درخت حوزه‌های تخصصی

پیشین ه و اهداف: پژوهش حاضر با هدف مدل سازی ریسک های سیستماتیک و غیرسیستماتیک و ژئوپلیتیک بر توانگری مالی در صنعت بیمه و رویکردی جدید به مد ل های میانگین گیری در ایران انجام شده است. روش شناسی: این پژوهش از نظر هدف توسعه ای– کاربردی و از نظر روش توصیفی– پیمایشی است. بازه زمانی تحقیق داده های فصلی 1390 تا 1400 در یک بازه 11 ساله بوده است. اطلاعات مورد نیاز به روش کتابخانه ای جمع آوری شده اند. برای این منظور، اطلاعات شاخص های 33 ریسک مؤثر بر توانگری مالی شرکت های بیمه با استفاده از مدل های BMA، TVP-DMA و TVP-DMS و BVAR بررسی شد. یافته ها: براساس میزان خطا، مدل BMA از بالاترین دقت برخوردار بود. پس از برآورد مدل، 11 متغیر اصلی شناسایی شد که عبارت اند از: رشد اقتصادی، نااطمینانی تورم، نرخ ارز، تحریم، شاخص KOF، بازده سرمایه در گردش، نسبت کفایت نقد، نسبت کل بدهی به ارزش ویژه، ضریب خسارت، شاخص هرفیندال– هیرشمن و ریسک ژئوپلیتیک. کاملاً از نتایج مشهود است که ریسک های متعددی بر توانگری مالی در صنعت بیمه اثرگذارند و این امر پیش بینی این وضعیت را با مشکلات متعددی روبه رو می سازد. در نتیجه برای طراحی مدل های پیش هشداردهنده این متغیر لازم است از یک مدل جامع و سیستمی که ابعاد مختلف این شاخص را بررسی می کند، بهره گرفته شود. نتیجه گیری: در این مطالعه از طریق بررسی ارتباطات تجربی نشان دادیم که با توجه به احتمالات مختلف محاسبه شده بین مدل های جایگزین، اعتماد به یک مدل مفهومی منفرد در فرایند مدل سازی توانگری مالی به ایجاد پیش بینی های غیرصحیح منجر شده، در نهایت تصمیمات مدیریتی در رابطه با آن مدل با خطر شکست در پیش بینی مواجه خواهد شد. براساس نتایج تعدد عوامل مؤثر بر توانگری مالی، در مدیریت شرکت بیمه لازم است از یک دیدگاه سیستمی بهره برد و صرفاً در نظر گرفتن یک مدل مشخص یا یک سلسله متغیر مشخص نمی تواند دیدگاه جامعی در راستای تعیین مدل بهینه توانگری مالی در این صنعت ارائه کند.

پیشینه و اهداف: دولت ها همواره برای اداره جامعه، نظام حمایتی– رفاهی داشته اند که در راستای سیاست های رفاهی تعیین شده از سوی آن ها عملیاتی می شود. بخش عمده این حمایت ها که مشتمل بر «مساعدت اجتماعی»، «بیمه های اجتماعی» و «سیاست بازار کار» است، محصول سیاست های رفاهی است. هدف مقاله حاضر، تحلیل گفتمان سیاست رفاهی در «قانون کار» و «طرح بیمه بیکاری ایام کرونا» است. روش شناسی: روش تحلیل گفتمان (به شیوه تحلیل گفتمان لاکلاو و موفه)، روش پژوهش انتخابی در این نوشتار است. به این منظور، متن «قانون کار» و «طرح بیمه بیکاری ایام کرونا» به عنوان جامعه هدف پژوهش، مبنای بررسی و تحلیل قرار گرفت. یافته ها : در طول چهار دهه پس از پیروزی انقلاب، همواره ایران دارای سیاست ها و برنامه های رفاهی بوده، اما جایگاه سیاست رفاهی در حوزه بیمه بیکاری در گفتمان های سیاسی و اجتماعی دولت های پس از انقلاب یکسان نبوده است و در ترسیم فضای گفتمانی هر دولت، با توجه به دالّ مرکزی آن، سازوکارهای سیاست رفاهی در حوزه رفع بیکاری و اشتغال آفرینی متفاوت بوده و در ضمن مفصل بندی گفتمان حاکم بر قانون کار و طرح بیمه بیکاری ایام کرونا تاحدودی متمایز بوده است. بدین ترتیب که دالّ شناور «سیاست رفاهی در حوزه رفع بیکاری» در قانون کار را بر مبنای دالّ مرکزی «سیاست اجتماعی اشتغال کامل» می توان تعریف کرد، اما در طرح بیمه بیکاری ایام کرونا دالّ شناور «سیاست رفاهی در حوزه بیکاری» بر مبنای دال مرکزی «اعمال سیاست حمایتی جامع» قابل تعریف است. نتیجه گیری: فصل مشترک رویکردهای گفتمانی در خصوص بیکاری و حمایت های مربوطه در ایران — و مشخصاً در قالب دو متن قانونی مذکور — تمرکز بر «عدالت استحقاقی» در بهره مندی از خدمات کوتاه مدت تأمین اجتماعی در قالب بیمه بیکاری است؛ بدین معنا که صرفاً مشمولان قانون تأمین اجتماعی و قانون کار، مستحق برخورداری از حمایت بیمه ای تلقی می شوند و آن دسته از بیکاران که فاقد چنین مشخصاتی باشند، خارج از حوزه حمایتی قرار گرفته اند؛ چنین تلقی و رویکردی، در تعارض با سیاست مندرج در اصل 29 قانون اساسی است، زیرا تأکید این ماده قانونی بر این است که تأمین اجتماعی یک حق همگانی است که دولت ها مکلف اند آن را از طریق به کارگیری درآمدهای عمومی و یا استفاده از منابع حاصل از مشارکت مردم، برای آحاد جامعه تأمین کنند؛ این اصل دقیقاً اشاره به لزوم رعایت «نگاه حمایتی و جامع (مبتنی بر عدالت توزیعی)» دارد. 

پیشینه و اهداف: برندها همواره تحت تأثیر عوامل درونی و بیرونی هستند که در ارتقای ارزش آنها نقش اساسی ایفا می کنند. عوامل رفتاری کارکنان سطوح مختلف از عالی تا عملیاتی از جمله عوامل درون سازمانی محسوب می شوند که بر ارزش برند تأثیر دارند. زیرا اگر رفتارها مثبت باشند، منجر به ارتقای ارزش برند؛ اما اگر منفی و انحرافی باشند، برای شرکت ها در محیط بسیار رقابتی، به ویژه بنگاه های اقتصادی دولتی تهدید محسوب می شوند؛ در چنین شرایطی به کارگیری اقداماتی در راستای کنترل و کاهش رفتارهای انحرافی ضروری به نظر می ر سید. بنابراین هدف پژوهش، طراحی مدل ارتقای ارزش برند بیمه ایران به عنوان یکی از بنگاه های اقتصادیِ دولتی از طریق کاربست اقدامات مختلف در نظر گرفته شد.روش شناسی: پژوهش حاضر از نظر هدف اکتشافی-کاربردی و به لحاظ روش، آمیخته است. جامعه آماری پژوهش تمامی خبرگان اعم از مدیران رده بالا، سرپرستان شعب و نمایندگی های بیمه ایران در استان های شمالی کشور از جمله گیلان، مازندران و گلستان در نظر گرفته شد. در بخش کیفی، از روش کیفی فراترکیب و روش هفت مرحله ای سندلوسکی و همکاران (2007) به منظور احصای اقدامات مؤثر بهره گرفته شد؛ سپس به منظور تعیین مؤثرترین اقدامات از دیدگاه خبرگان بیمه ایران از روش دومرحله ای دلفی– فازی استفاده شد. در بخش کمّی نیز به منظور اعتبارسنجی و آزمون مدل از روش حداقل مربعات جزئی بهره گرفته شد. حجم نمونه در بخش دلفی– فازی 30 نفر خبره بود و در بخش کمّی، 340 پرسش نامه به روش نمونه گیری غیراحتمالی سهمیه ای بین کارشناسان بیمه سه استان شمالی توزیع شد.  یافته ها: ابتدا با بهره گیری از روش کیفی فراترکیب، اقدامات مؤثر برای کنترل و کاهش رفتارهای انحرافی احصا و با روش تحلیل مضمون 51 اقدام در 4 دسته کدگذاری شد؛ سپس با روش دلفی– فازی و توزیع فرم های نظرسنجی بین 30 نفر از خبرگان بیمه ایران در 3 استان شمالی گیلان، مازندران و گلستان، 39 اقدام با اعداد قطعی بالای 7/0 در 4 دسته نهایی و مدل ساختاری برای بررسی تأثیر اقدامات بر ارزش برند طراحی شد. در بخش کمی، پرسش نامه ای حاوی 51 سؤال به روش نمونه گیری سهمیه ای بین 340 نفر از کارکنان شعب و نمایندگی های بیمه ایران در سه استان توزیع و گردآوری شد. نتایج برازش مدل ساختاری نشان داد که مدل با شاخص نیکویی برازش معادل 52/0، از برازش قوی برخوردار است. همچنین نتایج تحلیل مسیر نشان داد که اقدامات ساختاری و سازمانی با ضریب مسیر 79/0 بیشترین تأثیر را بر ارزش برند دارند. نتیجه گیری: در این پژوهش مشخص شد که یکی از مهم ترین دغدغه های مدیران بنگاه های اقتصادی دولتی در بازار به شدت رقابتی، کاربست اقداماتی مؤثر در راستای کنترل و کاهش انحرافی کارکنان است تا در محدوده منطقی و سازنده ای قرار گیرند، در غیر این صورت، اعتبار و ارزش برندشان خدشه دار می شود. بنابراین برای کنترل و کاهش این گونه رفتارهای مخرب باید پیشنهادهای پژوهش مورد توجه قرار گیرد.

پیشینه و اهداف: سود آوری یکی از مهم ترین شاخص های عملکرد شرکت های بیمه است، زیرا نشان دهنده توانایی بیمه گر (شرکت بیمه) برای سرمایه گذاری و رشد آن است و ناظران با تکیه بر ویژگی های مالی در رابطه با سودآوری، بقای بیمه گر را تعیین می کنند. در سال های اخیر، محققان از روش تحلیل پوششی داده ها (DEA) به طور گسترده ای برای ارزیابی عملکرد انواع مختلف شرکت های بیمه استفاده کرده اند. سودآوری نیز به دلیل کاستی نسبت های مالی متعارف در بسیاری از مطالعات، با روش های تحلیل پوششی داده ها اندازه گیری می شود. با توجه به رشد سریع صنعت بیمه در کشور ایران و ضرورت بررسی بیشتر سودآوری صنعت بیمه اموال (غیرزندگی) در ایران و گسترش تحلیل پوششی، تحقیق حاضر انجام شده است.روش شناسی: این مطالعه به بررسی تحول و عوامل تعیین کننده سودآوری 18 شرکت بیمه پذیرفته شده در بورس اوراق بهادار تهران در سال های 1393 تا 1400 می پردازد، اطلاعات این شرکت ها در دوره پژوهش کامل و در دسترس هستند. در این مطالعه سودآوری به وسیله تحلیل پوششی داده ها اندازه گیری می شود. علاوه بر این، مدل برآوردگر توبیت نیز برای مطالعه و بررسی تأثیر اندازه شرکت، سن شرکت و تنوع محصول بر سودآوری بیمه گران استفاده می شود تا فرضیه ها آزمون و بررسی شود..یافته ها: نتایج تجربی اهمیت ترتیب مناسب هزینه ها و درآمدها برای بیمه گر را نشان می دهد؛ همچنین نتایج نشان می دهد که اندازه شرکت، سن شرکت و تنوع محصول با سودآوری رابطه معناداری ندارند.نتیجه گیری: شرکت های بیمه باید ساختار مخارج و انواع مختلف کسب و کار خود را به درستی ترتیب دهند. ترکیب اشتباه مخارج ورودی و درآمد خروجی به شکست در دستیابی به حداکثر نسبت سود منجر می شود. ازاین رو، ازیک سو، ساختار هزینه های یک شرکت بیمه باید بهینه شود. از سوی دیگر، به جای اتکای بیش از حد بر عملکرد ادغام ریسک و ریسک، باید انواع مختلف کسب و کار را در نظر گرفت. این مطالعه به درک بهتر عملکرد شرکت های بیمه کمک می کند تا موقعیت نسبی سودآوری خود را در صنعت درک کند و نیز راهبردهای هدفمند را تدوین کند، و برای دولت کمک کننده است که درک بهتری از توسعه صنعت داشته باشد و سیاست های مربوطه را تدوین کند.

پیشینه و اهداف: استفاده از شیوه های نوین بازاریابی در کسب وکارهای امروزی به شدت مورد نیاز تمام سازمان هاست. یکی از مسائل مهم در حوزه حفظ و نگهداشت مشتری ارزش طول عمر مشتری است. ارزش طول عمر مشتری تأثیر زیادی در بهینه سازی عملکردهای شرکت ها، از جمله شرکت های بیمه دارد. هدف از اجرای این پژوهش، شناسایی عوامل اثرگذار بر افزایش ارزش طول عمر مشتری شرکت های بیمه است.روش شناسی: این پژوهش از نوع پژوهش های آمیخته با رویکرد کیفی و کمّی است که از نظر هدف، کاربردی و از لحاظ نحوه گردآوری داده، از نوع مطالعات پیمایشی است. جامعه آماری پژوهش، مدیران و کارشناسان شرکت ها و سازمان های بیمه، خبرگان و اساتید دانشگاهی بودند که با استفاده از روش نمونه گیری گلوله برفی انتخاب شدند. در بخش کیفی ابزار گردآوری اطلاعات، مصاحبه و در بخش کمّی پرسش نامه بود که برای شناسایی مقوله ها، از مصاحبه نیمه ساختاریافته و از پرسش نامه به منظور اعتباریابی الگو استفاده شد. در بخش کیفی روش تحلیل داده ها، رویکرد نظریه داده بنیاد با روش استراوس و کوربین بود که با استفاده از نرم افزار MAXQDA و با استفاده از روش کدگذاری تدوین شد و در بخش کمّی، روش تحلیل بر مبنای آزمون همبستگی کندال بود. به منظور بررسی روایی پژوهش بخش کیفی، از مدل کرسول به همراه روایی محتوایی و پایایی درون کدگذار و میان کدگذار و در بخش کمّی به منظور آزمون روایی پژوهش از روایی اعتبار محتوا و بازآزمون بهره گرفته شد.یافته ها: در پژوهش حاضر پس از تجزیه وتحلیل داده های به دست آمده در فرایند پژوهش در آخر تعداد 9 عامل علّی، 3 عامل راهبردی، 4 عامل مداخله گر، 3 عامل زمینه ای و در نهایت پیامدهای افزایش ارزش ویژه مشتری در صنعت بیمه شناسایی شدند.نتیجه گیری: پژوهش شامل ارائه مدلی مشتمل بر شرایط علّی، زمینه ای و مداخله گر، به همراه معرفی پدیده محوری و ارائه راهبردهای افزایش ارزش طول عمر مشتری و شناسایی پیامدهای آن است.

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.

پیشینه و اهداف: یکی از موضوعات بسیار مهم که توجه اقتصاددانان را طی دهه های گذشته به خود جلب کرده است، نقش و اهمیت نظام مالی در رشد اقتصادی کشورهاست. صنعت بیمه یکی از اجزای مهم بازارهای مالی است. ازاین رو، ثبات و کارایی صنعت بیمه به عنوان یک بازار مالی برای اقتصاد کشور امری ضروری است. یکی از مهم ترین تغییرات در صنعت بیمه ایران، مقررات گذاری های صورت گرفته در سال های اخیر است. یکی از اهداف اصلی مقررات گذاری رفع شکست بازار و بهبود کارایی است. این پژوهش به دنبال بررسی اثر این مقررات گذاری ها بر کارایی شرکت های بیمه در ایران است.روش شناسی: جامعه مورد مطالعه 27 شرکت بیمه در سطح کشور هستند و آمار مربوطه برای سال های 1385-1400 گردآوری شده است. این مطالعه در دو مرحله صورت گرفته است. در مرحله اول، با استفاده از روش تحلیل پوششی داده ها کارایی شرکت های بیمه با رویکرد بوت استرپ اندازه گیری شده است. فرض ضمنی روش تحلیل پوششی داده های سنتی این است که ورودی ها و خروجی ها قطعی هستند. اما خروجی یک بیمه گر لزوماً قطعی نیست. برای حل این مشکل، می توان با استفاده از رویکرد بوت استرپ ویژگی های آماری را برای این روش به دست آورد. در مرحله دوم، برای بررسی اثر مقررات گذاری بر کارایی، با توجه به مطالعات بررسی شده، هدف مطالعه حاضر و شرایط صنعت بیمه ایران، عوامل مؤثر بر کارایی تعیین و مدل رگرسیونی تعریف شده است. سپس، مدل رگرسیونی پویا با استفاده از روش گشتاورهای تعمیم یافته برآورد شد و آزمون های مربوطه اعتبار نتایج مدل را تأیید کردند. برای محاسبه کارایی و برآورد مدل از نرم افزارهای متلب و ایویوز استفاده شده است.یافته ها: مهم ترین یافته پژوهش معنی دار بودن اثر مقررات گذاری بر کارایی است. همچنین ضریب متغیرهای مقررات گذاری، سهم بازار و خصوصی بودن شرکت بیمه به ترتیب 066/0-، 041/0 و 306/0 برآورد شده اند.نتیجه گیری: نتایج حاصل از تحقیق نشان می دهد که مقررات گذاری اثر منفی بر کارایی بیمه گران داشته و به کاهش کارایی آن ها منجر شده است، اما سهم بازار و خصوصی بودن شرکت بیمه اثر مثبت بر کارایی داشته اند. در پایان پیشنهادهایی برای بهبود کارایی بیمه گران ارائه شده است.

پیشینه و اهداف: صنعت بیمه درمانی در پیش بینی هزینه های بیمه افراد که براساس پارامترهای پیچیده ای مانند سن و ویژگی های فیزیکی است، با چالش مهمی مواجه است. شرکت های بیمه برای مدیریت ریسک و جلوگیری از زیان احتمالی، بیمه گذاران را به دو گروه پرخطر و کم خطر دسته بندی می کنند. بااین حال، برآورد دقیق هزینه ها برای هر فرد می تواند کار سختی باشد. برای مقابله با این چالش، ما رویکردی مبتنی بر علم داده و یادگیری ماشین را پیشنهاد می کنیم که از یادگیری جمعی برای پیش بینی افراد پرخطر و کم خطر استفاده می کند.روش شناسی: روش پیشنهادی شامل مراحل مختلفی از جمله پیش پردازش داده ها، مهندسی ویژگی ها و اعتبارسنجی متقابل برای ارزیابی عملکرد مدل است. در مرحله اول، داده ها را با پاک کردن، مدیریت مقادیر ازدست رفته و رمزگذاری متغیرهای طبقه بندی، پیش پردازش می کنیم. در مرحله دوم، ما ویژگی های جدیدی را با استفاده از روش های مهندسی ویژگی ها مانند مقیاس بندی، نرمال سازی و کاهش ابعاد تولید می کنیم. این روش ها به استخراج اطلاعات معنادار از داده ها و بهبود عملکرد مدل کمک می کند. در مرحله بعد، ما از یادگیری جمعی برای ترکیب روش های رگرسیون متعدد، مانند رگرسیون لجستیک، شبکه های عصبی، ماشین های بردار پشتیبانی، جنگل های تصادفی، LightGBM و XGBoost استفاده می کنیم. هدف از ترکیب این روش ها این است که از نقاط قوت آن ها استفاده کنیم و نقاط ضعف آن ها را به حداقل برسانیم تا به دقت پیش بینی بهتری دست یابیم. در نهایت، عملکرد مدل را با استفاده از روش اعتبارسنجی متقاطع k-fold ارزیابی می کنیم. این روش به اعتبارسنجی دقت مدل و جلوگیری از برازش بیش از حد کمک می کند.یافته ها: رویکرد پیشنهادی ما به AUC برابر با 73/0 دست می یابد که اثربخشی آن را در پیش بینی افراد پرخطر و کم خطر نشان می دهد.نتیجه گیری: با استفاده از علم داده و روش های یادگیری ماشین، شرکت های بیمه می توانند دقت برآورد هزینه خود را بهبود بخشند و ریسک را بهتر مدیریت کنند. این رویکرد می تواند به شرکت های بیمه کمک کند تا پوشش بیمه ای و قیمت گذاری دقیق تری را برای افراد ارائه دهند که به رضایت بیشتر مشتریان و کاهش زیان های مالی منجر می شود.

پیشینه و اهداف: با توجه به رشد روزافزون فنّاوری اطلاعات و کسب وکارهای مبتنی بر داده و روند رو به رشد اطلاعات در پایگاه های داده، صنعت بیمه نیز به عنوان یکی از کسب وکارهای یادشده با حجم انبوهی از اطلاعات ذخیره شده روبه رو است. این حجم انبوه داده ها شرکت های بیمه ای را ملزم می سازد تا با شیوه های داده کاوی، دانش موجود در پایگاه های داده را کشف کنند. ازسوی دیگر توسعه روش های نوین داده کاوی و کشف الگوهای پنهان در پایگاه های داده به سرعت رو به افزایش است.روش شناسی: در این مقاله با هدف بررسی جامع بر کاربرد داده کاوی در صنعت بیمه دنیا، جدیدترین مستندات علمی مربوطه در چهار سناریوی مختلف شامل تحقیقات صنعت بیمه، داده کاوی در بیمه، کشف تخلفات و ریسک در بیمه از وب سایت علمی Web of Science دریافت و با رویکرد علم سنجی تحلیل و بررسی شده است. نتایج به دست آمده نشان می دهد رشد داده های موجود در شرکت های بیمه و شناسایی ریسک و فاکتورهای آن، شرکت های بیمه و پژوهشگران را به بررسی روش های نوین مدیریت پایگاه های داده و داده های بزرگ و همچنین شناسایی ریسک و فاکتورهای آن با استفاده از شیوه های داده کاوی ملزم می سازد.یافته ها: بدین منظور برای تسهیل در تحقیقات پژوهشگران آینده و استفاده از مطالعات پیشین داده کاوی در صنعت بیمه، در این مقاله شبکه هم استنادی کشورهای مختلف و معتبرترین مجلات علمی براساس شاخص ارزیابی استناد به مقالات معرفی شده است.نتیجه گیری: در نتایج این مقاله فهرست مجلات معتبر علمی و موضوعاتی را که در هریک به طور تخصصی به آن پرداخته شده، ارائه کرده ایم تا مرور ادبیات جامع در این مقاه مروری مسیر مطالعات آینده صنعت بیمه را هموارتر سازد. همچنین رتبه بندی برترین کشورهای جهان که متمرکز بر مطالعات داده کاوی در صنعت بیمه بوده است، آورده شده و رتبه ایران در میان سایر کشورها نیز مشخص شده است. استفاده از مطالعات و مجلات علمی معتبر می تواند راه پژوهش های آینده را در پیشرفت این مطالعات در صنعت بیمه ایران را هدفمندتر کند.

پیشینه و اهداف: توزیع وایبول که فیزیک دانی سوئدی به نام وایبول معرفی کرد، امروزه رایج ترین مدل مورد استفاده در مطالعات قابلیت اطمینان، طول عمر، کنترل کیفیت و به طور وسیعی در شاخه های مختلف علوم از جمله بیمه، پزشکی و مهندسی استفاده می شود. این توزیع برای الگوسازی داده های مختلف، انعطاف پذیری زیادی دارد. هدف اصلی این پژوهش محاسبه حق بیمه و برآورد پارامترهای توزیع وایبول با استفاده از روش های مختلف برآورد استروش شناسی: در این مقاله به برآورد پارامترهای توزیع وایبول و حق بیمه خالص با استفاده از برآودگرهای گشتاوری، ماکسیمم درست نمایی، کمترین توان های دوم خطا ، کمترین توان های دوم وزنی، صدکی، کرامر– فون– میسز، آمیخته گشتاوری و ماکسیمم درست نمایی در حضور داده های پرت پرداخته شده است. از نرم افزار R برای شبیه سازی و محاسبات عددی و از نرم افزار Easyfit برای برازش توزیع وایبول به داده های مثال واقعی استفاده شد. در پایان دو مثال واقعی برای به دست آوردن برآوردگرهای متفاوت با حق بیمه درصورتی که دو پارامتر β و θ مجهول و α معلوم است، ارائه شده است.یافته ها: در این پژوهش اریبی، میانگین توان دوم خطای حق بیمه خالص و پارامترهای مجهول β و θ با استفاده از برآوردگرهای مختلف برای داده های توزیع وایبول و همچنین واریانس تعمیم یافته پارامترهای مجهول β و θ به دست آمد.نتیجه گیری: در این قسمت به بررسی و مقایسه برآوردگرها با استفاده از داده های واقعی و شبیه سازی شده پرداخته شد که برای داده های واقعی در روش های مختلف k-max متفاوت به دست آمد. برای نمونه، در روش گشتاوری k-max برابر 5 شد که براساس آن حق بیمه خالص 3.37657 است. در داده های شبیه سازی شده نیز با توجه به k (تعداد داده های دورافتاده)، n (حجم نمونه) و مقادیر β و θ، مقادیر اریبی، میانگین توان دوم خطا و واریانس تعمیم یافته حق بیمه و برآوردگرهای مختلف به دست آمد که برای نمونه برای n=10، k=1، β=1.5، θ=3 و70 α= با مقایسه اریبی و واریانس تعمیم یافته برآوردگرها به این نتیجه می رسیم که براساس اریبی، برآوردگر صدکی دارای عملکرد بهتری نسبت به دیگر برآوردگرهاست، یعنی دارای اریبی کمتری است و با توجه به واریانس تعمیم یافته، برآوردگر ماکسیمم درست نمایی دارای عملکرد بهتری نسبت به سایر برآوردگرهاست و برآوردگرها سازگارند (با افزایش حجم نمونه واریانس تعمیم یافته کاهش می یابد). براساس میانگین توان دوم خطا، برآورد گشتاوری دارای عملکرد بهتری نسبت به سایر برآوردگرهاست.