دانشگاه آزاد اسلامی واحد علوم و تحقیقات

 آمار

تعداد نشریات50
تعداد شماره‌ها2,172
تعداد مقالات20,096
تعداد مشاهده مقاله23,681,601
تعداد دریافت فایل اصل مقاله21,754,746
احمدزاده, عزیز, عابد, مجتبی. (1403). بایسته های تعیین نرخ سود فنی بیمه های عمر و سرمایه گذاری در ایران. , 13(49), 251-278.
عزیز احمدزاده; مجتبی عابد. "بایسته های تعیین نرخ سود فنی بیمه های عمر و سرمایه گذاری در ایران". , 13, 49, 1403, 251-278.
احمدزاده, عزیز, عابد, مجتبی. (1403). 'بایسته های تعیین نرخ سود فنی بیمه های عمر و سرمایه گذاری در ایران', , 13(49), pp. 251-278.
احمدزاده, عزیز, عابد, مجتبی. بایسته های تعیین نرخ سود فنی بیمه های عمر و سرمایه گذاری در ایران. , 1403; 13(49): 251-278.

بایسته های تعیین نرخ سود فنی بیمه های عمر و سرمایه گذاری در ایران

دانش سرمایه‌گذاری
دوره 13، شماره 49، فروردین 1403، صفحه 251-278  XML اصل مقاله (867.93 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
عزیز احمدزاده email 1؛ مجتبی عابد2
1دکترای اقتصاد مالی، استادیار پژوهشکده بیمه
2دانشجوی دکترای بیم‌سنجی (آکچوئری) و کارشناس آکچوئری بیمه مرکزی
چکیده
سازوکار تعیین نرخ سود فنی و نحوه نظارت بر آن یکی از مسائل و چالش‌های صنعت بیمه زندگی بوده است که هم برای شرکت‌های بیمه و هم برای نهاد ناظر حایز اهمیت است. لذا هدف این پژوهش، شناسایی تمامی موارد بااهمیتی است که بایستی در تعیین نرخ سود فنی یا مدل‌بندی آن مدنظر قرار گیرند. روش تحقیق، اسنادی و مبتنی بر پرسشنامه است. نتایج مطالعه نشان می‌دهد که استفاده از مدل-های سری‌زمانی، اصلی‌ترین روش تعیین نرخ سود فنی در شرکت‌های بیمه بوده ولی در برخی موارد از مدل‌های ساختاری نیز استفاده شده است. اما در ایران، اشاره‌ای به استفاده از مدل‌های سری‌زمانی برای تعیین نرخ سود فنی نشده و عموم خبرگان، از مدل‌های ساختاری با لحاظ نمودن متغیرهای اقتصادی شامل تورم، نرخ سود بانکی، نرخ ارز و طلا (به ترتیب اهمیت) برای تعیین نرخ سود فنی حمایت می-کنند. در حوزه نظارت نیز اگرچه الگوهای مختلفی وجود دارد، اما استفاده از نرخ بهره اوراق بدهی بلندمدت با بالاترین درجه اعتبار، وجه مشترک تمام کشورها برای تعیین سقف نرخ سود فنی بوده است. به نظر می‌رسد وزن‌دهی بالای خبرگان به متغیرهای تورم، نرخ ارز و طلا در ایران، از نوسانات شدید ارزش پول ملی ناشی می‌شود که وجه تمایز ایران با سایر کشورهای مورد مطالعه است. نتایج تحقیق می‌تواند به دقت بیشتر در محاسبات نرخ سود فنی کمک نماید که به نوبه خود، رقابت‌پذیری محصولات بیمه عمر و سرمایه‌گذاری و پتانسیل واسطه‌گری مالی توسط شرکت‌های بیمه زندگی را ارتقا می‌دهد.
کلیدواژه‌ها
نرخ سود فنی؛ نرخ سود تضمینی؛ بیمه زندگی؛ نرخ تنزیل؛ نظارت مالی
مراجع
  • احمدزاده, ع.، قنبرزاده، م.، علی‌محمدی، م.، حیدری، ح.، افشاری، س.، صیدی مرادی، ج.، ۱۳۹۷، انواع بیمه‌های زندگی و چالش‌های توسعه آن در ایران با رویکرد بیمه‌های زندگی غیرپس‌اندازی، پژوهشکده بیمه.
  • اسلاملوییان, ک. و استادزاد, ع., 1393. برآورد نرخ رجحان زمانی در ایران با استفاده از الگوریتم بازگشتی. پژوهشات اقتصادی، شماره ۴۹، صفحه ۲۶۷-۲۹۴.
  • پرومیسلو, ا. د., ۱۳۹۲. مبانی ریاضیات اکچوئرال. تهران: پژوهشکده بیمه.
  • تقوی, م., ۱۳۷۷. مبانی علم اقتصاد. تهران: انتشارات صنایع ایران.
  • دلالی اصفهانی, ر. و محمدی, ا., ۱۳۹۳. تعامل نرخ بهره پولی و رشد اقتصادی. معرفت اقتصاد اسلامی, ۶(۱), صفحه ۵-۲۸.
  • کینز, ج. م., 1936. نظریه عمومی اشتغال، بهره و پول. ترجمه منوچهر فرهنگ؛ تهران: نشر نی.
  • شیردل, ر., صادقی, ح., عصاری آرائی, ع. و عبدلی, ق., 1396. برآورد نرخ تنزیل اجتماعی ایران با رویکرد رجحان زمانی جامعه. بخشنامه سیاست‌های مالی و اقتصادی، شماره ۱۸، صفحه ۷-۲۴.
  • عبدلی, ق., 1388. تخمین نرخ تنزیل اجتماعی برای ایران. پژوهشنامه اقتصادی، شماره ۳.
  • میرآخور، ع.، عصمت پاشا، ع. 1394. بازارهای سرمایه اسلامی رویکرد مقایسه‌ای، ترجمه احمدزاده، ع.، عریانی، ب.و معظمی گودرزی، م. مؤسسه عالی آموزش بانکداری ایران.
  • Ait-Sahalia, Y. (1996a). “Nonparametric Pricing of Interest Rate Derivative Securities”, Econometrica, vol. 64, No.3, 527-560.
  • Ait-Sahalia, Y. (1996b). “Testing Continuous-Time Models of the Spot Interest Rate”, The Review of Financial Studies, Vol.9, No.2, 385-426.
  • Berument H., N.D. Ceylan and H. Olgun 2007, “Inflation Uncertainty and Interest Rates: Is the Fisher Relation Universal?”, Applied Economics, Vol. 39, 53-68.
  • Black, F. and Scholes, M. (1973). “The Pricing of Options and Corporate Liabilities”, Journal of Political Economy, 81, 637-659.
  • Bowers, N. L. et al., 1997. Actuarial Mathematics. USA: Society of Actuaries.
  • Brace, A., Gatarek, D., and Musiela, M. (1997). The Market Model of Interest Rate Dynamics. Mathematical Finance, 7(2):127{155.
  • Brennan, M. J. and Schwartz E. S. (1980). “Analyzing Convertible Bonds”, Journal of Financial and Quantitative Analysis 15: 907-929.
  • Chan, K. C.س, Karolyi, A., Longstaff, F. A. and Sanders B. S. (1992). ”An Empirical Comparison of Alternative Models of Short-Term Interest Rate”, Journal of Finance, 47, 1209-1227
  • .Charpentier, A., 2016. Computational Actuarial Science with R. Boca Raton, Florida: Chapman & Hall/CRC The R Series.
  • Cherubini, U., Luciano, E. & Vecchiato, W., 2004. Copula Methods in Finance. New York: Wiley.
  • Cox, J. R., Ingersoll, J. & Ross, S., 1985. A theory of the term structure of interest rates. Econometrica, Volume 53, pp. 385-407.
  • Cox, J. and Ross, S. (1976). “The Valuation of Options for Alternative Stochastic Processes”, Journal of Financial Economics.
  • Cox, J. C., Ingersoll, J. E. and Ross, S. A. (1985). “An Interemporal General Equilibrium Model of Asset Prices”, Econometrica, 53, 363-384.
  • Cox, J. C., Ingersoll, J. E. and Ross, S. A. (1980). “An Analysis of Variable Rate Contracts”. Journal of Finance, 35, 389-403.
  • Doll, D.C. (1990) “A Brief History of Universal Life”. Product Development News, Society of Actuaries, Issue 26, 8-9
  • Dothan, L. (1978). “On the Term Structure of Interest Rates”, Journal of Financial Economics 6, 59-69.
  • Duffie, D. & Kan, R., 1996. A yield-factor model of interest rates. Mathematical Finance, Volume 6, pp. 379-406.
  • Eling, M., Holder, S. (2013). Maximum Technical Interest Rates in Life Insurance in Europe and the United States: An Overview and Comparison" ;Geneva Papers on Risk and Insurance - Issues and Practice 38(2) · April 2013.
  • Engle, R. and Patton, A. (2001). “What good is a Volatility Model?” Quantivative Finance, Volume 1, 237-245.
  • Engle, R. (1982). “Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models”, Journal of Business & Economic Statistics, Vol. 20, No. 3, 339-350.
  • Evans, C., and Marshall, D., (2001). “Economic determinants of the nominal treasury yield curve.” Working Paper, Federal Reserve Bank of Chicago.
  • Fang, H., Fang, K. and Kotz, S. (2002). “The Meta-elliptical Distributions with Given Marginals”, Journal of Multivariate Analysis 82, 1-26.
  • Fisher, I., 1930. The Theory of Interest. New York: The MacMillan Company.
  • Lindstone, H. A., On Discounting the Future, Technological Forecasting and Social Change, 5, (1972), pp. 335-38.
  • Merton, R. C. (1973). “Theory of rational option pricing”, Bell Journal of Economics and Management Science, 4 (1), 141-183.
  • Payne J.E. and B.T. Ewing, 1997, “Evidence from Lesser Developed Countries on the Fisher Hypothesis: A Cointegration Analysis”, Applied Economics Letters, Vol. 4, 683-687.
  • Wilkie, A.D. (1995) \More on a stochastic asset model for actuarial use (with discussion)," British Actuarial Journal 1, 777-964.
  • Yakoubov, Y., Teeger, M., and Duval, D. (1999) \A stochastic investment model for asset and liability management," In Proceedings of the 30th International ASTIN Colloquium and 9th International AFIR Colloquium, August, 1999, J: 237-266.
  • Vasicek, O., 1977. An equilibrium characterization of the term structure.Journal of Financial Economics, Volume 5, pp. 177-188.
  • Willis Towers Watson (2018). 2018 valuation for interest rates and annuity.
  • willistowerswatson.com . 2018/10
  • Willis Towers Watson (2018). 2018 valuation for interest rates and annuity. willistowerswatson.com . 2018/10
  • Willis Towers Watson (2017). 2017 valuation for interest rates and annuity. Avilable at: willistowerswatson.com . 2019/9
آمار
تعداد مشاهده مقاله: 34
تعداد دریافت فایل اصل مقاله: 25


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب