پيش‌بيني خسارت رشته‌ بدنه اتومبيل با به‌كارگيري روش‌هاي سري زماني (مورد مطالعه: شركت بيمه پارسيان)

Predicting the Damage of Hull Car Insurance, Using Time Series Methods (Case Study: Parsian Insurance Company)

بيمه اتومبيل در بازار بيمه ايران بالاترين حجم صدور و خسارت را دارد. بنابراين نياز به تصميم‌گيري‌هاي مالي و پيش‌بيني رفتار اين بازار براي بيمه‌گران امري ضروري است. سري زماني از روش‌هاي توانمند آماري است كه با استفاده از روش‌هاي مبتني‌بر فرآيندهاي تصادفي به مدل‌سازي و پيش‌بيني رفتار متغيرهايي مي‌پردازد كه به‌گونه‌اي به زمان وابسته‌اند. مقاله حاضر ميزان خسارت وارد شده در رشته بيمه بدنه اتومبيل (شركت بيمه پارسيان از فروردين ماه سال 1385 الي تيرماه 1389) را به‌صورت يك متغير زماني درنظرگرفته‌است، سپس با استفاده از دو مدل سري زماني باكس-جنكينز و وينترز به مدل‌بندي رفتار اين متغير زماني مي‌پردازد. باتوجه به اينكه مشاهدات، روند فصلي دارند از مدل‌هاي آريماي فصلي ضربي باكس و جنكينز و وينترز فصلي ضربي استفاده شد. ابزار شاخص خطاي MAPE نشان مي‌دهد مدل وينترز فصلي ضربي برازش دقيق‌تر به داده‌ها ارايه مي‌كند. درنهايت با استفاده از مدل منتخب، ميزان خسارت براي يك دوره شش‌ماهه پيش‌بيني مي‌شود.

In Iranian insurance market, car insurance has the highest volume in terms of issuance and loss. So, the need for financial decisions and predicting the behavior of this market is imperative for insurers. Time series are powerful statistical methods that use statistical methods based on random processes to modelise and predict the behavior of such variables depend on time. In this paper, damage of hull car insurance (Parsian Insurance Company from March 1385 to July 1389) is considered as a variable, then by using two models time series, i.e. Box - Jenkins and Winters, the behavior of this variable is modelized. Since observations has seasonal trends, SARIMA and Winters multiplicative models are used. MAPE error indicator tools show that Winterʹs multiplicative model has more accurate fitting. Finally, by using Winters model, damage of hull car insurance for a period of six months is predicted.