跳到主要內容

臺灣博碩士論文加值系統

(44.200.86.95) 您好!臺灣時間:2024/05/25 16:29
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:楊明仁
研究生(外文):Ming-Zen Yang
論文名稱:應用類神經網路探討人壽保險理賠風險之研究─以理賠事故被解除契約為例
論文名稱(外文):An application of neural network on underwriting risk of life insurance-Examing the
指導教授:林兆欣林兆欣引用關係
指導教授(外文):Chao-Hsin Lin
學位類別:碩士
校院名稱:國立高雄第一科技大學
系所名稱:風險管理與保險所
學門:商業及管理學門
學類:風險管理學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:56
中文關鍵詞:理賠風險被解除契約類神經網路
外文關鍵詞:S.O.Mclaim riskcontract canceled
相關次數:
  • 被引用被引用:2
  • 點閱點閱:171
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:4
目前人壽保險業,雖正面臨有史以來,最大的利差損嚴酷挑戰,但在服務保戶的競爭上,無不以“以客為尊”、“客戶永遠是對的”的策略,提升自家品牌形象。但實務上,一般社會大眾對保險公司,仍存有極大的“核保從寬、理賠從嚴”的認知落差,除了以訛傳訛的錯誤印象之外,最主要還是因極少數的不理賠案件或被解除契約的案件的誤導,而這些誤導,是否可以避免或減到最低?以扭轉社會形象,是保險業者及保險從業人員時時刻刻必須面對,及化解的難題。
本文乃選擇C壽險公司於89年度∼91年度的投保件,而於91年度申請理賠,卻被解除契約的案件,以要保書的內容項目,選取12種變數作為分析、統計的依據,藉由類神經網路之學習,建構出理賠風險之聚類,並經由群聚資料中,分析出各聚類特性,再以視覺化工具來協助理賠人員,建立理賠資訊,以研判是否屬於低風險區域而可予以直接理賠﹝以提升理賠時效及保戶滿意度﹞或屬於高風險區域必須進一步詳細醫務調查﹝以了解是否有違反告知義務﹞。另一方面,亦可供壽險業務人員及核保人員,於新契約招攬及核保時,誘導保戶據實告知及如何下核保決策的參考依據。
Although the insurer nowadays confronted by the severe challenge of utmost interest loss than ever before. However, on the competition of customer service , they are all without exception of using the strategy “Regard customer as the honorable guest ” ”Customer is surely right” to promote the self corporate image .In pratice, the ordinary mass population , they got the perception gap from the insurance company ,ie, The process of underwriting is loose ; The insurance claim is strict. Except the wrong imagination of the spreading rumors by rumors, the few un-paying claim case or contract canceled had been misled . Can it be possible to avoid or lower down the misunderstanding? To twist the social wrong imagine, it surely is the insurer and insurance clerk ought to face and settle down the difficult problem time to time .
This study is taken and selected the insured cases of the insurance C company as an example during the time interval of year of 2000 and 2002 .Among of the contracts canceled in year of 2002, we tried to analyze and statistic the claim gathering group according to the 12 selected variables from the content items of the application form. by the method of learning S.O.M.. Also, with the analysis of gathering groups traits from the source of the gathering data and visualized tool, it can assist the staff adjuster to build the claim information to judge if claim payment directly or not. It can be helpful to shorten claim time deadline, fulfill the customer satisfactory, and further medical investigation to make sure anti-declaration obligation or not. On the other hand, it can also be the reference to provide the staff adjusters and insurance clerk to induce the potential customer declare the reality when dealing with the new insurance contract.
摘要i
ABSTRACTii
誌謝iv
圖目錄vii
表目錄viii
壹、緒論1
一、研究動機1
二、研究背景2
三、研究目的3
四、研究範圍4
五、研究程序5
貳、文獻探討6
一、保險最大誠信原則:6
(一)、最大誠信原則的意義及重要性6
(二)最大誠信表示方式6
二、道德風險與保險詐欺7
(一)、道德風險7
(二)、保險詐欺8
三、解除契約10
四、自組織映射圖(Self-Organizing Maps)11
(一)SOM之網路架構11
(二)SOM基本架構12
參、研究方法13
一、研究設計14
(一)資料來源說明及研究期間:14
(二)變數項目之選用14
二、資料交叉分析探索契約被解除風險之聚類16
三、發生保險契約被解除之檢測分析→以SOM為分析工具16
(一)以輸出矩陣分析契約被解除風險聚類分佈狀況17
(二)以U-matrix圖形顯示保險契約被解除因素之相關性:18
(三)以要素成份平面圖(Component planes)分析各變數之風險聚類情形20
(四)檢視資料之被解除契約間之同質性程度─以Sammon’s mapping之學習22
四、研究限制24
肆、實證分析25
一、變數的衡量與說明27
(一)變數之選取27
(二)、資料統計分析27
(三) 轉換變數為SOM之輸入參數31
二、實證分析步驟說明33
三、SOM模式建構與結果分析過程34
(一)SOM學習完成之衡量34
(二)以視覺化之成份平面圖衡量風險程度36
伍、結論與建議49
參考文獻51
一、中文文獻51
二、英文文獻53
附件:54
附錄:56

圖目錄
圖1- 1 C保險公司申訴件圖3
圖3- 1 SOM輸出矩陣圖17
圖3- 2 U-matrix圖20
圖3- 3 年齡Component plane圖21
圖3- 4 Sammon’s mapping圖23
圖3- 5 收斂圖23
圖4- 1 實證研究流程26
圖4- 2 抽樣參數表設定32
圖4- 3 自組織映射圖類神經網路之參數設定(OK)33
圖4- 4 收斂圖35
圖4- 5 Sammon’s mapping35
圖4- 6 年齡的網路加權值及Component Planes圖37
圖4- 7 險種的網路加權值及Component Planes圖39
圖4- 8 保額的網路加權值及Component Planes圖40
圖4- 9 醫療日額的網路加權值及Component Planes圖41
圖4- 10 職業的網路加權值及Component Planes圖42
圖4- 11 認識期間的網路加權值及Component Planes圖43
圖4- 12 來源的網路加權值及Component Planes圖44
圖4- 13 要被保人的網路加權值及Component Planes圖45
圖4- 14 總保費的網路加權值及Component Planes圖46
表目錄
表3- 1各定性變數代碼對照表18
表4- 1 變數統計表30
表4- 2 風險衡量分析表47
一、中文文獻
1.呂廣盛,1993年2月,人壽保險常見疾病核保案例研討,呂廣盛出版。
2.李家泉,2000年7月,實用保險數理增訂十一版,華泰文化出版。
3.林勳發,1991年3月,保險法論著譯作選集,國立政治大學保險學叢書。
4.林勳發,1996年3月,保險契約效力論,國立政治大學保險學叢書。
5.林倫豪、賴上林,保險法第64條保險契約被解除權舉證責任之研究---兼評最高法院88年度台上字第2212號判決,89年12月,德明學報。
6.施文森,1992年,傷害條款:示範條款及判決例之研析,國立政治大學保險學叢書。
7.陳雲中,1991年,人壽保險的理論與實務,三民書局出版。
8.陳宗慶,88年12月,人壽保險契約要保人違反據實說明義務之法律問題研究,德明學報。
9.陳重偉,2002.6月,人身保險理賠爭議之研究,財團法人保險事業發展中心期刊101-221期。
10.袁宗蔚,1995年,保險學增訂三十三版,三民書局出版。
11.張仲源,1995,人身保險契約法理論與實務,中華民國人壽保險管理學會出版。
12.黃彬舜,1991年,壽險要保書相關法律問題之研究,政大保研所碩士論文。
13.蔡墩銘,1993年9月,商法裁判百選,月旦出版社。
14.蔡瑞煌,1995年,類神經網路概論,三民書局。
15.鄭玉波,1989年8月,保險法理論,三民書局出版。
二、英文文獻
1.Altman, E.I.,1994,Corporate Distress diagnosis: comparisons using linear discriminant analysis and network,Journal of banking and finance,18,505-529。
2.Altman, E. and Katz, S.,1976,Statistical bond rating classification using financial and accounting data. in: Proceedings of the conference on Topical Research in Accounting, ed. Schiff, M. and Sorter, G.
3.Belkaoui,A.,1980,Industrial bond ratings: A New Look. Financial Management,9,44-50。
4.Brunson,A.,R.Buttimer and R. Rutherford,1994,“Neural Networks,Nonliear Specifications,and Industrial Property Values”,Working Paper Series,94-102,Univerrsity of Texas Arlington。
5.Feelders, A, and Verkooijen, W. ,1996,On the Statistical Comparison of Inductive Learning Methods,in: Leraning form Data (Fisher, D and Lenz, H.J. (Eds)),Springer。
6.Rumelhart,D.,G. Hinton. And R. William,1986,“Lerrning Internal Representations by Error Propagation ”,In Rumelhart , D.& J. McClelland (Eds),Parallel Distribued Processing: Expiorations in the Microstructure of Cognition,I,MIT Press ,Cambridge,MA,318-362。
7.Two Crows Corportation,1999,Introduction to data mining and knowledge discovery,Third Edition,U.S.A. Potomac。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top