تنبع أهمية معدل الخسارة في شركات التأمين من ارتباطه بشكل مباشر بكفاءة العديد من الوظائف الرئيسية في شركات التأمين، من اكتتاب وتسعير وتسوية واستثمار وإعادة التأمين، كما أنه يساعد شركات التأمين في رسم السياسات التأمينية بشكل سليم مما يساعدها في تحقيق أهدافها. ولقد زادت أهمية التأمينات الهندسية في الآونة الأخيرة نظراً لزيادة المشروعات والاستثمارات الانشائية وبشكل خاص في المدن الجديدة، وانشاء الطرق، حيث ترتكز هذه المشروعات في تنفيذها على وثائق التأمينات الهندسية لتغطية جميع أخطار المقاولين والانشاء خلال فترة التنفيذ، مما دعى الى وجود نموذج جيد للتنبؤ بمعدل الخسارة بما أنه اللبنة الأساسية للعديد من القرارات داخل شركات التأمين منها إعادة التأمين، حيث لن يتم تحديد حد الاحتفاظ دون معدل الخسارة المتوقع، كما أنه يساعد معيد التأمين في تحديد مسئوليته عن العمليات التي تعرض عليه، بالإضافة الى أن التسعير يعتمد أيضاً على معدلات الخسارة المتوقعة. وبالتالي تتمثل مشكلة البحث في التنبؤ بمعدل الخسارة لثلاث شركات تأمين لفرع التأمين الهندسي وذلك باستخدام أسلوبين من أساليب التنبؤ، كل على حدى، نموذج Box- Jenkins باعتباره أحد النماذج التقليدية، وأسلوب آخر حديث يتمثل في نماذج الشبكات العصبية الاصطناعية Artificial Neural Network ANN والتي أظهرت بعض تطبيقاتها الإحصائية نتائج جيدة في عملية التنبؤ