فرزان خامسیان

پولشویی عبارت است از پردازش عواید حاصل از فعالیت های مجرمانه و غیرقانونی به گونه ای که منشأ غیرقانونی مال تغییر یابد و هیچ گونه سوء ظنی را در مورد منشأ غیرقانونی آن بر نینگیزد. پدیدة پولشویی و مبارزه با آن در کشورهای جهان مقوله ای فراتر از یک سلسله اقدامات داخلی است. پولشویی، فعالیتی است که طی آن مال حاصل از ارتکاب جرم منشأ، با اموال مشروع و غیرمشروع دیگر آمیخته میشود به گونه ای که ماهیت اولیة آن مشخص نباشد. این جرم، ماهیتی بسیار پیچیده دارد. به گونه ای که عواید حاصل از این عمل با هدف پنهان ماندن منشأ و در ظاهری قانونی از مرزهای جغرافیایی کشور فراتر میرود و در کشورهای دیگر سرمایه گذاری میشود. بازار سرمایه از اساسی ترین ارکان مدیریت ریسک و ارائه پوشش در مقابل انواع ریسک های مالی است. شرکت های بیمه از سرمایه گذاران سنتی بازار سرمایه هستند. بیمه، نقش حیاتی در افزایش رشد اقتصادی یک کشور دارد. این بخش هم در فعالیت های سرمایه گذاری و هم در تأمین وام برای سایر صنایع نقش مهمی ایفا می کند که این امر به توسعة بهتر اقتصادی میانجامدبه طور کلی در سراسر جهان بخش بیمه انتقال ریسک پس انداز و خدمات سرمایه گذاری را برای افراد، شرکت ها و دولت به همراه دارد. بخش بیمه نیز مانند سایر بخش های مالی به شدت در معرض پول های حاصل از فعالیت های مجرمانه قرار دارد. این بخش به دلیل ماهیتی که دارد یکی از بخش های بسیار جذاب برای پولشویی است. بدین منظور سازمان ها و مراکز بین المللی و مسئولین ذی ربط باید تدابیر مفیدی را به منظور مقابله با این معضل اتخاذ کنند. تا از نفوذ پول های آلوده به بخش بیمه کشورها جلوگیری به عمل آید. متأسفانه باوجود نقش مهمی که این بخش دارد اقدامات پیشگیرانه در مقابل پولشویی مؤثر نیستند که دلیل اصلی آن عدم اطلاع و توجه بخش بیمه از موضوع پولشویی است. در کشورهای درحال توسعه بخش بیمه بیشتر در معرض آسیب پولشویی قرار دارد. دلیل این امر مستثنیکردن اقدامات و تدابیر احتیاطی در کشورهای درحال توسعه است. این گزارش، ابتدا به بیان مفهوم پولشویی پرداخته وپس از توضیح مفاهیم پولشویی و نیز سوابق مطالعاتی و اجرایی آن، راهکارهای مبارزه با پولشویی ارائه می شود. امید است این شماره از نشریه گزارش موردی نیز مورد توجه دست اندرکاران و صاحب نظران صنعت بیمه قرار گیرد.

باتوجه به اهمیت روزافزون متغیر ارز به خصوص در شرایط کنونی اقتصاد ایران، در این تحقیق به آثار تغییرات نرخ ارز بر متغیرهای کلان در هم کلاف اقتصادی و سپس اثر غیرمستقیم این تغییرات بر حق بیمه های دریافتی صنعت بیمه پرداخته شده است. در گام اول باتوجه به مدل نظری ماهواره ای برگرفته از پروفسور پسران، تأثیرگذاری نرخ ارز بر متغیرهای کلان اقتصاد به دست آمده است. مدل اقتصادسنجی مورد استفاده، مدل سیستمی معادلات هم انباشته خودرگرسیونی(Cointegration VAR) است. در گام دوم از طریق مدل ARDL اثرگذاری متغیرهای کلان اقتصاد بر تولید حق بیمه و اثرات غیرمستقیم نرخ ارز بر تولید حق بیمه های صنعت بیمه برآورد شده است، تا مجموع تأثیرات مستقیم و غیرمستقیم نرخ ارز بر تولید حق بیمه به دست آید. نتایج به دست آمده حاکی از آن است که تأثیر نرخ ارز بر تولید منفی است؛ یعنی با افزایش نرخ ارز تولید کاهش مییابد، همچنین اثرگذاری مستقیم تولید کل کشور بر تولید حق بیمه مثبت است.

هدف: این مقاله با هدف بررسی تأثیر تغییرات تولیدی ناشی از پاندمی کرونا بر وضعیت نقدینگی صنعت بیمه پرداخته است. روش شناسی: بدین جهت، ابتدا با فرض ورود این تغییرات از طریق کانال تولیدی (با توجه به مشاهدات) بر اقتصاد و انتقال آن به تولید در صنعت بیمه، اثر تغییرات تولیدی ناشی از پاندمی کرونا از طریق استخراج روابط نظری و بلندمدت تولید حق بیمه با اقتصاد و برآورد ضرایب آن با استفاده از مدل خودرگرسیون برداری هم انباشته (با داده های پنل) به دست آمد و در ادامه با توجه به سناریوهای مختلف برای تغییرات احتمالی ناشی از ریسک اعتباری و ریسک قیمت به عنوان آثار دیگر پاندمی کرونا (از طریق آزادسازی نقدینگی مولد با کاهش تولید) وضعیت شاخص نقدینگی شرکت های بیمه در شرایط نرمال و بحرانی در وضعیت کوتاه مدت و بلندمدت، مورد تحلیل و بررسی قرار گرفته است. یافته ها: نتایج نشان داد کاهش شاخص نقدینگی صنعت بیمه در شرایط کوتاه مدت و بحرانی در صورت کاهش رشد تولید ناخالص داخلی جهانی به میزان 0.5 درصد و یا 2.8 درصد به ترتیب مساوی 34.14 و 34.18 است و کاهش شاخص نقدینگی در شرایط بلند مدت و بحرانی به ترتیب مساوی 33.07 و 33.12 است. نتیجه گیری: نتایج بالا موید آن است که شرکت های بیمه جهت پوشش ریسک مذکور در شرایط بحرانی می بایست در کوتاه مدت نسبت به افزایش نسبت موجودی نقد و دارایی هایی با نقدشوندگی بالا اقدام نماید. همچنین، در صورت استمرار شرایط مذکور در بلندمدت، افزایش نسبت نگه داری دارایی های نقدشونده در قالب طلا یا ارزهای باثبات خارجی را در دستور کار قرار دهند.   طبقه بندی موضوعی: ,I10 .C23 , G22

In this study we provide insurance companies with a tool to classify the risk level and predict the possibility of future claims. The support vector machine (SVM) and genetic programming (GP) are two approaches used for the analysis. Basically, in Iran insurance industry there is no systematic strategy to evaluate the car body insurance policy. Companies refer mainly to the world experience and employ it to rate the premium. An insurance claim dataset provided by an Iranian insurance company with a sample size of 37904 is considered for programming and analysis. According to the structure of the dataset, a supervised learning algorithm was used to describe the underlying relationships between variables.

پیشینه و اهداف: ارزیابی صحیح و علمی ریسک صدور بیمه نامه یکی از حساس ترین و مهم ترین مراحل ارزیابی ریسک است و انجام آن باعث شناسایی مشتریان پرریسک و تعیین نرخ بیمه نامه، متناسب با ریسک مشتریان و در نتیجه پوشش مناسب خسارت های مالی ادعاشده به وسیله حق بیمه های دریافتی می شود. در این پژوهش روشی جدید برای تبیین دقیق تر و کاربردی تر از ریسک فاکتور ارائه شده است. در این روش که مبتنی بر الگوریتم بدون نظارت خوشه بندی است، ابتدا بازه های مختلف هر عامل مؤثر بر خسارت بررسی و با توجه به میزان تأثیرگذاری بر سطوح خسارت مشتریان به چند ریسک فاکتور تقسیم می شوند. سپس با توجه به میزان ارتباط آن با بازه دیگر عوامل، از لحاظ ایجاد سطوح خسارت مشابه در مشتریان، با آن ها ترکیب می شود و پکیجی شامل بازه های عوامل تأثیرگذار بر سطوح مختلف خسارت را تشکیل می دهد. به این ترتیب به جای یک ریسک فاکتور، پکیج های مختلفی ایجاد می شود که هرکدام از آن ها یک عامل ریسک یا همان ریسک فاکتور در نظر گرفته می شوند.روش شناسی: با استفاده از روش خوشه بندی کا-میانگین، بیمه گذاران به خوشه هایی با ریسک همگن که در واقع ریسک پکیج های متناظر با میزان پرخطر بودن مشتریان هستند، تقسیم شده اند. براساس ساختار الگوریتم کا-میانگین تعداد خوشه های مورد نظر باید از پیش تعیین شود. این موضوع چالش اصلی استفاده از الگوریتم مزبور است. در همین راستا دو رویکرد اصلی اعتبارسنجی سایه نما (ضریب سیلوئت) و روش آرنج برای حل این مشکل ارائه شده است.یافته ها: با توجه به نمودار آرنج و ضریب سیلوئت و همچنین در نظر گرفتن نیاز شرکت های بیمه به ارزیابی کاربردی و منطبق بر واقعیت، 4 خوشه به دست آمد که با توجه به اینکه خوشه 2 و 3 در یک طیف نزدیک به هم و در نتیجه قابل پیوستن به یکدیگر هستند و خوشه با سطح ریسک متوسط را تشکیل می دهند، 3 خوشه به عنوان بهترین خروجی دسته بندی بیمه گذاران لحاظ شد.نتیجه گیری: از بررسی ویژگی های به دست آمده در 3 خوشه مطرح شده می توان پکیج های ریسک ذیل را معرفی کرد.افراد با سنین بالا، متوسط و پایین (چگال در بازه 30 تا 58 سال) با ماشین ارزان قیمت و دارای جنسیت مرد را می توان به عنوان بیمه گذاران با بالاترین سطح ریسک معرفی کرد.افراد با سنین متوسط و بالا (چگال در بازه 32 تا 53 سال) با ارزش ماشین متوسط و بالا را می توان بیمه گذاران دارای ریسک های متوسط در نظر گرفت.افراد با سنین متوسط به بالا (چگال در بازه 51 تا 63 سال) با ماشین گران قیمت را می توان بیمه گذاران با پایین ترین سطح ریسک در نظر گرفت.