en تعیین نرخ بیمه با رویکردی جامع بر پایه مدل‌های فراوانی–شدت اقتصاد Economics پژوهشی اصیل - گزارش موردی Original Research - Case Study <p data-end="519" data-start="64">این مقاله به بررسی قیمت‌گذاری بیمه با استفاده از مدل‌های فراوانی&ndash;شدت می‌پردازد و نسبت انحراف بالقوه (PDR) را به عنوان شاخصی کلیدی در تعیین حق بیمه مورد توجه قرار می‌دهد. هدف اصلی، ارائه رویکردی دقیق و منطبق بر اصول آکچوئری برای قیمت‌گذاری است که با مدل‌سازی فراوانی و شدت خسارات بر پایه توزیع‌های آماری مناسب انجام می‌شود. به طور خاص، پیشنهاد می‌شود که حاصل‌ضرب دو توزیع برازش‌شده &mdash; یکی برای فراوانی و دیگری برای شدت &mdash; برای محاسبه حق بیمه خالص به‌کار رود.</p> <p data-end="951" data-start="521">روش تحقیق شامل برازش انواع مختلفی از توزیع‌های آماری بر داده‌های فراوانی و شدت خسارات از یکی از شرکت‌های بزرگ بیمه در ایران است. برای مدل‌سازی ساختار وابستگی میان این دو متغیر، از کوپولای کلیتون استفاده می‌شود. این ساختار وابستگی در فرآیند محاسبه حق بیمه خالص، از طریق نمونه‌گیری هم‌زمان از توزیع‌های فراوانی و شدت، اعمال می‌گردد. برای ارزیابی عملکرد مدل‌ها، آزمون‌های کولموگروف-اسمیرنوف، اندرسون-دارلینگ و کای-دو استفاده شده‌اند.</p> <p data-end="1373" data-start="953">یافته‌ها نشان می‌دهند که استفاده از حق بیمه خالص مبتنی بر توزیع‌های برازش‌شده، دقت مدل را به طور قابل توجهی افزایش می‌دهد. این رویکرد به طبقه‌بندی دقیق‌تر ریسک، تعیین منصفانه‌تر حق بیمه و در نهایت بهبود استراتژی‌های قیمت‌گذاری منجر می‌شود. همچنین نتایج حاکی از آن است که در نظر گرفتن ساختار وابستگی بین فراوانی و شدت خسارات، نه‌تنها ارزیابی ریسک را بهبود می‌بخشد، بلکه به پایداری مالی بیشتر شرکت‌های بیمه نیز کمک می‌کند.</p> <p data-end="551" data-start="63">This paper investigates insurance pricing using frequency-severity models, focusing on the Potential Deviation Ratio (PDR) as a key measure in premium determination. The objective is to develop an accurate and actuarially sound pricing approach by modeling claim frequency and severity using appropriate statistical distributions. Specifically, we propose that the product of two fitted distributions&mdash;one for frequency and the other for severity&mdash;can be used to calculate the pure premium.</p> <p data-end="991" data-start="553">The methodology includes fitting various distributions to frequency and severity data from a major Iranian insurance company. To model the dependency structure, we employ the Clayton copula. This dependency structure is used when calculating pure premium by multiplying frequency and severity samples based on the fitted distributions. Kolmogorov-Smirnov, Anderson-Darling, and Chi-Squared tests are applied to evaluate model performance.</p> <p data-end="1477" data-start="993">The results demonstrate that using the pure premium, based on their respective fitted distributions, significantly enhances the accuracy of the model. This approach leads to more precise risk classification, improved premium setting, and ultimately, fairer pricing strategies. Additionally, the findings indicate that incorporating dependency structures between frequency and severity not only improves risk assessment but also contributes to greater financial stability for insurers.</p> قیمت‌گذاری بیمه, مدل‌های فراوانی–شدت, توزیع شدت خسارت, کوپولا Insurance Pricing, Frequency-Severity Models, Severity Distribution, Copula. 25 37 http://jme.mbri.ac.ir/browse.php?a_code=A-10-685-1&slc_lang=en&sid=1 Ghadir Mahdavi غدیر مهدوی mahdavi@atu.ac.ir 10031947532846007027 10031947532846007027 Yes Allameh Tabataba'i University دانشگاه علامه طباطبایی Zahra Asghari زهرا اصغری zahra.asghary61@gmail.com 10031947532846007028 10031947532846007028 No Allameh Tabataba'i University دانشگاه علامه طباطبایی Ali souri علی سوری alisouri@ut.ac.ir 10031947532846007029 10031947532846007029 No Associate prof., faculty of economics, Tehran university