طراحی مدل ریاضی آرمانی به منظور تعیین نرخ افزایش تعرفه های پوشش با در نظر داشتن شرایط بروز بحران و فجایع طبیعی و غیرطبیعی در رشته درمان

شرکت های بیمه فعال در ایران با چالش های پیچیده تعیین تعرفه های پوشش های زیرمجموعه رشته بیمه درمان مواجه اند که به دلیل ماهیت پرریسک این رشته از بالاترین ضریب خسارت اغلب بیش از ۸۰٪ برخوردار است. افزایش تعرفه ها اگرچه برای حفظ پایداری مالی شرکت های بیمه ضروری است، به کاهش رضایت بیمه گذاران و ذهنیت مثبت آنها منجر می شود و باید به صورت کنترل شده و در چارچوب محدودیت های نظارتی بیمه مرکزی انجام گیرد. این چالش با تاثیر عوامل خارجی مانند بلایای طبیعی (سیل، زلزله و همه گیری هایی مانند (کووید (۱۹) که به طور مستقیم ضریب خسارت را تحت تاثیر قرار می دهند، پیچیده تر می شود. این پژوهش با هدف ارائه یک مدل بهینه سازی چند هدفه استوار برای قیمت گذاری بیمه های درمان طراحی شده است که عدم قطعیت های ناشی از بحران ها را مدیریت می کند. در این مدل از شبکه های عصبی مصنوعی (ANN) مبتنی بر معماری XGBoost برای پیش بینی تغییرات خسارت تحت سناریوهای بحرانی (عادی، کووید، سیل، زلزله و ترکیبی) استفاده شده و نتایج به عنوان پارامترهای ورودی مدل بهینه سازی به کار گرفته شده اند. مدل پیشنهادی یک برنامه ریزی خطی مختلط (MILP) چند هدفه است که سه هدف را دنبال می کند: کمینه سازی زیان مورد انتظار، کمینه سازی افزایش تعرفه ها و بیشینه سازی رضایت بیمه گذاران برای استوارسازی در برابر عدم قطعیت، رویکرد سناریو-محور با پنج سناریو اعمال شده و محدودیت های نظارتی بیمه مرکزی در مدل لحاظ گردیده است. مدل با استفاده از الگوریتم فراابتکاری بهینه سازی ازدحام ذرات (PSO) با جمعیت ۱۰۰ ذره و ۵۰۰ تکرار حل شده و با روش های دقیق مانند حل کننده Gurobi اعتبار سنجی شده است. نتایج نشان دهنده دقت ۹۵ روش فراابتکاری در بهینه سازی تعرفه ها و ارائه سیاست قیمت گذاری متعادل است که سودآوری شرکت های بیمه را با حفظ رضایت مشتریان تضمین می کند. این مدل با در نظر گرفتن تاثیر بلایای طبیعی شکاف موجود در ادبیات قیمت گذاری بیمه درمان را پر کرده و چارچوبی نوآورانه برای سیاست گذاری در شرایط بحرانی ارائه می دهد.

کلیدواژه ها:

نرخ ، افزایش تعرفه ، پوشش بیمه درمان ، مدلسازی ریاضی