مدیریت هوشمند ریسک : مدل دو مرحله ای NN-QR در بیمه های اموال

این پژوهش کاربرد رگرسیون چندکی ۲را در فرآیند تفکیک ریسک مورد مطالعه قرار می دهد، مدلهای دو بخشی مبتنی بر مدلهای خطی تعمیم یافته به طور گسترده در ساخت نرخ بیمه برای پیش بینی خسارت مورد انتظار استفاده می شوند. یک روش جایگزین مبتنی بر رگرسیون چندکی را بررسی می کند که اطلاعات بیشتری در مورد توزیع زیان ارائه می دهد و همچنین می تواند برای تفکیک ریسک و کنترل بیمه نامه های صادره مورد استفاده قرار گیرد. رگرسیون چندکی امکان تخمین مقدار خسارت کل یک بیمه نامه را با توجه به تعدادی متغیر کمکی فراهم می کند. برای انجام این کار، مرحله اولی که ضرورت دارد، شامل برازش مدل شبکه های عصبی برای تخمین احتمال ارائه حداقل یک خسارت برای هر بیمه نامه است . روش پیشنهادی برای دادههای بیمه نامه های مسئولیت کارفرما در قبال کارکنان انجام شده است . با تخمین شدت و احتمال وقوع خسارت می توان مقدار حق بیمه را با استفاده از اصل حق بیمه چندکی محاسبه کرد. با استفاده از مقادیر برآورد شده برای احتمال و شدت وقوع خسارت می توانیم ماتریس ریسک را طراحی کنی . محاسبه حق بیمه با استفاده از رگرسیون چندکی که خواص خوب چندکها را به ارث می برد مزایایی نسبت به روشهای محاسبه حق بیمه با استفاده از اصل ارزش مورد انتظار ۳و اصل واریانس ۴حق بیمه دارد.

کلیدواژه ها:

مدیریت ریسک ، رگرسیون چندک ، شبکه عصبی ، مدل دو مرحله ای ، طبقه بندی