فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۱٬۲۸۱ تا ۱٬۳۰۰ مورد از کل ۲٬۰۷۳ مورد.
حوزه های تخصصی:
پیش بینی تداوم فعالیت یک بانک در دوره های آتی، یکی از عناصر مهم در تصمیم گیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیش بینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی شکنندگی مالی مطرح بوده است. یکی از پیشرفته ترین مدل های پیش بینی کننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره گیری از ادبیات نظری و تجربی، شاخص شکنندگی مالی متناسب با ساختار شبکه بانکی کشور تعریف شده و سپس با به کارگیری آزمون t معنی داری نسبت های مالی مورد نظر و بر اساس آماره لوین میانگین دو نمونه در سطح اطمینان 95 درصد، مورد آزمون قرار گرفته و سپس با انتخاب نسبت های مالی معنی دار که قدرت توضیح دهی در مدل داشته باشند، مدل شبکه عصبی طراحی گردید. برای آزمون دقت و صحت مدل از جدول طبقه بندی و منحنی ROC استفاده شد. نتایج بررسی بیانگر قدرت پیش بینی 96 درصدی مدل طراحی شده است. همچنین بر اساس یافته های این مقاله، ریسک اعتباری و ریسک نقدینگی، از مهمترین عوامل توضیح دهنده شکنندگی مالی هستند.
آشنائی با بازار بیمه ژاپن
حوزه های تخصصی:
تحلیلی بر خصوصی سازی در صنعت بیمه
حوزه های تخصصی:
درسهایی از موفقیت مالزی در بیمههای تکافل
حوزه های تخصصی:
تاثیر گرایش کارآفرینی بر عملکرد بانک ها با تأکید بر نقش میانجی بازارگرایی (مطالعه موردی: بانک های دولتی و خصوصی استان گیلان)
حوزه های تخصصی:
تلاش برای مقررات روشن و شفافیت بیشتر در بازار بیمه چین
حوزه های تخصصی:
رویکرد رتبه بندی داخلی بال 2 و سرمایه مورد نیاز برای مواجهه با ریسک اعتباری(مقاله علمی وزارت علوم)
حوزه های تخصصی:
براساس توافقنامه بال 2، تسهیلات پرداختی به اشخاص حقیقی و بنگاه های اقتصادی کوچک و متوسط تحت عنوان پرتفوی اعتباری خرد تعریف شده است و بانک ها مجازند یکی از رویکردهای استاندارد یا رتبه بندی داخلی را برای تعیین سرمایه مورد نیاز به منظور مواجهه با ریسک اعتباری انتخاب کنند. پیاده سازی رویکرد رتبه بندی داخلی، مستلزم طبقه بندی تسهیلات خرد به طبقات همگن ریسکی و تخمین پارامترهای ریسک اعتباری در سطح هر یک از طبقات است. به طور خاص، تابع سرمایه مورد نیاز براساس این رویکرد، برای هر یک از تسهیلات تابعی از احتمال نکول ( PD ) و ارزش مشروط به نکول ( LGD ) هر قرض گیرنده است. به ازای سطح معین LGD ، شکل ریاضی تابع سرمایه مورد نیاز نسبت به احتمال نکول در بازه ای گسترده، مقعر است. به دلیل تقعر تابع سرمایه مورد نیاز، افزایش دقت در طبقه بندی تسهیلات به طبقات همگن ریسکی برای بانک ها صرفه جویی سرمایه ای به همراه خواهد داشت. در این مطالعه، با استفاده از روش درخت طبقه بندی و رگرسیون تسهیلات دریافتی 1343 نفر از مشتریان حقیقی خرد یکی از بانک های خصوصی کشور طی سال های 1391 تا 1392 به چند طبقه ریسکی همگن طبقه بندی شدند. نتایج تحقیق حاکی از آن است که با طبقه بندی دقیق تر مشتریان در سطح پنجم، سرمایه مورد نیاز برای مواجهه با ریسک اعتباری در مقایسه با سطح صفر می تواند حدود 44/0 درصد کاهش یابد.
آشنایی با مراکز تحقیقاتی و موسسات بیمه درجهان: انجمن جنوا
حوزه های تخصصی:
و اقتصاد بیمه ایران IMF دکتر
منبع:
گزارش آبان ۱۳۷۷ شماره ۹۳
حوزه های تخصصی:
تعیین نرخ حق بیمه عملکرد منطقه ای با استفاده از روش ناپارامتریک: مطالعه موردی محصولات گندم و جو در استان آذربایجان شرقی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تولیدکنندگان بخش کشاورزی همواره با نوسانات درآمدی مواجه بوده و ناگزیر به استفاده از روش های مناسب مدیریتی جهت مقابله با شرایط ریسکی و بعضا عدم اطمینان حاکم هستند. مطالعه ی حاضر ضمن بررسی وضعیت بیمه کشاورزی برای دو محصول استراتژیک گندم و جو در استان آذربایجان شرقی، بیمه عملکرد منطقه، به عنوان یک راهکار مناسب و جایگزین را مدنظر قرار داده و نرخ حق بیمه آن را به روش ناپارمتریک تعیین می نماید. بدین منظور از رهیافت متداول دو مرحله ای برای مدلسازی ریسک عملکرد محصولات گندم و جو استفاده شد، بدین صورت که ابتدا عملکرد ها روندزدایی شده و سپس توزیع احتمالاتی آن با بهره گیری از رهیافت ناپارامتریک برآورد گردید. در نهایت احتمال خسارت، نرخ حق بیمه منصفانه و واقعی و حق بیمه محاسبه شد. نتایج نشان داد، در سطح پوشش 65 درصد، سطح پوشش ارائه شده برای بیمه سنتی، برای محصول گندم در نواحی مختلف نر خ های حق بیمه واقعی از 6/1 درصد در شهرستان اهر تا 1/3 درصد در شهرستان هشترود، برای گندم دیم از 9/3 درصد در شهرستان اهر تا 3/9 درصد در شهرستان میانه، برای محصول جو آبی از 3/1 درصد در شهرستان اهر تا 9/4 درصد در شهرستان مراغه و برای جو دیم از 7/2 درصد در شهرستان مراغه تا 9/6 درصد در شهرستان سراب متغیر است که با توجه به نرخ های ارائه شده در حق بیمه سنتی، نتایج حاکی از صرفه جویی در مقادیر حق بیمه های پرداختی نسبت به حق بیمه های موجود می باشد. که این مزایایی را برای کشاورزان و بیمه گر در بر خواهد داشت.
کاربرد برآوردگرهای رگرسین ناپارامتری در تعیین حق بیمه باورمندی (مطالعه موردی : بررسی عوامل موثر بر فروش بیمه شخص ثالث)
حوزه های تخصصی:
تعیین حق بیمه یکی از مهم ترین مسائلی است که شرکت های بیمه همواره با آن مواجهند. لذا از نظریه باوردمندی به منزله ابزاری مهم برای تعیین و تعدیل حق بیمه استفاده می شود. تاکنون مدل های گوناگونی برای تقریب حق بیمه های باورمندی ارائه شده و از دیدگاه های مختلف آماری نیز بررسی شده است. در این مقاله ما نظریه باورمندی را از دیدگاه ناپارامتری و روش محاسبه حق بیمه باورمندی را تحت چند اصل مختلف بررسی خواهیم کرد. به همین منظور با مروری مختصر به حق بیمه باورمندی، برآوردگر هسته ای به روش میانگین موضعی را برای برآورد اتورگرسیون معرفی و از این برآوردگر برای پیش بینی تعداد و میزان خسارت داده های جمع آوری شده از شرکت بیمه البرز در رشته بیمه شخص ثالث استفاده خواهیم کرد.
بررسی روند بیمه عمر طی سالهای 1368 تا 1372
حوزه های تخصصی:
بررسی و پیش بینی عملکرد شبکه بانکی ایران با استفاده از مدل های Kohonen، ANN و Panel data(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مطالعه به بررسی و پیش بینی مقایسه ای عملکرد شبکه بانکی کشور (متشکل از 14 بانک) با مدل های اقتصادسنجی و شبکه عصبی مصنوعی پرداخته شد. برای این منظور در ابتدا با مدل شبکه عصبی کوهنن (Kohonen)، بانک های مورد بررسی به دو دسته با عملکرد بالا و با عملکرد پایین تقسیم شده است، سپس با استفاده از خروجی مدل شبکه عصبی کوهنن، نسبت های مالی و مدل اقتصادسنجی داده های تابلویی (Panel Data) به تخمین مدل عملکرد شبکه بانکی برای دوره 1389-1384پرداخته و در نهایت با به کارگیری معیارهای ارزیابی کارایی مدل ها، به مقایسه کارایی مدل های Panel Data و ANN در پیش بینی عملکرد شبکه بانکی پرداخته شد.
نتایج مدل کوهنن نشان داد که از 14 بانک مورد مطالعه، 4 بانک به گروه با عملکرد بالا و 10 بانک به گروه با عملکرد پایین اختصاص دارد. هم چنین نتایج مدل Panel Data نشان داد که متغیر نسبت نقد به سپرده کل دارای بیشترین و متغیر نسبت درآمد سرمایه ای به درآمد کل دارای کمترین تاثیر بر عملکرد شبکه بانکی می باشد. در نهایت بررسی مقایسه ای مدل ها نشان داد که مدل ANN برای پیش بینی عملکرد شبکه بانکی بر مدل Panel Data برتری دارد.
نقش دلالان بیمه اتکائی در تأدیه وجوه طرفین قرارداد
حوزه های تخصصی:
ظرفیت بالقوه بیمه های بازرگانی در ایران
حوزه های تخصصی:
اصول و ظوابط ایمنی در ریسکهای صنعتی
حوزه های تخصصی: