面對營造業施工階段的高風險性，營造廠商普遍選擇營造綜合保險作為風險轉移的工具，在擬定合適的保險策略之前，必須先進行風險衡量，推估預期損失大小，並考量損失承擔能力之後，決定自負額條件。而自負額之決策不僅影響損失理賠之獲得、風險之轉嫁，更直接影響保險費用之成本。故本研究以營造廠商為立場，針對建築工程於施工期間之損失特性，建立損失機會預測模式，推測預期損失大小，並將預測結果應用於保險自負額決策問題，建立最適自負額決策準則，提供營造廠商擬定保險策略時之參考。
建築工程損失機會包括損失頻率及損失幅度，本研究以傳統對損失機會推估方式之問題點為解決目標，透過文獻資料的探討與專家訪談過程，分析建築工程損失機會發生之特性。然後選擇足以描述該損失特性之客觀因子作為損失機會預測模式的輸入變數，應用ESIM（Evolutionary Support Vector Machine Inference Model）建立建築工程損失機會預測模式，預測工程專案於未來施工期間可能發生之損失頻率及損失幅度，同時利用預測成果，配合「自負額效率邊界」及「風險－保險成本無異曲線」之結合，並考量廠商之風險態度，建立工程保險最佳自負額之決策準則，提供被保險人投保決策之參考。

To reduce the high risk of a construction project, an insurance program, especially the Contractors’ All risk Insurance (CAR), is a widely applied risk transfer mechanism in the construction industry. The contractor’s insurance decision processes contain evaluating the expectation loss to balance the loss retention capacity, and achieve the optimal decision of deductible. The optimal decision of deductible impacts not only the compensation and risk transference, but also the premium cost. This paper, in view of building contractors, identifies risk factors impacting the project during construction to set up loss prediction models, to evaluate the expectation loss, and to provide the decision criterions. The objective of this research is providing the criterions of the optimal decision of insurance deductible to support the building contractor to determine the strategy of CAR.
The chance of loss for a building project includes the loss frequency and the loss severity. This study focuses on improving the methodology used in the previous research to evaluate the chance of loss. Through papers review and field experts interview, the loss attributes of a building construction project were identified. The objective factors significantly describe the loss attributes were also selected as the input variables of ESIM (Evolutionary Support Vector Machine Inference Model). Using ESIM, the loss prediction model was developed to predict the loss frequency and the loss severity. As a result, a combination of the efficient frontier curve of deductibles with the indifference curve of the risk vs. insurance cost, and a criterion function of the optimal decision of insurance deductible were developed.

參考文獻

1.邱必洙，「營造綜合保險自負額決策模式之研究」，國立台灣大學碩士論文，民國87年。
2.蔡逸霖，「經驗修正係數在營造工程綜合保險之研究」，國立台灣大學碩士論文，民國88年。
3.張嘉仁，「隧道工程保險自負額上限之決策分析模式」，國立台灣大學碩士論文，民國88年。
4.陳昭宏，「工程保險核保危險評估模式之研究」，國立台灣科技大學碩士論文，民國86年。
5.劉福標，「營建工程保險之研究」，中華工學院土木工程研究所碩士論文，民國84年。
6.吳宗桂，「營造廠專業協力廠商評鑑模式之建立與應用」，國立台灣科技大學碩士論文，民國90年。
7.張志宏，「建築工程擋土開挖安全監測專家決策支援系統之建立」，碩士論文，國立台灣科技大學營建工程系，民國87年。
8.柯千禾，「山坡地社區防災體系之研究與建立」，碩士論文，國立台灣科技大學營建工程系，民國88年。
9.謝文魁，「建築工程基礎開挖擋土施工策略專家系統之研究」，碩士論文，中華工學院土木工程學系營建組，民國86年。
10.陳俊榮，「基因演算法在視覺系統參數校正及尺寸量測上之應用研究」，碩士論文，國立台灣科技大學工程技術研究所，民國88年。
11.陳信良，「系統識別與基因演算法在橋樑檢測之應用」，國立台灣大學土木系碩士論文，民國90年。
12.徐弘光，「遺傳演算法於結構最佳化設計之應用」，國立台灣大學機械系碩士論文，民國87年。
13.王欽輝，侯志陞，「FUZZY工學」，全華科技圖書公司， 民國81年。
14.葉怡成，「類神經網路模式應用與實作」，儒林圖書公司，民國82年。
15.宋明哲，「保險學－純風險與保險」，五南圖書出版，民國83年。
16.鄭燦堂，「風險管理－理論與實務」，三民書局出版，民國84年。
17.袁宗蔚，「保險學概要」，三民書局出版，民國82年。
18.袁宗蔚，「危險管理」，三民書局出版，民國80年。。
19.凌氤寶，「保險學－理論與實務」，華泰出版，民國78年。
20.凌氤寶，「商業財產風險管理與保險（上冊）」，中華民國產物保險核保學會出版。
21.陳繼堯，「工程保險－理論與實務」，智勝文化出版，民國91年。
22.黃清江，「工程保險費率釐定之研究」，財團法人工程保險協進會，民國82年。
23.張守鈞，「個體經濟理論與應用」第一冊，全英出版，民國81年。
24.邱靖博，「財務管理」，三民書局出版，民國72年。
25.林耀煌，「建築工程施工災害防制技術及法令制度研究架構之規劃」，內政部建築研究所籌備處專題研究計畫成果報告，民國84年。
26.國道新建工程局，「工程保險講習」，交通部台灣區國道新建工程局，民國81年。
27.林進田 譯，R. L. Brown原著，「產險精算導論」，財團法人保險事業發展中心，民國85年。
28.王慶煌、邱銓城，「營造工程保險制度應用問題之探討」，第一屆營建工程與管理成果聯合發表會論文集，第135-148頁，民國83年。
29.蕭敬止，「鍋爐保險演進為營造保險，無法掌握的意外 人類用推測的數據去應付」，營建知訊，第165期，民國85年10月。
30.王志鏞，「損失頻率與損失幅度淺釋」，保險經營，民國85年3月。
31.王志鏞，「危險因素與危險事故淺釋」，保險經營，民國85年2月。
32.張士傑，「簡易貝氏方法估計契約損失個數：主觀與經驗的綜合」，保險專刊，第43輯，民國85年3月。
33.楊惠青、劉福標，「工程保險案例探討」，營建知訊，第160期，民國85年。
34.杜辰生，「營造工程之保險與其爭議」，工程糾紛與解決模式研習會論文，第77∼78頁，民國86年。
35.杜辰生等，「工程保險訓練教材第一輯」，財團法人事業發展中心，民國82年。
36.劉世琪、劉晉宏，「應用資料挖掘探討顧客價值-以汽車維修業為例」，碩士論文，朝陽科技大學工業工程與管理系，2003。
37.陳麗君，「應用資料探勘技術於信用卡黃金級客戶之顧客關係管理」，碩士論文，元智大學工業工程與管理學系，2002。
38.吳育偉，鄭明淵「支持向量機最佳化模式-應用於營建管理決策」，第11屆營建工程與管理學術研討會，2007。
39.鄧乃楊等「數據挖掘的新方法─支持向量機」，科學出版社，中國，2004。
40.許淑婷，「利用快速混雜基因演算法與模擬機制建立設計專案作業程序最佳化之研究」，國立成功大學碩士論文，2006。
41.簡崑棋，「結合模糊類神經模式與快速混雜基因演算法於專案工期之預測」，國立成功大學碩士論文，2003。
42.Cheng Min-Yuan and Ko Chien-Ho, Object-Oriented Evolutionary Fuzzy Neural Inference System for Construction Management, Journal of Construction Engineering and Management, ASCE, Vol. 129, No. 4, pp.461-469, 2003.
43.MITSUO GEN, RUNWEI CHENG, ”Genetic Algorithms and Engineering Design”, A Wiley-Interscience Publication John Wiley& Sons, Inc.
44.Assaf, S. A., A systematic approach to the selection of a risk retention level for construction insurance, Dissertation of Ph.D. in civil engineering, University of Illinois at Urban-Champaign, U.S.A. (1982).
45.Smith, M. L., Selection of deductibles in property and liability insurance, Dissertation of Ph.D. in business administration, University of Minnesota, U.S.A. (1974).
46.Paek, J. H., Lee, Y. W., and Ock, J. H., “ Pricing construction risk: fuzzy set application,” Journal of Construction. Engineering and Management, ASCE, Vol. 119, No.4, pp.743-756, (1993).
47.Hogg, R. V., and Klugman, S. A., “ Loss Distributions ”, Wiley, New York, U.S.A. (1984).
48.Mcneil, A. J., “ Estimating the tails of loss severity distributions using Extreme Value Theory “, Astin Bulletin, Vol.27, No.1, pp. 117-137, (1997).
49.“ Loss experience analysis is the key to loss control “, Risk Management, Oct , pp.46-50,(1980).
50.Bunni N. G., “ Construction insurance” , Elsevier Applied Science Publishers, pp.34, (1986).
51.Klugman S. A., Panjer H. H., & Willmot G. E., “Loss Models from data to decisions”, Johnwiley & Sons, INC, pp.177-126, (1998).
52.Weisberg, W. I., Tomberlin, T. J. and Chatterjee S., “Predicting Insurance Losses Under Cross-Classification: A Comparison of Alternative Approaches”, Journal of Business & Economic Statistics, Vol. 2, No. 2, pp.170-178, (1984).
53.D.E. Goldberg, K. Deb, H. Kaegupta, G. Harik, Rapid, accurate optimization of difficult problems using fast messy genetic algorithms, Proceedings of the Fifth International Conference on Genetic Algorithms, pp. 56– 64, (1993).
54.D. Knjazew, G.A. Ome, A Competent Genetic Algorithm for Solving Permutation and Scheduling Problems, Kluwer Academic Publishers, Boston, 2003.
55.Cortes and V. Vapnik., ”Support-vector network,” Machine Learning,vol.20,No.3,pp.273-297（1995）。
56.Martino, J. P. (1993). Technological Forecasting for Decision Making. 3rd ed., New York, McGraw-Hill, 251–252.
57.Davis, D. (1996). Business research for decision making. 4th ed., Belmont, Duxbury Press, 4.
58.Yonas B. Dibike1 et al., ”Support Vector Machines: Review and Applications in Civil Engineering,” Proc. of the 2nd Joint Workshop on Application of AI in Civil engineering（2000）。
59.Yonas B. Dibike1, ”Model Induction with Support Vector Machines: Introduction and Applications,” ASCE Journal of Computing in Civil Engineering, vol.15, No.3,pp.208-216（2001）。
60.Thorsten Joachims, http://svmlight.joachims.org/svm_struct.html。
61.Ko, C. H. (1999). Computer-aided decision support system for disaster prevention of hillside residents. MS thesis, National Taiwan University of Science and Technology, Taipei, Taiwan.
62.Fukahori, K. and Kubota, Y. Consistency evaluation of landscape design by a decision support system. Computer-Aided Civil and Infrastructure Engineering, 15(5), 342–354, 2000.
63.Sundin, S., and Braban-Ledoux, C. Artificial intelligence–based decision support technologies in pavement management. Computer-Aided Civil and Infrastructure Engineering, 16(2), 143–157, 2001.