استفاده از رویکرد تجمیعی یادگیری ماشین در تعیین نرخ بیمه: مطالعه موری بیمه سامان

این پژوهش با هدف ارتقای دقت و عدالت در فرآیند تعیین حق بیمه، به بررسی به کارگیری رویکرد تجمیعی یادگیری ماشین در بیمه نامه های اتومبیل – بدنه شرکت بیمه سامان در استان مازندران می پردازد. هدف اصلی، ارائه یک راهکار نوین برای پیش بینی دقیق ریسک طراحی ساختارهای قیمت گذاری منصفانه تر است. در این مطالعه، داده های واقعی مربوط به بیمه گذاران و خسارت های ثبت شده آن ها تحلیل شده است. روش این پژوهش بر چند مرحله کلیدی استوار است که شامل پیش پردازش اصولی داده ها شامل مهندسی ویژگی ها، حذف و محدودسازی مقادیر پرت و بهینه سازی هایپرپارامترها با استفاده از چارچوب هوشمند Optuna و در نهایت پردازش و مدل سازی نهایی با استفاده از روش ترکیبی یادگیری تجمیعی CatBoost و XGBoost می باشد. نتایج نشان داد که تکنیک های پیش پردازش داده ها، نقش حیاتی در بهبود عملکرد مدل دارند. درنهایت، مدل ترکیبی CatBoost و XGBoost بهترین عملکرد را ارائه می دهد و ضریب تعیین در داده های آزمایشی افزایش یافت. این امر نشان دهنده تعمیم پذیری خوب مدل و جلوگیری از بیش برازش است. استفاده از مدل های پیشرفته یادگیری ماشین و تجمیع آن ها می تواند تحول بزرگی در شیوه های قیمت گذاری بیمه ایجاد کند که منجر به بهبود پایداری مالی شرکت های بیمه و افزایش رضایت بیمه گذاران می شود.

کلیدواژه ها:

یادگیری ماشین ، یادگیری تجمیعی ، بیمه اتومبیل ، بیمه بدنه ، نرخ بیمه