|
число страхователей без ДТП в контрольной выборке примерно равны. В противном случае (выборки №№ 2.1, 2.2, 2.4, 2.5) оценка прогноза является заниженной, в действительности процент прогноза выше. Дополнительно были также получены прогнозные оценки отсутствия страховых случаев на массиве исходных данных ИД1 и ИД2, а также на всем массиве исходных данных. Результаты расчетов представлены в таблице 4.9. Таблица 4.9 Прогнозные оценки отсутствия страховых случаев на массиве исходных данных Исходные данные Размер массива Процент страхователей, не имевших ДТП Число страхователей, попавших в класс низкого риска Число страхователей без ДТП в контрольном массиве ИД1 217 80,0 148 145 ИД2 611 79,8 489 392 идз 120 (241:360) 81,5 668 537 Анализ таблиц показывает, что прогнозные оценки отсутствия страховых случаев (ДТП) являются гарантированными и статистически устойчивыми (максимальный разброс значений составляет 4.4%). Значения оценок доли страхователей, попавших в класс низкого риска, что они нс попадут в ДТП составляют порядка 80% и выше, что говорит о большой прогностической силе разработанного метода прогнозирования отсутствия страховых случаев, связанных с ДТП. Использование этой информации для поддержки принятия решения при страховании позволяет обеспечить большую адресность страхового обеспечения за счет назначения величины страховых взносов, адекватных риску, и, следовательно, отвечающих интересам страхователей. Таким образом, разработан метод оценивания рисков по 123 |
такой показатель, как общее число страхователей, попавших в класс низкого риска. Результаты расчетов качества классификации страхователей по уровню страхового риска (прогнозирования отсутствия страховых случаев) на всех частных испытательных выборках приведены в табл. 4.10. Таблица 4.10 № частной испытательной выборки Число страхователей в испытательной выборке (номера элементов в массиве исходных данных) Процент страхователей испытательной выборки, нс имевших ДТП Число страхователей, попавших к класс низкого риска Число страхователей без ДТП в контрольной выборке ИД1 1.1 100 (1:100) 83.9 60 62 1.2 117 (101:217) 78.3 85 83 ИД2 2.1 120 (1:120) 82.4 97 74 2.2 120 (121:240) 79.5 100 78 2.3 120 (241:360) 81.7 70 71 2.4 120 (361:480) 80.7 101 83 2.5 131 (481:611) 80.2 106 86 Необходимо отметить, что полученный процент прогноза отсутствия страховых случаев является гарантированной оценкой. Этот процент близок к истине, когда число страхователей, попавших в класс низкого риска, и число страхователей без ДТП в контрольной выборке примерно равны. В противном случае (выборки №№ 2.1, 2.2, 2.4, 2.5) оценка прогноза является заниженной, в действительности процент прогноза выше. Дополнительно были также получены прогнозные оценки отсутствия страховых случаев на массиве исходных данных ИД1 и ИД2, а также на всем массиве исходных данных. Результаты расчетов представлены в таблице 4.11. 132 Таблица 4.11. Исходные данные Размер массива Процент страхователей, не имевших ДТП Число страхователей, попавших в класс низкого риска Число страхователей без ДТП в контрольном массиве ИД1 217 80.0 148 145 ИД2 611 79.8 489 392 ид 120 (241:360) 81.5 668 537 Анализ таблиц показывает, что прогнозные оценки отсутствия страховых случаев (ДТП) являются гарантированными и статистически устойчивыми (максимальный разброс значений составляет 4.4%). Значения оценок доли страхователей, попавших в класс низкого риска, что они не попадут в ДТП составляют порядка 80% и выше, что говорит о большой прогностической силе разработанного метода прогнозирования отсутствия страховых случаев, связанных с ДТП. Использование этой информации для поддержки принятия решения при страховании позволяет обеспечить большую адресность страхового обеспечения за счет назначения величины страховых взносов, адекватных риску, и, следовательно, отвечающих интересам страхователей. Таким образом, разработан метод оценивания рисков по характеристикам объекта управления (в качестве которого при страховании выступает страхователь и его имущество), заключающийся в преобразовании характеристик объекта в факторы риска, построении на них обобщенного показателя риска и интерпретации данных об этом показателе, исходя из целей управления. 133 |