Bayesian Estimate of Automobile Insurance Rate Making Using Human Factors

• Main Authors: Shou, Minhome, 蕭銘宏
• Other Authors: Lin Lie-Fen
• Format: Others
• Language: zh-TW
• Published: 1997
• Online Access: http://ndltd.ncl.edu.tw/handle/04646779449566097753

碩士 === 逢甲大學 === 統計與精算研究所 === 85 === **************************************************************** ************** 我國的汽車保險自開辦以來，費率的計算係採從車主 義，直到「強制汽車責任保險法草案」中明訂汽車責任保險費率之計算應 兼採從車及從人兩項因素；其中從人因素多採用駕駛人的年齡、性別做為 費率係數考量的因子。 *********************************** 昔日 由於承保人數的限制，造成高年齡層的樣本不足，例如：承保人男性、年 齡在61~70歲之間的投保人數太少，如此一來在費率上的計算將造成嚴重 的誤差，所以昔日在計算費率時是先將駕駛人依年齡區分，算出各個年齡 層的費率係數，同理再單獨對性別區分之，以求出各性別的費率係數；換 言之，每一位駕駛人將可以同時擁有二種不同的費率係數，再由這二種不 同的費率係數的組合求出從人因素的費率係數。******************** 雖然樣本數太少的問題暫告解決，但緊跟著來的問題是" 這二種不同費率 係數的組合是否真具代表性？" 本文嘗試使用貝氏估計法對單一分類的各 駕駛人求其費率係數，再用與現行方法相同的函數組合求出從人因素的費 率係數，也就是在不同的方法下求得的係數，用相同的函數組合後作一分 析比較，以期望能求得一個令人滿意的結果，至於研究的步驟如下：(一) 蒐集國內車險的損失資料，並加以整理分類。(二) 首先對貝氏估計法作 一介紹，接著對Monte Carlo法與 Gibbs sampler兩種常用來解決貝氏估 計會遇到的瓶頸的方法作一簡介。(三) 將貝氏估計法實際應用在汽車險 的從人因素費率計算上。 (四) 對現行的巴里氏估計法及傳統的統計估計 方法作一介紹。(五) 將貝氏估計法計算的結果與現行採用的費率係數作 一比較，以探求不同方法下的利弊。************************* 由 於本文的目的是要利用統計界中正熱門的貝氏估計法與 Gibbs sampler 抽樣法，拿來與陳強精算師於民國八十三年十一月對巴里氏最小誤差估計 法的計算作一比較，因此本文沿用當年所使用的資料，無法取得新年度的 資料算是文中小小的缺陷；另外，本文中對損失的分配直接假設為指數( Exp.)分配，因為要由資料中找到一組既適合且好計算得的分配，實在是 較難以實現的理想狀態 。******************************************** **************************************************************** *********