铜川人保 未决赔案管理见成效

未决赔案的管理是机动车辆险业务管理的一项重要内容，也是真实反映机动车辆险经营状况的重要指标之一。但过去由于旧体制的影响，无序的未决赔案使人保陕西铜川市公司的车险经营效益一直在低谷中徘徊。如何加强车险未决赔案管理，合理降低车险赔付，引起铜川公司领导的重视。通过近两年的探索实践，尤其是以管理效益统揽全局，加大了对未决赔案的清理核查工作力度。     

上海市第九届优秀寿险代理人风采录（一）

很多人觉得寿险营销员是看人家脸色吃饭的。可当有一次．一个受难客户的家属满含泪水地接过我给她送去的理赔款后激动地跪下的那一刹，激荡在我内心的不仅仅是震撼，还有沉甸甸的社会责任。这就是保险：急客户所急，想客户所想。     

定值保险赔款计算之我见

在多年的教学实践中,笔者发现,关于定值保险赔款计算的问题在理论研究中存在着歧义,对于几个相关专业名词的定义与理解并不统一．工作中也存在着定值保险的理赔纠纷。有这样一起货物运输保险部分损失的索赔案,双方约定保险价值按销售发票（不含增值税）金额的65％计算,被保险人要求按足额保险对维修费用全额赔偿,保险人只愿意按照维修费用的65％赔偿。被保险人和保险人的立场都能够找到理论上的依据,所以,在相关法规及条款的修订时应该对定值保险的规定加以完善。     

加快建立地震保险等巨灾保险制度

汶川地震发生后,保险业根据党中央,国务院要求,迅速投入到抗震救灾工作中.保监会紧急启动保险业重大突发事件应急预案Ⅰ级响应程序,发布<关于加强保险业应对地震灾害工作的通知>,成立应急指挥机构,指挥整个保险业的抗震救灾工作.各保险公司认真部署和督促落实理赔服务措施,增配相关人员和设备,建立24小时值班制度,保持报案电话畅通,保证人员及时到位,建立了绿色理赔通道,让受灾群众尽早得到保险赔款.     

低温雨雪冰冻灾害带给保险业的反思

面对建国以来罕见的持续大范围低温、雨雪和冰冻的极端天气,保险业认真贯彻落实党中央国务院关于抗灾救灾的各项要求,充分发挥保险的各项功能和作用,积极开展抗灾救灾工作,取得了较好的成效.截至3月5日,已接到灾害保险报案101.7万件,支付赔款22.3亿元,捐款6000多万元,为灾区恢复生产生活秩序、进行灾后重建做出了积极贡献.     

非寿险公司赔款准备金与盈余管理——中国市场的经验分析

利用我国非寿险公司2001~2007年的财务数据,采用分位数回归方法探讨非寿险公司赔款准备金调整的动机,并比较非寿险业务准备金评估方法改变前后公司实现盈余管理动机的差异。研究发现,非寿险公司存在实现盈余管理的现象,相比规避递延税收的目的而言,管理层故意调整公司当年赔款准备金数字进行盈余平滑的动机更为显著。当公司当期盈余表现差于前一期时,管理者倾向于低估当期赔款准备金提升账面盈余;若当期盈余表现优于前一期时,则高估准备金平滑盈余。在当年承保业务不佳,赔付率较高时,非寿险公司具有低估准备金掩饰承保质量的动机。2005年非寿险业务赔款准备金评估方法的改变,显著增强了非寿险公司利用赔款准备金进行盈余管理的动机。     

保费收入确认和计量问题的研究

一、保费收入的定义和内涵保费收入是保险公司为履行保险合同而向投保人收取的对价收入。其内涵主要有两个方面, 一方面:保费收入是投保人将风险转嫁给保险公司所需支付的对价,也是保险大数法则中投保人为形成共同风险保障而分摊的资金;另一方面:保费收入是保险公司最主要的收入来源是支付投保人、被保险人和受益人赔款与给付的最主要资金来源,也是保险公司投资收入的本金。     

论我国地震保险制度的构建

我国是个地震频发的国家,而地震等巨灾保险制度在我国一直处于较为尴尬的境地。5.12汶川大地震的突发,进一步凸显了我国地震等巨灾保险制度的软肋。论文在介绍美国、挪威、新西兰和日本完善的地震保险制度的基础上,对如何构建我国地震保险制度提出了几点对策建议。     

考虑离群值的非寿险准备金案均赔款法

在案均赔款法中引入离群值,运用残差箱线图法和两点法对相关索赔数据进行离群值检验,然后针对离群值提出了一种稳健的案均赔款法,并对进展因子和结案率数据的选取方式加以修正。通过对两组不同数据同时引入离群值,对比了稳健的案均赔款法与传统案均赔款法对多个离群值的敏感性,并得出了相应的未决赔款准备金评估值。经过对比结果可以看出：稳健的案均赔款法可以对离群值进行有效的识别和调整,最终索赔额估计结果也比传统方法更加平稳。     

基于机器学习算法的车险索赔概率与累积赔款预测

保险费率厘定的核心工作是对保险损失的预测。在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择。本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较。结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型。机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法。