پژوهشنامه بیمه (صنعت بیمه سابق)

پیشینه و اهداف: بیمه آتش سوزی نوعی بیمه است که از خسارت مالی به اموال محافظت می کند. معمولاً حوادثی مانند آتش سوزی، سرقت و خسارت های مربوط به آب وهوا را پوشش می دهد و می تواند به جبران هزینه های تعمیر یا جایگزینی اموال آسیب دیده کمک کند. شرکت های بیمه و علاقه مندان به توسعه خدمات بیمه آتش سوزی به دنبال استفاده از روش های تحلیلی مدرن برای تجزیه وتحلیل بیمه نامه ها، ارزیابی و پیش بینی خسارت احتمالی آن ها برای مدیریت ریسک هستند. پیش بینی ادعای خسارت، معیاری حیاتی برای پیش بینی خسارت های آتی در شرکت های بیمه است. براساس نظریه ریسک، پیش بینی خسارت عنصری مهم در کسب وکار بیمه آتش سوزی برای ارزیابی حداکثر خسارت احتمالی است. روش شناسی: در این پژوهش سه معیار پیش بینی خسارت (احتمال وقوع، شدت، زمان بروز) با تهیه مجموعه داده، یادگیری و مقایسه الگوریتم های مختلف توصیف می شوند. در ابتدا، تجزیه وتحلیل داده های اکتشافی برای انتخاب ویژگی های مورد نیاز انجام شد و در نهایت 44 قلم اطلاعاتی از اطلاعات بیمه نامه و خسارت پرداختی رشته آتش سوزی انتخاب گردید. ابعاد مجموعه داده ها توسط روش حذف بازگشتی ویژگی ها کاهش یافته و برای هر الگوریتم، مجموعه مختلفی از فیلدهای اطلاعاتی مؤثر انتخاب شده است. ما بیش از 780،000 رکورد بیمه نامه و حدود 70،000 رکورد مرتبط خسارت پرداختی را برای یک بازه ده ساله (ابتدای 1390 تا ابتدای 1400) از بانک اطلاعاتی عملیاتی سامانه آتش سوزی بیمه ایران انتخاب کرده ایم. مدل های یادگیری رگرسیونی برتر مانند رگرسیون خطی، رگرسیون جنگل تصادفی، رگرسیون بردار پشتیبان و شبکه عصبی عمیق برای هر سه الگوریتم پیش بینی خسارت پیاده سازی شد. سپس دقت الگوریتم ها با مقدار میانگین مربعات خطا و مقدار میانگین خطای مطلق مقایسه شد. یافته ها : نتایج پیش بینی مدل نشان داد که بهترین الگوریتم برای هر سه معیار، یادگیری عمیق و مشخصاً شبکه عصبی چندلایه پرسپترون است. پس از تنظیم فراپارامترها و چندین بار اجرا، بهترین الگوریتم یادگیری عمیق با کمترین خطا با مقادیر 0.117 (احتمال وقوع)، 0.042 (شدت خسارت)، 0.106 (زمان بروز خسارت) حاصل شد. پیش بینی نتایج مدل نوآورانه ما در داده های آزمایشی، به این نتیجه رسید که مدل هوشمند ارائه شده دقت مناسبی دارد. شرکت های بیمه به شدت علاقه مند پیش بینی آینده اند و پیش بینی خسارت فرصتی برای کاهش زیان مالی برای شرکت فراهم می کند. به کارگیری یادگیری عمیق در پیش بینی خسارت آتش سوزی و پیش بینی زمان بروز خسارت، علاوه بر احتمال و شدت، نوآوری های مدل هستند. نتیجه گیری: یادگیری ماشین می توانند به شرکت ها کمک کنند تا خدمات خود را با دقت بیشتری بهینه کنند، مدیریت ریسک را تقویت و در نتیجه ابزارهایی برای تصمیم گیری بهتر فراهم نمایند. به کارگیری یادگیری عمیق در پیش بینی خسارت بیمه می تواند به صورت کاربردی جایگزین فرایند دستی پیچیده، زمان بر و نادقیق موجود در شرکت های بیمه شود و سرآغار توسعه نوین در مدیریت ریسک، مدیریت اتکایی و بهبود نرخ گذاری بیمه آتش سوزی باشد.

پیشینه و اهداف: ضریب نفوذ بیمه عمر به عنوان یک محصول مهم بیمه ای و برنامه ریزی مالی در ایران بسیار پایین است و یکی از دلایل آن بازخرید بیمه نامه هاست. هدف این مقاله بررسی تأثیر مشخصه های فردی و قراردادی بیمه نامه هاست که بر بازخرید بیمه نامه های عمر به شرط فوت اثر می گذارند. روش شناسی: برای این منظور از داده های آماری و اطلاعات ثبتی 35171 خریدار بیمه نامه های عمر و مستمری یک شرکت بیمه ای در مقطع سال 1400 به عنوان پایلوت استفاده شد. برای تجزیه و تحلیل نیز از داده کاوی و الگوریتم های یادگیری عمیق و شبکه عصبی که دقت بسیار بالایی در پیش بینی دارند استفاده شد. یافته ها: مدل از دقت مطلوب 74 درصد در پیش بینی هر دو نوع بیمه نامه های عدم بازخرید و بازخرید شده برخوردار است. البته در پیش بینی عدم بازخرید بیمه نامه ها عملکرد بسیار بهتر بوده اما چون موضوع اصلی مقاله پیش بینی بیمه نامه های بازخرید شده است، در تفسیر نتایج بیشتر به آن توجه شد. نتایج بدست آمده با وجود مشکل نامتوازن بودن داده ها مطلوب است. در داده ها مورد بررسی نسبت بیمه نامه های بازخریدی به عدم بازخرید 3 به 100 است که این عدم توازن موجب می شود فرآیند یادگیری به سمت پیش بینی طبقه با بیشترین فراوانی سوگیری پیدا کند. با این وجود، شاخص پوشش 59 درصدی بدست آمده نشان داد که از مجموع 244 بیمه نامه بازخرید شده در مجموعه داده تست، شبکه توانسته اغلب آنان یعنی 145 مورد را به درستی در طبقه بیمه نامه های بازخریدی پیش بینی و طبقه بندی کند. نتیجه گیری: نشان داده شد که از مشخصه های جمعیت شناختی متغیرهای سن، جنسیت زن، اضافه نرخ پزشکی، نرخ خطر حادثی و از مشخصه های قرارداد نیز مدت بیمه نامه، مدت زمان سپری شده از شروع بیمه نامه، شیوه پرداخت حق بیمه با اقساط بلندمدت تر، بالاتر بودن ضرایب افزایش سالانه سرمایه و حق بیمه و کمتر بودن تعداد موارد پوشش و سرمایه فوت با بازخرید اثر عکس داشته و احتمال آن را کاهش می دهند. با بازخرید بیمه نامه بصورت عکس مرتبط هستند. نسبت بیمه گذار و بیمه شده نیز تأثیرگذار بوده و نشان داده شد که بازخرید وقتی بیمه گذار بیمه نامه عمر را برای خود بخرد در حدأقل و با دور شدن نسبت خویشاوندی احتمال بازخرید افزایش می یابد.

پیشینه و ا هداف: ذخیره خسارت که برای سودآوری و پرداخت بدهی بیمه گر حیاتی است، پیش بینی مبلغی است که بیمه گر باید برای خسارت های آینده بپردازد. در سال های اخیر، بسیاری از پژوهشگران وابستگی های بین چند مثلث تأخیر را برای تعیین ذخایر زیان در نظر گرفته اند. هدف اصلی این مقاله پیش بینی خسارت های معوق در مثلث های تأخیر وابسته با استفاده از مدل های تصادفی است که در آن ها وابستگی بین مثلث ها و وابستگی بین خسارت های معوق پرداختی در یک سال تقویمی در هر مثلث تأخیر در نظر گرفته می شود. روش شناسی: استفاده از وابستگی بین خسارت های معوق متناظر در مثلث های تأخیر مربوط به چند رشته بیمه ای ممکن است در افزایش دقت پیش بینی خسارت های معوق تأثیرگذار باشد. همچنین، در یک مثلث تأخیر مربوط به یک رشته بیمه ای، علاوه بر عوامل سال وقوع خسارت و تعداد سال های تأخیر پرداخت خسارت معوق، سال تقویمی پرداخت خسارت هم می تواند در میزان پرداخت خسارت برای سال های وقوع خسارت متفاوت تأثیرگذار باشد. بنابراین در نظر گرفتن وابستگی تقویمی بین خسارت هایی که در یک سال تقویمی پرداخت می شوند، می تواند دقت پیش بینی در مثلث های تأخیر را بهبود بخشد. بنابراین، در مدل بندی توأم خسارت های معوق چند مثلث تأخیر، دو نوع وابستگی بین مثلثی و درون مثلثی وجود دارد. در این مقاله، از دو روش برای مدل بندی این دو نوع وابستگی استفاده می شود. در روش نخست، با در نظر گرفتن توزیع چندمتغیره برای خسارت های معوق در سلول های متناظر مثلث های تأخیر، وابستگی بین مثلث ها مدل بندی می شود. در این روش، وابستگی تقویمی بین خسارت های معوق در هر مثلث تأخیر با استفاده از اضافه کردن عامل اثر سال تقویمی در مدل میانگین توزیع خسارت های معوق در نظر گرفته می شود. در روش دوم، یک توزیع چندمتغیره برای خسارت های معوق پرداختی سال های تقویمی متناظر مثلث های تأخیر در نظر گرفته می شود که در این صورت هر دو نوع وابستگی با استفاده از توزیع چندمتغیره مدل بندی می شود. برای برآورد پارامترهای مدل، در هر دو روش، از رهیافت بیزی و روش نمونه گیری مونت– کارلوی همیلتونی استفاده می شود. یافته ها: در این مقاله، داده های خسارت های معوق در دو رشته بیمه بدنه و بیمه شخص ثالث اتومبیل یک شرکت بیمه ایرانی در بازه سال های 1392 تا 1395 که به صورت فصلی ثبت شده است، استفاده می شود. با استفاده از توزیع آمیخته– مقیاس چندمتغیره با توزیع های حاشیه ای نرمال و وابستگی مفصلی، دو روش مدل بندی وابستگی تقویمی مقایسه می شوند. برای این منظور، از معیار میانگین قدرمطلق خطای درصدی برای اندازه گیری دقت پیش بینی دو روش استفاده می شود. برای داده های مورد استفاده، مشاهده می شود که میانگین قدرمطلق خطای درصدی استفاده از توزیع چندمتغیره برای مدل بندی وابستگی تقویمی کمتر است از زمانی که از عامل اثر سال تقویمی در مدل میانگین توزیع خسارت های معوق استفاده شود. نتیجه گیری: با توجه به یافته های به دست آمده با استفاده از داده های یک شرکت بیمه ایرانی، نتیجه می گیریم که مدل بندی وابستگی تقویمی بین خسارت های معوق در مثلث های تأخیر با استفاده از توزیع چندمتغیره به پیش بینی دقیق تر ذخایر مربوط به خسارت های معوق نسبت به استفاده از عامل اثر سال تقویمی در مدل میانگین توزیع خسارت های معوق منجر می شود.

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 : امروزه توسعه بازارهای مالی نوین به منظور افزایش سرمایه گذاری مولد مورد توجه محققان و سیاست گذاران رشد و توسعه اقتصادی قرار گرفته است. در چند دهه اخیر نوآوری فنّاورانه محرک اصلی تحول صنایع مختلف در جهان بوده و صنعت بیمه هم جزء این صنایع است. توسعه این بازارها که با ظهور فنّاوری های نوظهور و برافکن بوده، کسب و کارهای نوپا را ایجاد کرده است که در کشورهای در حال توسعه با چالش هایی مواجه اند. این مطالعه با هدف شناسایی چالش های موجود برای شکل گیری اینشورتک در شرکت های بیمه ای در ایران انجام شده است. روش شناسی: روش پژوهش کیفی و گردآوری اطلاعات به دو روش مطالعه مبانی نظری و پیشینه و مصاحبه عمیق با خبرگان انجام شده است. برای تحلیل اطلاعات گردآوری شده از روش تحلیل محتوای کیفی و نرم افزار مکس کیودا استفاده شد. به منظور بررسی اعتبار نتایج حاصل از تحلیل محتوا از اعتبار معطوف به داده استفاده شد. جامعه آماری این پژوهش تمامی مدیران کسب و کارهای اینشورتکی کشور است، اما به دلیل عدم امکان شناسایی همه آن ها، نمونه برداری قضاوتی هدفمند انجام شد. یافته ها: یافته ها نشان داد سطح اجماع برای موضوع خاصی که از طریق مصاحبه به دست آمد، به عنوان مبنایی برای تفکیک نتایج برای تخمین شدت رابطه استفاده شد. پس از مرحله کدگذاری باز 52 شاخص اولیه استخراج و در کدگذاری محوری 21 مؤلفه فرعی و 12 مؤلفه اصلی شناسایی و به منظور بررسی اعتبار کدگذاری از آزمون کاپا استفاده شد که نشان داد کدگذاری از اعتبار بالایی برخوردار است، که این ابعاد و مقوله ها شامل فرهنگ سازی، یکپارچگی، آموزش، تضاد منافع، مشکلات مالی، ساختار مدیریتی، زیرساخت ها، قوانین، بی توجهی به نوآوری و محصولات جدید، عدم سرمایه گذاری، مالیات و قراردادهاست. خبرگان قوی ترین اجماع بین تضاد منافع، ساختار مدیریتی، قوانین، زیرساخت ها، فرهنگ سازی و آموزش پیش بینی کردند که نشان می دهد آن ها عناصر اصلی چارچوب پیشنهادی هستند. نتیجه گیری: یافته های تحقیق نشان داد چالش ها و موانع استفاده از اینشورتک در ایران را می توان به دو دسته عمده خرد و کلان تقسیم کرد. در سطح کلان موانعی مثل قوانین و مقررات، وجود انحصار و مشکلات مربوط به زیرساخت های کلان وجود دارد که همت و توجه مسئولان دولتی و مدیران صنعت بیمه را می طلبد. در سطح خرد که بیشتر جنبه درون سازمانی دارد، موانعی مثل منافع، فرهنگ سازمانی، ساختار سازمانی، زیرساخت های سازمانی و مسئله آموزش کارکنان است که باید مورد توجه مدیران سازمان ها قرار گیرد. با توجه به ورود فنّاوری به بیمه در سطح بین الملل، تغییرات مختلفی در عرصه بیمه به وجود آمد. براساس نتایج این تحقیق چنانچه کارکردهایی مانند زیرساخت ها، ساختار مدیریتی، منافع، قوانین، فرهنگ سازی و آموزش در ایران به درستی انجام نشود، زمینه فعالیت اینشورتک ها در ایران به خوبی فراهم نخواهد شد. همچنین چارچوب مطرح شده در این پژوهش به مدیران و سیاست گذاران این عرصه در رفع چالش های موجود کمک خواهد کرد.