Прогнозирование продаж страховой продукции по рынку в целом

Одной из основных практических задач, в которых используются результаты исследования рынка, является прогнозирование продаж страховой продукции. Здесь наиболее общим вопросом является прогнозирование объема продаж в целом по стране — как по отдельным видам страхования, так и по рынку в целом. Исследования показали, что при прогнозировании развития рынка наиболее удобной и точной является увязка объема собираемой страховой премии с валовым внутренним продуктом в номинальном исчислении (без учета инфляционной составляющей). Наиболее полно эта зависимость прослеживается для классического страхования, не связанного с различными псевдостраховыми продуктами. В качестве примеров приведем соотношение ВВП и страховой премии по страхованию имущества предприятий, а также принадлежащих им транспорта и грузов.

Прогнозирование продаж страховой продукции по рынку в целом - student2.ru

Рис. 3.4.1. Зависимость премии от ВВП по добровольному страхованию имущества, страхованию ответственности, а также по имущественному страхованию юридических лиц.

Как видно из этого рисунка, существует достаточно ясная и простая зависимость между ВВП и расходами на страхование по различным видам операций. Таким образом, располагая прогнозом развития экономики на перспективу, можно достаточно точно определить, как изменится страховой рынок.

Точно такие же зависимости можно построить и для страхования за счет физических лиц.

Прогнозирование продаж страховой продукции по рынку в целом - student2.ru

Рис. 3.4.2. Зависимость премии по страхованию физических лиц от ВВП

Из рисунков видно, что сбор премии достаточно точно следует за ростом ВВП. Если учесть, что в последние годы основным локомотивом роста ВВП в номинальном исчислении была инфляция, то и сбор премии по классическим видам страхования в основном рос за счет инфляционной накачки экономики. В то же время объяснять рост сбора премии в последние годы исключительно инфляционными процессами было бы неправильным. На него влияет и ряд других факторов. Так, например, номинирование значительной части премии в валюте может привести к росту рублевой премии при стагнации ВВП, сопровождающейся резким ростом курса доллара, как это было в 1998 году. Такой же результат может быть получен и за счет роста страховой культуры населения и предпринимателей.

Из приведенных выше рисунков можно сделать один важный вывод: в России на сегодня по многим видам страхования практически нет резервов расширения страхового рынка. Рост страховой премии осуществляется в основном за счет инфляционной накачки экономики по принципу «есть деньги — есть страхование, нет денег — нет страхования». С другой стороны, на рис. 3.4.1 можно, например, увидеть элементы непропорционального роста имущественного страхования, связанного, во-первых, с ростом числа платежеспособных предприятий, а также с расширением внедрения данных видов страхования в практику предприятий — ростом страховой культуры. В то же время, если качественный рост рынка и присутствует, то его значение не слишком велико в краткосрочном плане. Помимо отсутствия соответствующих традиций здесь сказывается низкая платежеспособность российского бизнеса в сочетании с высокой долей предприятий, остающихся убыточными несмотря на экономический рост.

При долгосрочном прогнозировании развития рынка факторы качественного роста нельзя сбрасывать со счетов. В то же время при планировании на 1 год вперед вполне можно использовать линейную или квадратичную зависимость, опирающуюся на динамику рынка за последние несколько лет. Зависимости, аналогичные тем, что приведены на рис. 3.4.1 и 3.4.2, позволяют делать прогнозы сбора премии по отдельным направлениям страхования: зная предположительную величину ВВП, можно ориентировочно предсказать, какой сбор премии будет достигнут. При этом погрешность оценки может быть достаточно велика. Однако в маркетинговых исследованиях сложно обеспечить высокую точность. Это связано, прежде всего, с неопределенностью и субъективным характером основного предмета исследований — потребительского поведения, а также возможностью появления дополнительных, ранее не учтенных факторов. Поэтому очень хорошей считается погрешность прогноза, не превосходящая 20-30%.


Наши рекомендации