分保摊回赔款估计的个案方法

由于巳知赔案估计涉及信息的局限性，以此为基础的分保摊回赔款估计不一定准确，故必须通过得到的精算估计来修正基于巳知赔案得出的结论，这可通过个案调整和总体调整的方法来实现，个案估计方法根据巳知赔案估计与巳发生损失精算估计的比例关系来对巳知有摊田的赔案逐一加以调整，汇总得出分保摊回比率，本文用数字例子分析和说明了这种方法。     

谨防“虚报冒领”现象的发生

(一)虚报支出。如伪造凭证，利用虚开的发票报销套取现金；模仿单位领导人的签名，在不符合报销规定的发票、收据等凭证上作弊报销；虚构经济业务侵吞款项，涂改刮擦票据虚报；扩大支出金额，冒领现金，虚列销售商品发生的索赔款等。     

论保险公司内部审计的重点

加入WTO后，我国保险业得到迅速发展，行业之间的竞争也更加激烈。面对具有较强实力的国外同行，中国民族保险业的内部审计工作更需要加强和改革。在当前形势下，保险公司尤其是财产保险公司的内部审计工作应重点注意以下几个问题：一、对保险费率的稽核审计现阶段，中国保险市场的机动车险条款费率是由保监会统一制订的，各保险公司必须完全遵照执行，不得擅自浮动；其他险种的条款费率由各保险公司自行制订并报保监会备案，虽然可以上下浮动，但必须控制在一定范围之内。现在个别基层公司为了完成保费任务，不顾公司的实际偿付能力和保…     

中国健康保险市场实现突破与发展的建议

2005年，我国健康保险业务收入为312．3亿元，仅占当年人身保险业务收入的8．45％；同期健康险的赔款与给付支出107．9亿元，占当年人身保险业务赔款与给付支出总额的23．57％。这组数据表明，健康险业务收入对于保险业的贡献度虽处较低水平，但其赔款与给付支出却相对占较大比重，显示健康险在人身保险产品中处于尴尬位置。     

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。     

未决赔案管理与未决赔款准备金评估之解析

未决赔款准备金作为非寿险公司的主要负债,对公司的产品定价、利润测算、风险管理和偿付能力等都有着重要影响,因此如何准确合理地对其进行估计,一直是业内人士讨论的重点。未决赔款准备金分为三个部分,分别是已发生已报告未决赔款准备金（即未决估损）、已发生未报告和已发生未完全报告未决赔款准备金（即IBNR和IBNER）以及间接理赔费用准备金。其中,     

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。     

工程索赔款的会计问题

索赔是工程承包合同履行中,当事人一方因对方不履行或不完全履行既定的义务,或者由于对方的行为使权利人损失时,要求对方补偿损失的权利。索赔是工程承包中经常发生并随处可见的现象。由于施工现场条件、气候条件、施工进度的变化,以及合同条款、规范标准文件和施工图纸的变更、差异、延误等因素的影响,使得工程承包中不可避免地出现索赔。就索赔对象而言,工程索赔一般是指在工程施工过程中,承包商向业主取得的索赔,从广义上讲也包括承包商向保险公司、供应商、运输商等提出的索赔以及业主向承包商提出的索赔。一、工程索赔的确认1.赔款的确…     

非寿险业务的会计核算

由于保险行业的特殊性,保险会计理论研究相对滞后。新准则中有两项专门规范保险企业会计行为的具体准则,即第25号《原保险合同》和第26号《再保险合同》,从理论上填补了保险会计研究的空白,使保险会计的核算和会计信息的披露与国际财务报告准则趋同。非寿险会计是保险会计     

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。