-1, ISBN electronic pdf-edition: 978-82-15-02671-8.
  28. Huang, H-H. , Shiu Y-M., & Wang C-P. (2013). Optimal insurance contract with stochastic background wealth. Scandinavian Actuarial Journal, 2, 119-13.
  29. Jacobson, D.H. (1974). A General result in stochastic Optimal Control of Nonlinear Discrete-Time Systems with Quadratic Performance Criteria. Journal of Mathematical Analysis and Applications, 47, 153-161.
  30. Kaas, R., Goovaerts, M., Dhaene, J., & Denuit, M. ) 2008(, Modern Actuarial Risk Theory Using R, Springer-Verlag Berlin Heidelberg.
  31. Kjosevski, J. (2012). The determinants of life insurance demand in central and southeastern Europe. International journal of Economics and Finance, 4(3), 237-247.
  32. Krivo, R. (2009). An Update to D’Arcy’s ‘A Strategy for Property-Liability Insurers in Inflationary Times’, Casualty Actuarial Society E-Forum.
  33. Lee, C-C. Chiu, Y-B. (2012). The impact of real income on insurance premiums: Evidence from panel data, International Review of Economics & Finance, 21(1), 246–260.
  34. Lee, C-C. , Chiu, Y-B., & Chang, C-H. (2013). Insurance demand and country risks: A nonlinear panel data analysis, Journal of International Money and Finance, 36, 68-85.
  35. Li, W., & Seng Tan, K., & Wei, P. (2020). Demand for non-life insurance under habit formation (2020). Insurance: Mathematics and Economics.
  36. Lowe, S., & Warren, R. (2010). Post-Recession Inflation: An Emerging Risk for P&C Insurers, Emphasis 3, 24-29.
  37. McClenahan, C.L. (2001). Ratemaking. 4th ed. Foundations of Casualty Actuarial Science, Casualty Actuarial Science.
  38. Mourdoukoutas, F., Boonen, T., & Koo, B Pantelous, A I. (2021). Pricing in a competitive stochastic insurance market. Insurance: Mathematics and Economics, 97, 44-56.
  39. Outreville, F. (1990). The economic significance of insurance markets in developing Countries.The Journal of Risk and Insurance, 57, 487–498.
  40. Pantelous, A.A., & Passalidou, E. (2013). Optimal premium pricing policy in a competitive insurance market environment. Annals of Actuarial Science, 7(2), 175–191.
  41. Pantelous, A.A., & Passalidou, E. (2015). Optimal premium pricing strategies for competitive general insurance markets. Applied Mathematics and Computation, 259, 858–874.
  42. Pantelous, A.A., & Passalidou, E. (2015). Optimal Premium Pricing Strategy of General insurance in a competitive market with quadratic criteria 16th ASMDA Conference Proceedings, 30 June–4 July, Piraeus, Greece.
  43. Pantelous, A.A., & Passalidou, E. (2016). Optimal strategies for a Non-linear premium-reserve model in a competitive insurance Market.Annals of Actuarial Science, 11(1), 1–19.
  44. Park, S. C., & Lemaire, J. (2011a). The impact of culture on the demand for non-life insurance. Insurance and Risk Management. Working paper presented at The Wharton School, University of Pennsylvania.
  45. Park, S. C., & Lemaire, J. (2011b). Culture matters: Long-term orientation and the demand for life insurance. Philadelphia, PA: Wharton School, University of Pennsylvania.
  46. Pinquet, J. (1997). Allowance for Cost of Claims in Bonus-Malus Systems. ASTIN Bulletin, 27(1), 33-57.
  47. Sherden, W. (1984). An analysis of the determinants of the demand for automobile insurance. Journal of Risk and Insurance, 51, 49–62.
  48. Taylor, G.C. (1986). Underwriting strategy in a competitive insurance environment. Insurance: Mathematics and Economics, 5(1), 59–77.
  49. Treerattanapun, A. (2011). The impact of culture on non-life insurance consumption. Paper presented at Wharton Research Scholars Project, The University of Pennsylvania.
  50. https://www.cbi.ir/Inflation/Inflation_FA.aspx
آمار
تعداد مشاهده مقاله: 211
تعداد دریافت فایل اصل مقاله: 154


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب