مدل باکس جنکینز

بیمه اتومبیل در بازار بیمه ایران بالاترین حجم صدور و خسارت را دارد. بنابراین نیاز به تصمیم گیری های مالی و پیش بینی رفتار این بازار برای بیمه گران امری ضروری است. سری زمانی از روش های توانمند آماری است که با استفاده از روش های مبتنی بر فرآیندهای تصادفی به مدل سازی و پیش بینی رفتار متغیرهایی می پردازد که به گونه ای به زمان وابسته اند. مقاله حاضر میزان خسارت وارد شده در رشته بیمه بدنه اتومبیل (شرکت بیمه پارسیان از فروردین ماه سال 1385 الی تیرماه 1389) را به صورت یک متغیر زمانی درنظرگرفته است، سپس با استفاده از دو مدل سری زمانی باکس-جنکینز و وینترز به مدل بندی رفتار این متغیر زمانی می پردازد. باتوجه به اینکه مشاهدات، روند فصلی دارند از مدل های آریمای فصلی ضربی باکس و جنکینز و وینترز فصلی ضربی استفاده شد. ابزار شاخص خطای MAPE نشان می دهد مدل وینترز فصلی ضربی برازش دقیق تر به داده ها ارائه می کند. درنهایت با استفاده از مدل منتخب، میزان خسارت برای یک دوره شش ماهه پیش بینی می شود.

اهداف: تغییر اقلیم به افزایش و یا کاهش جهت دار میانگین پارامترهای اقلیمی در یک دورة طولانی مدت گفته می شود. تغییر پارامترهای اقلیمی سطحی با تغییر الگوهای جوی مرتبط است. شناخت تغییر اقلیم ایران با شاخص های مهم جوّی، هدف مطالعه است. روش : برای تعیین شاخص های اقلیمی ایران، پنجرة جغرافیایی مناسب با عرض 10 تا70 درجة شمالی و طول 10 تا 80 درجة شرقی تعیین شد. داده های روزانة ارتفاع ژئوپتانسیل متر تراز 500 ه.پ. دورة سرد از 1948 تا 2010 از مراکز ملّی پیش بینی محیطی و تحقیقات اتمسفری استفاده شد. روش تحلیل مؤلفة اصلی و باکس جنکینز به ترتیب برای تعیین شاخص اقلیمی و تحلیل سری زمانی این شاخص ها استفاده شد. یافته ها/ نتایج: نتایج تحقیق نشان داد شاخص های اقلیمی دورة سرد ایران به ترتیب در منطقة آسیای مرکزی، اروپای شرقی و اروپای غربی استقرار دارند. این مراکز با آرایش خاصّ الگوهای جوی، اقلیم دورة سرد ایران را کنترل می کنند. سری زمانی روزانه و سالانة این مراکز تغییر معنی داری ندارند و نوسان با افزایش و کاهش حول میانگین را نشان می دهند. بهترین مدل برای پیش بینی سری های زمانی، مدل اتورگرسیو (AR) است و سری های پیش بینی با سری های اوّلیة شاخص ها با این مدل بیشترین هماهنگی را دارند. امروزه مدل های اقلیمی، نقش انسان در تغییر اقلیم سطحی را غالب می دانند.