نظارت پیشگیرانه و تاب آوری شرکت های بیمه

صنعت بیمه در ایران به دلیل مواجهه با شوک های اقتصادی نظیر تورم، نوسانات ارزی، و بی ثباتی ژئوپلیتیکی نیازمند ارزیابی تاب آوری شرکت های خود می باشد. این پژوهش با هدف سنجش تاب آوری هشت شرکت بیمه بورسی ایرانی در برابر شوک های اقتصادی، از تکنیک های پیشرفته یادگیری ماشین (شامل Random Forest (RF)،GBoost (XGB) و شبکه عصبی بهینه شده (ANN)) استفاده کرده است. شاخص تاب آوری شرکت های منتخب بر اساس شش متغیر مالی کلیدی شامل نسبت پوشش ذخایر، نقدینگی عملیاتی، بازده حقوق صاحبان سهام، بازده دارایی ها، نسبت خسارت به حق بیمه و نسبت هزینه عملیاتی به درآمد ساخته شده است. داده های فصلی از بهار ۱۳۹۴ تا بهار ۱۴۰۴ از منابع معتبر گردآوری و با مدل سازی روابط غیرخطی متغیرهای کلان اقتصادی (تورم، نرخ ارز، تولید ناخالص داخلی، قیمت نفت، شاخص بورس، نرخ بازده بدون ریسک) تحلیل شدند. یافته ها نشان می دهد مدل Random Forest دقیق ترین پیش بینی را ارائه داده و شوک های نرخ ارز و تورم بیشترین اثر منفی را بر تاب آوری دارند (کاهش شاخص به ترتیب ۰.۰۴۶ و ۰.۰۳۰ واحد). شوک های شاخص بورس اثر متوسط و سایر متغیرها تاثیرات ناچیز داشتند. تحلیل حساسیت با Heatmap نیز تایید کرد که نرخ ارز و تورم عوامل بحرانی اند. این مطالعه با ارائه رویکردی نوین در تلفیق یادگیری ماشین و شبیه سازی مونت کارلو، پیشنهاداتی را برای نظارت پیش نگرانه و تقویت پایداری مالی صنعت بیمه، از جمله طراحی سامانه هشدار زودهنگام، پوشش ریسک ارزی، و تنظیم گری هوشمند و... ارائه داده است.

کلیدواژه ها:

تاب آوری ، یادگیری ماشین ، شوک های اقتصادی ، صنعت بیمه