مقایسه مدل ARIMA و شبکه عصبی مصنوعی در پیش بینی پس نهاد خسارت در صنعت بیمه اتومبیل

تخمین میزان خسارت تعدادی، مبلغی برای بیمه نامه های صادره ای که در اینده به خسارت برخورد خواهند کرد یکی از عوامل مهم در تعیین وضعیت مالی شرکتهای بیمه می باشد در براورد سود و زیان شرکت علاوه بر میزان فروش بیمه نامه و خسارت هایی که تاکنون بوقوع پیوسته است تخمینی از خسارتهایی که در اینده ممکن است به وقوع بپیوندد نیاز می باشد میزانخسارت هایی که براساس فروش فعلی شرکت رد اینده با آن روبرو خواهد شد را اصطلاحا پس نهاد خسارت می نامیم برایمدلسازی پس نهاد خسارت دراین مقاله از سریهای زمانی استفاده شده است که می توند نشاندهنده الگوی تغییر فروش و خسارت در فواصل زمانی معین باشد کارایی مدل اماری ARIMA با روش شبکه های عصبی مصنوعی در سریهای زمانی دراین مقاله مورد مقایسه قرارگرفته است و نشان داده می شود که شبکه های عصبی می توانند در مقابل مدل اماری ARIMA دارای دقت پیش بینی زیادتری باشد.

کلیدواژه ها:

پس نهاد خسارت ، داده کاوی ، شبکه های عصبی ، مدل ARIMA ، بیمه اتومبیل