अपेक्षित हानि अनुपात - ELR विधि क्या है?
अपेक्षित हानि अनुपात (ईएलआर) विधि एक ऐसी तकनीक है जो दावों की अनुमानित राशि, अर्जित प्रीमियम के सापेक्ष निर्धारित करने के लिए उपयोग की जाती है। अपेक्षित हानि अनुपात (ईएलआर) पद्धति का उपयोग तब किया जाता है जब एक बीमाकर्ता को अपने उत्पाद प्रसाद में परिवर्तन के कारण प्रदान करने के लिए उपयुक्त पिछले दावों के डेटा का अभाव होता है और जब लंबी पूंछ वाले उत्पाद लाइनों के लिए डेटा के एक बड़े पर्याप्त नमूने का अभाव होता है।
ईएलआर विधि के लिए सूत्र है
ELR विधि = EP R ELR MethodPaid Losseswhere: EP = अर्जित प्रीमियम
अपेक्षित हानि अनुपात - ELR विधि की गणना कैसे करें
अपेक्षित हानि अनुपात पद्धति की गणना करने के लिए अपेक्षित हानि अनुपात द्वारा प्रीमियम अर्जित किया और उसके बाद भुगतान हानि को घटाया।
ELR विधि आपको क्या बताती है?
भविष्य के दावों का भुगतान करने के लिए बीमा कंपनियों ने नई नीतियों को रेखांकित करने से अपने प्रीमियम का एक हिस्सा अलग रखा। अपेक्षित हानि अनुपात का उपयोग यह निर्धारित करने के लिए किया जाता है कि वे एक तरफ कितना सेट करते हैं। यह भी ध्यान रखना महत्वपूर्ण है कि दावों की आवृत्ति और गंभीरता वे अनुभव करने की अपेक्षा करते हैं, एक भूमिका भी निभाते हैं। दावे के भंडार को निर्धारित करने के लिए बीमाकर्ता कई तरह के पूर्वानुमान विधियों का उपयोग करते हैं।
कुछ उदाहरणों में, जैसे कि व्यापार की नई लाइनें, ELR विधि आवश्यक नुकसान के भंडार के उचित स्तर का पता लगाने का एकमात्र संभव तरीका हो सकता है। ईएलआर पद्धति का उपयोग विशेष व्यावसायिक लाइनों और पॉलिसी अवधि के लिए नुकसान के रिजर्व को निर्धारित करने के लिए भी किया जा सकता है। अपेक्षित हानि अनुपात, उचित अर्जित प्रीमियम आंकड़े से गुणा किया जाता है, अनुमानित अंतिम नुकसान (भुगतान या खर्च) का उत्पादन करेगा। हालाँकि, व्यापार की कुछ पंक्तियों के लिए, सरकारी विनियमों में आवश्यक हानि के न्यूनतम स्तर को निर्धारित किया जा सकता है।
- अर्जित प्रीमियमों के सापेक्ष दावों की अनुमानित राशि का निर्धारण करने के लिए उपयोग किया जाता है। भविष्य के दावों के लिए भुगतान करने के लिए बीमाकर्ताओं ने पॉलिसी से प्रीमियम का एक हिस्सा निर्धारित किया है - अपेक्षित हानि अनुपात निर्धारित करता है कि वे एक तरफ कितना सेट करते हैं ।ELR का उपयोग उन व्यवसायों या व्यावसायिक लाइनों के लिए किया जाता है जिनकी कमी है पिछले डेटा, जबकि श्रृंखला सीढ़ी विधि का उपयोग स्थिर व्यवसायों के लिए किया जाता है।
उम्मीद की हानि अनुपात (ELR) विधि का उपयोग कैसे करें का उदाहरण
बीमाकर्ता अपेक्षित नुकसान की गणना के लिए अपेक्षित नुकसान अनुपात का उपयोग कर सकते हैं, लेकिन रिपोर्ट (आईबीएनआर) आरक्षित और कुल आरक्षित नहीं। अपेक्षित हानि अनुपात अर्जित प्रीमियम के अंतिम नुकसान का अनुपात है। अंतिम नुकसान की गणना अपेक्षित हानि अनुपात द्वारा अर्जित प्रीमियम के रूप में की जा सकती है। कुल रिज़र्व की गणना अंतिम हानियों के रूप में की जाती है ताकि कम नुकसान का भुगतान किया जा सके। IBNR रिज़र्व की गणना कुल रिज़र्व कम नकद रिज़र्व के रूप में की जाती है।
उदाहरण के लिए, एक बीमाकर्ता ने $ 10, 000, 000 का प्रीमियम और 0.60 का अनुमानित नुकसान अनुपात अर्जित किया है। वर्ष के दौरान, इसने 750, 000 डॉलर और 900, 000 डॉलर के नकद भंडार के नुकसान का भुगतान किया है। बीमाकर्ता का कुल रिजर्व $ 5, 250, 000 ($ 10, 000, 000 * 0.60 - $ 750, 000) होगा, और इसका IBNR रिज़र्व $ 4, 350, 000 ($ 5, 250, 000 - $ 900, 000) होगा।
ईएलआर विधि और चेन लैडर विधि (सीएलएम) के बीच अंतर
ईएलआर और श्रृंखला सीढ़ी विधि (सीएलएम) दोनों ही दावे के भंडार को मापते हैं, जहां सीएलएम भविष्य में क्या होता है, इसकी भविष्यवाणी करने के लिए पिछले डेटा का उपयोग करता है। जबकि अपेक्षित हानि अनुपात (ईएलआर) का उपयोग तब किया जाता है जब बंद होने के लिए थोड़ा अतीत डेटा होता है, सीएलएम का उपयोग स्थिर व्यवसायों और व्यावसायिक लाइनों के लिए किया जाता है।
ईएलआर विधि का उपयोग करने की सीमाएं
दावों की राशि आरक्षित है कि एक बीमाकर्ता को अलग-अलग सेट करना चाहिए जो कि बीमांकिक मॉडल और पूर्वानुमान विधियों द्वारा निर्धारित किया जाता है। बीमाकर्ता अक्सर उपलब्ध डेटा की मात्रा और गुणवत्ता पर अपेक्षित हानि अनुपात का उपयोग करते हैं। पूर्वानुमान के शुरुआती चरणों में यह अक्सर उपयोगी होता है क्योंकि यह वास्तविक भुगतान किए गए घाटे को ध्यान में नहीं रखता है, लेकिन बाद के चरणों में, रिपोर्ट और भुगतान किए गए नुकसान में संवेदनशीलता की कमी इसे कम सटीक बनाती है और इस प्रकार, कम उपयोगी होती है।
उम्मीद की हानि अनुपात (ELR) विधि के बारे में अधिक जानें
नुकसान और संयुक्त अनुपात वाली बीमा कंपनियों की लाभप्रदता की गणना के बारे में और देखें।
