ضیاءالدین بهشتی فرد

پیشینه و اهداف: یکی از چالش های مهم شرکت های بیمه تعیین نرخ بهینه بیمه نامه های اموال مانند خودرو و آتش سوزی است. اگر شرکت بیمه بتواند امکان وقوع خسارت را در یک بیمه نامه تشخیص دهد، تصمیمات مؤثر و بهتری در تعیین نرخ بیمه ، میزان تخفیف اختصاص یافته به بیمه نامه یا تصمیم گیری درباره تمدید آن بیمه نامه خواهد داشت. شرکت های بیمه و خبرگان رشته صدور و خسارت ، به دنبال روش های جدیدی برای ارزیابی ریسک مشتریان و بیمه نامه ها از طریق پیش بینی وقوع خسارات احتمالی در این رشته هستند. روش های سنتی مانند مدل های خطی عمومی (GLMs) غالباً در شناسایی الگوهای پیچیده در داده های بیمه ناکام اند. یادگیری عمیق با توانایی شناسایی روابط غیرخطی و الگوهای پیچیده می تواند این محدودیت ها را رفع کند. در این مقاله روشی برای بهبود عملکرد یادگیری عمیق با استفاده از تکنیک های رگرسیون عمیق ترتیبی ارائه شده است. رویکرد پیشنهادی ترکیبی از یادگیری عمیق و مدل های ترتیبی است. از شبکه های حافظه طولانی کوتاه مدت (LSTM)   برای مدل سازی داده های سری زمانی استفاده می شود. روش شناسی: در این مقاله از داده های 7 سال اخیر صدور و خسارت بیمه آتش سوزی شرکت بیمه البرز برای بررسی و پیش بینی خسارت در این رشته استفاده شده است. در این مقاله با تمرکز بر پیش پردازش داده ها و استخراج ویژگی های برتر برای ارائه بهترین نتیجه و پس از اعمال روش های مختلف استخراج ویژگی، در نهایت از مجموع 40 ویژگی، 20 ویژگی انتخاب و سپس با استفاده یادگیری عمیق آموزش داده شد. رویکرد پیشنهادی، ترکیبی از یادگیری عمیق و مدل های ترتیبی با استفاده از شبکه های حافظه طولانی کوتاه مدت (LSTM) برای مدل سازی داده های سری زمانی استفاده می کند. یافته ها : در این مقاله با بررسی روش های مختلف یادگیری ماشینی روی داده های صدور و خسارت شرکت بیمه ، این نتیجه به دست آمد که مدل رگرسیون عمیق ترتیبی نسبت به روش های سنتی عملکرد بهتری دارد. بهبود دقت پیش بینی، قابلیت اطمینان بالاتر و تأکید بر اهمیت ویژگی های زمانی از نتایج اصلی اند. نتیجه گیری: بهینه سازی فرایندهای ارزیابی ریسک و خسارت از طریق مدل های یادگیری عمیق می تواند به ارائه نرخ های حق بیمه دقیق تر و کاهش ضررهای ناشی از پرداخت های نامناسب منجر شود. همچنین، استفاده از این مدل ها می تواند به شرکت های بیمه کمک کند تا استراتژی های مدیریت ریسک بهتری اتخاذ کنند و فرایندهای کشف تقلب را بهبود بخشند. این موضوع به ویژه در بیمه های آتش سوزی، که خسارت های مالی سنگینی به همراه دارند، از اهمیت بالایی برخوردار است.