رفتار مدل های غیرخطی در پیش بینی توانگری مالی شرکت های بیمه بورسی

از آنجایی که بقای تعهدات مربوط به بیمه گذاران و به حداکثر رساندن منافع شرکت از مهم ترین اهداف شرکت های بیمه بوده و از سویی سازمان های نظارتی هر کشور به تصویب قوانین و مقررات خاص و مدیران با اتخاذ تدابیر احتیاطی و راهکارهای فنی و مالی نوین سعی می کنند تا توان مالی شرکت های بیمه را در حد قابل قبولی حفظ کنند لذا هدف از این پژوهش ارایه یک مدل هوشمند جهت پیش بینی توانگری مالی در شرکت های بیمه، به عنوان یک سیستم پشتیبان تصمیم می باشد.

روش شناسی: 

به منظور ارایه مدل پیش بینی کننده توانگری مالی شرکت های بیمه با بررسی پیشینه تعداد 17متغیر به عنوان متغیر پیش بین جهت پیش بینی طبقه توانگری مالی از منابع معتبر سایت بیمه مرکزی ج.ا.ا، طی سال 1392 تا 1396 استخراج شده است. در این پژوهش ابتدا نتایج حاصل از به کارگیری مدل های مختلف پیش بینی مبتنی بر هوش مصنوعی شامل: درخت تصمیم، شبکه عصبی، نایبویز مورد مقایسه قرار گرفت در مرحله بعد رتبه بندی الگوریتم های پیش بینی شونده مورد بررسی قرار گرفت.

یافته ها: 

نتایج حاصل از این پژوهش نشان داد درخت تصمیم با دقت 99 درصد بهترین عملکرد را در پیش بینی توانگری مالی دارد با توجه به اینکه درخت تصمیم، مدل های شناخت و نگاشت غیرخطی و الگوهای آشوب گونه بین متغیرهای هدف و تصمیم می باشد.

نتیجه گیری:

 بالا بودن دقت مدل درخت تصمیم در پیش بینی توانگری مالی، را اثبات می کند و مدل استخراج شده با استفاده از درخت تصمیم دقت و قابلیت بسیار بالایی در تخمین را داراست.