نوع مقاله : مقاله علمی

نویسندگان

• سیده فاطمه شاه بازاده زعفرانی ¹
• ابراهیم عباسی ²
• حسین دیده خانی ³

¹ گروه مدیریت مالی، دانشگاه آزاد اسلامی، واحد علی آباد کتول، گلستان، ایران

² استاد دانشگاه الزهراء

³ هیات علمی دانشگاه آزاد اسلامی، واحد علی آبادکتول، گلستان، ایران

چکیده

هدف: از آنجایی‌که بقای تعهدات مربوط به بیمه‌گذاران و به حداکثر رساندن منافع شرکت از مهم‌ترین اهداف شرکت‌های بیمه بوده و از سویی سازمان‌های نظارتی هر کشور به تصویب قوانین و مقررات خاص و مدیران با اتخاذ تدابیر احتیاطی و راهکارهای فنی و مالی نوین سعی می‌کنند تا توان مالی شرکت‌های بیمه را در حد قابل قبولی حفظ کنند لذا هدف از این پژوهش ارائه یک مدل هوشمند جهت پیش‌بینی توانگری مالی در شرکت‌های بیمه، به عنوان یک سیستم پشتیبان تصمیم می‌باشد.
روش‌شناسی: به منظور ارائه مدل پیش‌بینی کننده توانگری مالی شرکت‌های بیمه با بررسی پیشینه تعداد 17متغیر به عنوان متغیر پیش‌بین جهت پیش‌بینی طبقه توانگری مالی از منابع معتبر سایت بیمه مرکزی ج.ا.ا، طی سال 1392 تا 1396 استخراج ‌شده است. در این پژوهش ابتدا نتایج حاصل از به‌کارگیری مدل‌های مختلف پیش‌بینی مبتنی بر هوش مصنوعی شامل: درخت تصمیم، شبکه عصبی، نایبویز مورد مقایسه قرار گرفت در مرحله بعد رتبه­بندی الگوریتم­های پیش­بینی شونده مورد بررسی قرار گرفت.
یافته‌ها: نتایج حاصل از این پژوهش نشان داد درخت تصمیم با دقت 99 درصد بهترین عملکرد را در پیش‌بینی توانگری مالی دارد با توجه به اینکه درخت تصمیم، مدل‌های شناخت و نگاشت غیرخطی و الگوهای آشوب گونه بین متغیرهای هدف و تصمیم می‌باشد.
نتیجه‌گیری: بالا بودن دقت مدل درخت تصمیم در پیش‌بینی توانگری مالی، را اثبات می‌کند و مدل استخراج شده با استفاده از درخت تصمیم دقت و قابلیت بسیار بالایی در تخمین را داراست.
 

 

کلیدواژه‌ها

• بازارهای مالی
• طبقه توانگری
• داده‌کاوی
• توانگری مالی
• هوش مصنوعی

عنوان مقاله [English]

The behavior of non-linear models in predicting the financial solvency of insurance companies listed on the stock exchange

نویسندگان [English]

• S.F. Shahbazadeh Zaferani ¹
• Ebrahim Abbasi ²
• H. Dideh Khani ³

¹ Department of Financial Management, Islamic Azad University, Aliabad Katul Branch, Golestan, Iran

² Professor, Al-Zahra University

³ Faculty of Islamic Azad University, Aliabad branch, Golestan, Iran

چکیده [English]

Purpose: Since the survival of obligations related to policyholders and maximizing the company's benefits are among the most important goals of insurance companies, and on the other hand, the regulatory organizations of each country approve special laws and regulations, and managers try to adopt precautionary measures and new technical and financial solutions to be able to keep insurance companies' finances at an acceptable level, therefore, the purpose of this research is to provide an intelligent model to predict financial wealth in insurance companies, as a decision support system.
Methodology: In order to provide a model predicting the financial wealth of insurance companies, 17 variables have been extracted as predictor variables to predict the financial wealth class from the reliable sources of the Central Insurance website of J.A. In this research, the results obtained from the application of different prediction models based on artificial intelligence were compared, including: decision tree, neural network, Nyboys, and in the next step, the ranking of predictive algorithms was examined.
Findings: The results of this research showed that the decision tree has the best performance in predicting financial wealth with 99% accuracy, considering that the decision tree is a non-linear recognition and mapping model and chaotic patterns between the target and decision variables.
Conclusion: It proves the high accuracy of the decision tree model in predicting financial prosperity, and the model extracted using the decision tree has a very high accuracy and capability in estimation.

کلیدواژه‌ها [English]

• Financial Markets
• Classification
• Data Mining
• Finance
• Artificial Intelligence