Застосування методів інтелектуального аналізу даних до розв’язання задач актуарного моделювання та оцінювання фінансових ризиків

S. V. Dubinina, Petro I. Bidyuk

Анотація


Подано результати застосування методів інтелектуального аналізу даних до актуарного моделювання та оцінювання ризиків страхових компаній. Як математичний апарат використано узагальнені лінійні моделі, метод групового врахування аргументів та нечіткий метод групового врахування аргументів, а також байєсівський підхід до оцінювання невідомих параметрів моделей. На підставі фактичних статистичних даних з галузі страхування побудовано нові узагальнені лінійні моделі для подальшого застосування під час оцінювання ризику втрат страхових компаній, розроблено й апробовано мережу Байєса для оцінювання ризику банкрутства страхових компаній у разі настання страхового випадку. Прийнятною для подальшого використання виявилась модель з гамма-розподілом та логарифмічною функцією зв’язку, параметри якої отримано за чотири ітерації алгоритму оцінювання. Великий ризик банкрутства страхових компаній свідчить про відсутність ефективного механізму управління коштами як власного капіталу, так і надходжень, отриманих від страхових договорів. Застосування методів інтелектуального аналізу даних є ефективним підходом до розв’язання задач прогнозування та оцінювання ризиків актуарних процесів.

Ключові слова


актуарні процеси; страхові ризики; узагальнені лінійні моделі; байесовский підхід; методи інтелектуального аналізу даних; метод групового обліку аргументів; нечіткий МГУА

Повний текст:

PDF

Пристатейна бібліографія ГОСТ


1. Jones M.T. ArtificialIntelligence: asystemsapproach / M.T. Jones. — Hingham, Massachusetts: InfinitySciencePressLLC, 2008. — 516 p.

2. Munakata T. Fundamentals of the New Artificial Intelligence / T. Munakata. — London: Springer, 2008. — 266 p.

3. Koski T. Bayesian Networks / T. Koski, J.M. Noble. — Chichester: John Wiley & Sons, Ltd, 2009. — 368 p.

4. Darwiche A. Modeling and Reasoning with Bayesian Networks / A. Darwiche. — Cambridge: Cambridge University Press, 2009. — 562 p.

5. Дубініна С.В. Методика аналізу екстремальних даних та її використання при оцінюванні параметрів узагальнених лінійних моделей / С.В. Дубініна, П.І. Бідюк // Радіоелектроніка, інформатика, управління. — 2016. —№ 1.

6. McCullagh P. Generalized Linear Models / P. McCullagh, J.A. Nelder. — New York: Chapman & Hall, 1990. — 526 p.

7. Tripp M.H. Quantifying operational risk in general insurance companies / M.H. Tripp // Working Paper [Presented to the Institute of Actuaries] (22 March 2004). —137 р.

8. Besag J. Markov Chain Monte Carlo for Statistical Inference / J. Besag // Working Paper, Center for Statistics and the Social Sciences. — 2001. — N 9. — 25 p.

9. Дубініна С.В. Застосування мереж Байєса до побудови моделей оцінювання ризику актуарних процесів / С.В. Дубініна, П.І. Бідюк // Scientific Journal ScienceRise. — 2016. — 8, № 2 (25).

10. Довгий С.О. Системи підтримки прийняття рішень на основі ймовірнісно-статистичних методів / С.О. Довгий, П.І. Бідюк, О.М. Трофимчук. — К.: Логос, 2014. — 419 с.

11. Bidyuk P.I. Forecasting based on Bayesian type models / P.I. Bidyuk, O.M. Trofymchuk, O.P. Gozhyj // International Journal of Computers and Technology. — 2015. — Vol. 15, N 3. —P. 6570–6584.

12. Murphy K. A Brief Introduction to Graphical Models and Bayesian Networks [Електронний ресурс] / K. Murphy // USA. — 1998. Режим доступe: URL: http://www.ai.mit.edu/~murphyk/Bayes/bnintro.html.

13. Negnevitsky M. A guide to intelligent systems / M. Negnevitsky. — London: Addison Wesley, 2005. — 435 p.





DOI: http://dx.doi.org/10.20535/SRIT.2308-8893.2017.1.04

Посилання

  • Поки немає зовнішніх посилань.