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

این پژوهش کاربرد رگرسیون چندکی را در فرایند تفکیک ریسک مورد مطالعه قرار می دهد. مدل های دو بخشی مبتنی بر مدل هایخطی تعمیم یافته به طور گسترده در ساخت نرخ بیمه برای پیش بینی خسارت مورد انتظار استفاده می شوند. یک روش جایگزین مبتنی بررگرسیون چندکی را بررسی می کند که اطلاعات بیشتری در مورد توزیع زیان ارائه می دهد و همچنین می تواند برای تفکیک ریسک وکنترل بیمه نامه های صادره مورد استفاده قرار گیرد. رگرسیون چندکی امکان تخمین مقدار خسارت کل یک بیمه نامه را با توجه بهتعدادی متغیر کمکی فراهم می کند. برای انجام این کار مرحله اولی که ضرورت دارد. شامل برازش مدل شبکه های عصبی برای تخمیناحتمال ارائه حداقل یک خسارت برای هر بیمه نامه است. روش پیشنهادی برای داده های بیمه نامه های مسئولیت کارفرما در قبال کارکنانانجام شده است. با تخمین شدت و احتمال وقوع خسارت می توان مقدار حق بیمه را با استفاده از اصل حق بیمه چند کی محاسبه کرد. بااستفاده از مقادیر برآورد شده برای احتمال و شدت وقوع خسارت می توانیم ماتریس ریسک را طراحی کنی. محاسبه حق بیمه با استفادهاز رگرسیون چندکی که خواص خوب چندک ها را به ارث می برد مزایایی نسبت به روش های محاسبه حق بیمه با استفاده از اصل ارزشمورد انتظار و اصل واریانس حق بیمه دارد.

کلیدواژه ها:

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