| dc.contributor | 風管系 | en_US |
| dc.creator (作者) | 余清祥;黃泓智;陳志昌 | zh_TW |
| dc.creator (作者) | Jack C. Yue;Huang,Hong-Chih ;Cheng,Chi-Chung | en_US |
| dc.date (日期) | 2007-07 | en_US |
| dc.date.accessioned | 4-Mar-2014 17:06:22 (UTC+8) | - |
| dc.date.available | 4-Mar-2014 17:06:22 (UTC+8) | - |
| dc.date.issued (上傳時間) | 4-Mar-2014 17:06:22 (UTC+8) | - |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/64440 | - |
| dc.description.abstract (摘要) | 汽車保險是與消費者關係最為密切的財產保險，但或許因為國人對汽車保險的認知不足，至今仍存在不合理現象。例如：近年汽車車體損失險的投保率下降且損失率逐年上升，其原因或可歸咎於現行的保費不見得反映實際的風險，但此有違精算費率精神的現象若持續下去，勢必對汽車保險的財務健全有不良影響。本文採用國內某產險公司1999 年至2002 年汽車車體損失保險資料，探討保費收入與理賠支出的關係，希冀在滿足保費均衡的原則下，尋求較小變異數的預測方法，以降低風險。本文考量過去用於產險的最小誤差估計法，以及根據經驗建構模型的類神經網路法，比較這兩種方法何者較能降低分類的誤差與縮小個體的誤差，以期保費收入與理賠支出兩者間有較小的差異。實證結果顯示，現行國內車體損失險不完全符合保費均衡原則，其間仍存在保險補貼。而在模型配適上，最小誤差估計法計較能改善收支不平衡的現象；而類神經網路法的加減費系統具有較大加減幅度，更能有效區分高低風險群組，降低不同危險群組間的補貼現象，並在跨年度的資料中具有較小的誤差變異。 | en_US |
| dc.format.extent | 359887 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.language.iso | en_US | - |
| dc.relation (關聯) | 風險管理學報, 9(2), 149-172 | en_US |
| dc.subject (關鍵詞) | 汽車車體損失保險;最小誤差估計法;類神經網路 | en_US |
| dc.subject (關鍵詞) | Automobile Material Damage Insurance; Minimum Biased Estimate;Artificial Neural Network | en_US |
| dc.title (題名) | 類神經網路應用於擬定汽車保險費率 | zh_TW |
| dc.title.alternative (其他題名) | Applying Artificial Neural Network to Automobile Insurance Ratemaking | en_US |
| dc.type (資料類型) | article | en |
