استفاده از فناوری اطلاعات در صنعت بیمه، افقهای جدیدی را به سوی فعالان این صنعت گشوده است. به کارگیری این فناوری باعث شده تا انتظار دقت و سرعت بیشتر در انجام امور از سوی فعالان صنعت ایجاد شود. در فرایند صدور بیمه نامه های عمر و سرمایه، یکی از گامهای اساسی، تشخیص ریسک است . بیمه گر تلاش می کند به کمک اطلاعات ارائه شده توسط بیمه گذار، تجارب کارشناسان بیمه، دانش پزشکی، و سوابق پرونده های موجود ، ریسک موجود در پس قرارداد بیمه را با دقت قابل قبولی شناسایی و بر اساس آن حق بیمه واقع بینانه ای را تعیین کند تا همراه با تأمین رضایت بیمه گذار، ریسک پیش رو را نیز مدیریت کند. در این مقاله تلاش شده است با کمک خبرگان، پزشکان معتمد بیمه، پارامترهای مؤثر بر ضریب ریسک بیمه شدگان سیگاری را محاسبه کرده و سپس برای محاسبه ضریب ریسک از سامانه های استنتاج فازی استفاده شود. در انتها بر اساس تجربه نخبگان در پرونده های موجود، عملکرد سامانه ارزیابی شده است.
بررسی رابطه میان ریسک و بازده و شناسایی عوامل تأثیرگذار بر بازده، موضوعی است که همواره مورد توجه پژوهشگران حوزه مالی بوده است. شارپ (۱۹۶۳م.) و لینتر (۱۹۶۵م.) از طریق مدل قیمت گذاری دارایی های سرمایه ای بیان نمودند که بازده کل بازار، تنها عامل مؤثر بر بازده اوراق بهادار است. چن، رول و راس (۱۹۸۶م.) بیان کردند که عوامل زیادی به غیر از بِتا و عوامل شرکتی بر بازده اوراق بهادار مؤثر هستند. این پژوهش، رابطه توانمندی مدل های تک عاملی و چندعاملی را در پیش بینی بازده سهام شرکت ها از طریق آزمون CAPM و مدل چندعاملی در قلمرو زمانی ۱۳۸۱ تا ۱۳۹۲ مورد بررسی قرار داده است. نتایج این پژوهش حاکی از آن است که مدل تک عاملی، ۱۷ درصد و مدل چندعاملی، ۶۱ درصد از تغییرات بازده سهام را پیش بینی می کنند و متغیرهای قیمت نفت، نرخ سود بلندمدت بانکی، نرخ تورم و تولید ناخالص داخلی در پیش بینی بازده سهام نقشی ندارند.<span lang=""FA"" style=""font-family:;"" dir=""RTL"" fa;""="""" en-us;="""" roman"";="""" new="""" ""times="""" nazanin"";="""" ""b="""" 11.5pt;="""" b="""">