汽車強制險費用查詢系統 相關
廣告過去一個月已有 超過 1 萬 位使用者造訪過 tmnewa.com.tw
自己的強制險自己保，0800專人諮詢、到期月35天前續保提醒，貼心服務都在新安東京海上，立即投保...
搜尋結果
2023年7月13日 · 國泰產險建議善用線上投保，不但能更了解各種車險方案和附加條款的細節，還可以依照個人需求客製化車險組合，即時試算保費，並享有線上投保優惠，包括「投保強制險最高折330元」、「任意險享87折再抽好禮」、「投保車體險送24小時不限次數100公里道路
- 新車：總價高、折舊快，不利於短期內轉手
- 中古車：總價低、轉賣划算，購買時要慎選賣家
- 外匯車：適合想買高單價進口車的族群，但沒原廠保固
許多人認為買車就要買新車，因為品項齊全、品質有保障、不會有肇事紀錄，零件未曾耗損，也不用擔心前一位車主的開車習慣。除此之外，新車通常附帶保固維修服務，能省下些開銷；且如果申請車貸，利率最低可以壓到 2～3%，相較於中古車貸的 5% 以上可說是相當優惠。 然而，新車的缺點是總價較高、折舊也快。新車一落地會立刻折損 5～10%，上路第一年又會再折舊 5～10%，大約 3～5 年後價格就會折半。雖然之後折舊幅度會漸漸變小，但較不利於想在短期內轉手的族群。
相反的，中古車最大的優勢就是總價較低，且因車子的折舊率是逐年遞減的，轉賣中古車會比轉賣新車來得划算，適合預算有限或計畫再轉售的族群。 但是，買中古車最大的顧慮是車況不明，會擔心買到泡水車、事故車，所以務必慎選值得信賴的車行，購買時要選擇附有原始證件的車子，才不會買到贓車。就算車子沒出過大問題，上路過也必然有一定程度的耗損，購買後可能需要額外的維修成本。
除了新車、中古車外，還有一種叫「外匯車」，指的是台灣貿易商（非代理經銷商）直接從國外進口的車輛，也就是「水貨」，通常是已經在國外掛過牌的中古車，但在台灣還未曾上路過。 外匯車在高單價進口車市場中很受歡迎，因價格優惠，且台灣法規認定沒有在台上路過的車都是新車，所以買外匯車適用較低的新車貸款利率；再者，有些型號台灣代理商沒有引進，只能買外匯車，或有些配件在台灣要加價，在美國規格上卻是標準配備。 要注意的是，買外匯車有一定的風險，因為水貨無法享有原廠保固，雖然車商通常會和民間修車廠合作，提供一定程度的保固方案，但只要車商倒閉，售後服務也歸零，因此須謹慎挑選商譽優良，營運穩定的賣家。
2020年5月25日 · 事實上，目前主要停車場域包括辦公大樓、購物中心、飯店、機場、展覽中心、醫院、飯店、校園、公共停車場等，均大量導入智慧停車管理系統，除了基本的車牌辨識、多元支付功能之外，部分場域或應用程式（App）也提供即時空位查詢、車位導引 ...
2022年1月12日 · 打造保修生態系，成為汽車醫生的「總醫院」為了提供客戶最佳體驗，卡爾世達不斷從使用場景去發展相關服務。 近年，新車大多具備影像倒車等電腦輔助的駕駛系統，可見汽車電腦化程度不斷攀升，但這也使得車輛保修越來越複雜，難度也越來越高。
2022年4月26日 · 多數情形是，勞工既能向勞保局請領職災保險給付，也可向雇主請求補償，不過雇主能主張不再支付勞保已支付之部分（即所謂「抵充」） ；少部分情形中，勞工雖能向勞保局請領職災保險給付，但因不構成勞基法的「職業災害」，所以不能向雇主請求職災補償。 本文主要針對得向勞工保險局請領職災保險的「職業災害」一類說明。 勞動部所頒訂的「勞工職業災害保險職業傷病審查準則」（下稱「傷病審查準則」）規定了何種情形屬於能獲得職災保險給付的職業災害。 最常引起討論的是，如果在「非工作場合」發生意外，是否屬於能獲得勞工保險理賠的「職業災害」呢？ 根據「傷病審查準則」規範的「通勤災害」，包含 上下班、外出、公差、參加雇主指派活動、外出用餐、（因公傷）往返醫療院所等等的通勤，通通都被納入範圍 。
2022年5月10日 · 昨（9）日已確定「數位新冠病毒健康證明」系統將增加顯示身分證字號資料，不過至今產險與壽險公司都還未鬆口同意接受，業者憂心，未來理賠爭議只會越來越多， 當隔離、確診的認定標準降低，就會有越多的人有機會申請理賠，產險公司理賠金額可能瞬間飆高。 以有效保單 600 萬件計算，若有三成的保戶提出理賠、一張保單賠 5 萬，恐怕要賠 900 億元，相較於 80 億的保費收入，恐怕引發帳上現金流不足等問題，就會需要透過增資來補足資金缺口。 在這波防疫保單之亂中，承保量較大的業者包括富邦產險、國泰世紀產險、和泰產險新安東京海上產險、兆豐產險、中信產險、泰安產險等。
2021年12月23日 · 美國權威調查機構《消費者報告》（Consumer Reports）日前發布「2021 新車可靠度」調查報告，根據 30 萬輛車進行 17 個故障區分析，包括剎車、內飾、變速箱、四輪驅動系統、空調、電池、科技配備等，並加上賽道測試、車主滿意度調查及安全數據評分
