رفتار مدلهای غیرخطی در پیشبینی توانگری مالی شرکتهای بیمه بورسی

هدف: از آنجاییکه بقای تعهدات مربوط به بیمهگذاران و به حداکثر رساندن منافع شرکت از مهمترین اهداف شرکتهای بیمه بوده و از سویی سازمانهای نظارتی هر کشور به تصویب قوانین و مقررات خاص و مدیران با اتخاذ تدابیر احتیاطی و راهکارهای فنی و مالی نوین سعی میکنند تا توان مالی شرکتهای بیمه را در حد قابل قبولی حفظ کنند لذا هدف از این پژوهش ارائه یک مدل هوشمند جهت پیشبینی توانگری مالی در شرکتهای بیمه، به عنوان یک سیستم پشتیبان تصمیم میباشد. روششناسی: به منظور ارائه مدل پیشبینی کننده توانگری مالی شرکتهای بیمه با بررسی پیشینه تعداد ۱۷متغیر به عنوان متغیر پیشبین جهت پیشبینی طبقه توانگری مالی از منابع معتبر سایت بیمه مرکزی ج.ا.ا، طی سال ۱۳۹۲ تا ۱۳۹۶ استخراج شده است. در این پژوهش ابتدا نتایج حاصل از بهکارگیری مدلهای مختلف پیشبینی مبتنی بر هوش مصنوعی شامل: درخت تصمیم، شبکه عصبی، نایبویز مورد مقایسه قرار گرفت در مرحله بعد رتبه­بندی الگوریتم­های پیش­بینی شونده مورد بررسی قرار گرفت. یافتهها: نتایج حاصل از این پژوهش نشان داد درخت تصمیم با دقت ۹۹ درصد بهترین عملکرد را در پیشبینی توانگری مالی دارد با توجه به اینکه درخت تصمیم، مدلهای شناخت و نگاشت غیرخطی و الگوهای آشوب گونه بین متغیرهای هدف و تصمیم میباشد. نتیجهگیری: بالا بودن دقت مدل درخت تصمیم در پیشبینی توانگری مالی، را اثبات میکند و مدل استخراج شده با استفاده از درخت تصمیم دقت و قابلیت بسیار بالایی در تخمین را داراست.   طبقه بندی موضوعی JEL: G۱۱,G۱۷, M۶  

کلیدواژه ها:

بازارهای مالی ، طبقه توانگری ، دادهکاوی ، توانگری مالی ، هوش مصنوعی