رفتار مدل‌های غیرخطی در پیش‌بینی توانگری مالی شرکت‌های بیمه بورسی

نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

1 دانشجوی دکتری ،دانشگاه آزاد سلامی ،واحدعلی آباد کتول،ایران

2 استاد دانشگاه الزهراء

3 دانشیار، دانشگاه آزاد سلامی ،واحدعلی آباد کتول،ایران

4 دانشیار،دانشگاه آزاد سلامی ،واحدعلی آباد کتول،ایران

10.22056/jir.2020.195349.2547

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.
 
طبقه بندی موضوعی JEL: G11,G17, M6
 

کلیدواژه‌ها


عنوان مقاله [English]

The Behavior of Nonlinear Models in Predicting the Financial Strength of Stock Exchange Companies

نویسندگان [English]

  • sayed fatemeh shahbazadeh zaferani 1
  • Ebrahim Abbasi 2
  • hossein Dideh Khani 3
  • Ali Khozin 4
1 Ph.D Student , Aliabad Katoul Branch, Islamic Azad University of Aliabad Katoul, Iran
2 Professor, Al-Zahra University
3 Associate Professor, Aliabad Katoul Branch, Islamic Azad University of Aliabad Katoul, Iran
4 Associate Professor, Aliabad Katoul Branch, Islamic Azad University of Aliabad Katoul, Iran
چکیده [English]

Purpose: Since surviving on obligations to insurers and maximizing the benefits of the company is one of the most important goals of insurance companies, and on the one hand, the regulatory agencies of each country are trying to enact specific laws and regulations and managers by adopting precautionary measures and modern technical and financial strategies. The purpose of this study was to present an intelligent model for predicting financial empowerment in insurance companies as a decision support system.
Methodology: In order to present a model of predicting the financial health of insurance companies by examining the background of 17 variables as predictor variables for predicting the class of financial wealth, extracted from reliable sources of central insurance site of the Islamic Republic of Iran during 2013-2017. In this study, first, the results of applying different prediction models based on artificial intelligence including: decision tree, neural network, nibbles were compared. Then, the ranking of predictive algorithms was evaluated.
Results: The results of this study showed that the decision tree with 99% accuracy has the best performance in predicting financial ability, considering that the decision tree is a nonlinear cognition and mapping models and patterns of turbulence between goal and decision variables.
Conclusion: The accuracy of the decision tree model in predicting financial robustness is high and the model extracted using decision tree has high accuracy and capability in estimation.
JEL-Classification: G11,G17, M6

کلیدواژه‌ها [English]

  • Financial Markets
  • Classification
  • Data mining
  • Finance
  • Artificial intelligence
1. ابراهیمی، عباس؛ ابوئی مهریزی، امیر، (1390)، "کاربرد شبکه عصبی-فازی انطباقی در پیش بینی قیمت سهام شرکت ایران خودرو"، مجله مهندسی مالی و مدیریت اوراق بهادار شماره هفتم، تابستان. صفحات  187 تا 214.
2. بختیارنصرآبادی، حسینعلی؛ نوراللهی، نیما، (1394)، " اثربخش ی تکنیک‌های داده کاوی در پیش بینی توانگری مالی شرکت‌های بیمه «حقیقت یا مجاز"، دومین کنفرانس بین المللی ابزار و تکنیکهای مدیریت، تهران، موسسه اطلاع رسانی نارکیش. صفحات 25 تا 45.
3. دقیقی اصلی، علیرضا؛ پریزادی، عیسی؛ طیار، شاهین، (1392)، "اولویت بندی سیستم‌های مختلف نظارت بر توانگری شرکت‌های بیمه با استفاده از تکنیک فرایند تحلیل سلسله مراتبی (AHP)"، پژوهشنامه بیمه سال بیست و هشتم بهار 1392 شماره 1 (پیاپی 109). صفحات 1 تا 31.
4. راغفر، حسین؛ صفرزاده، اسمعیل؛ غفور بروجردی، مریم، (1397)، " تاثیر تورم بر توانگری مالی شرکت‌های بیمه در ایران"، فصلنامه مدلسازی اقتصادی، سال دوازدهم، شماره 2، پساپی42، تابستان، صفحه‌های 47-23.
5. سهرابی، بابک؛ ایرج، حمیده، (1394)، " کتاب مدیریت کلان داده‌ها در بخش‌های خصوصی و عمومی"، تهران: انتشارات سمت. صفحات 87-89.
6. صفری، امیر؛ سرلک، نرگس؛ ربابه نصیری، (1394)، "رابطه بین شاخص توانگری مالی و نسبتهای مالی در موسسات بیمه ایران"، کنفرانس بین المللی مدیریت، فرهنگ و توسعه اقتصادی، مشهد، موسسه تحقیقاتی رایمند پژوه. صفحات 15 تا 36.
7. عجم، سمیه، (1394)، " بررسی توانگری مالی شرکت‌های بیمه تا رویکرد پذیرش ریسک‌های بزرگ، مطالعه موردی بیمه‌های پاسارگارد شهرستان شاهرود"، اولین کنفرانس بین المللی مدیریت، اقتصاد، حسابداری و علوم تربیتی، ساری، شرکت علمی پژوهشی و مشاوره‌ای آینده ساز، دانشگاه پیام نور نکا، صفحات 14 تا 31.
8. قره­خانی، محسن؛ ماجدی، زهرا، (1392)، "ﻣﺤﺎﺳﺒﻪ ﺿﺮاﯾﺐ رﯾﺴﮏ داراﯾﯽ در ﺗﻮاﻧﮕﺮی ﻣﺎﻟﯽ ﻣﺆﺳﺴﺎت ﺑﯿﻤﻪ ﺑﺎ اﺳﺘﻔﺎده از ارزش در ﻣﻌﺮض ﺧﻄﺮ"، پژوهشنامه بیمه، سال بیست و هشتم، شماره 4،زمستان، شماره مسلسل112، صفحات 127 تا 154.
9. ﻣﺎﺟﺪی، زﻫﺮا؛ ﻋﺰﯾﺰﻧﺼﯿﺮی، ﺳﻤﯿﺮا؛ ﻧﺼﯿﺮی، ﻓﺎﻃﻤﻪ، (1391)، " ﻣﻌﺮﻓﯽ ﻣﺪل ﺗﻮاﻧﮕﺮی ﻣﺎﻟﯽ 2: اﺳﺘﺎﻧﺪارد ﻣﺪﯾﺮﯾﺖ در ﺻﻨﻌﺖ ﺑﯿﻤﻪ"، ﻫﻤﺎﯾﺶ ﻣﺪﯾﺮﯾﺖ رﯾﺴﮏ در ﺻﻨﻌﺖ ﺑﯿﻤﻪ اﺳﻔﻨﺪ ﻣﺎه. صفحات 4 تا 14.
10. مظلومی، نادر؛ باباجانی، جعفر؛ جعفری، رضا، (1398)، " تعیین سرمایه ی بهینه در شرکت‌های بیمه بر اساس مدلسازی داخلی نسبت توانگری مالی و روش هزینه- فایده"، پژوهشنامة بیمه، سال سی وچهارم، شمارۀ 1، شمارۀ مسلسل 133، صفحات 1-22
11. مطیعی، علی؛ اسماعیل‌زاده، علی؛ جهانشاد، آزیتا، (1396)، " رابطه توانگری با متغیرهای مالی شرکتهای بیمه"، فصلنامه پژوهشنامه بیمه 32 . صفحات 23 تا 42.
12. نورالله، نیما؛ نصرابادی، حسینعلی؛ بختیار، آسیه، (1394)، " بررسی اثربخشی و کارایی متغیرهای سه گان پرتفوی بیمه شخص ثالث اجباری درمان و ضریب کل خسارت در پیش بینی توانگری مالی شرکتهای بیمه"، سومین کنفرانس بین المللی پژوهشهای کاربردی در مدیریت و حسابداری، تهران، دانشگاه شهید بهشتی. صفحات 42 تا 66.
13. نوراللهی، نیما؛ بختیار نصرآبادی، حسینعلی، (1394)، "پیش بینی توانگری مالی شرکت‌های بیمه با متغیرهای عملکردی بازار محور با استفاده از تکنیک‌های درخت تصمیم گیری و شبکه عصبی"، دوازدهمین کنفرانس بین المللی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه خوارزمی. صفحات 1 تا 11.
14. هاشمی، سید عباس؛ صفری، امیر؛ کمالی دولت آبادی، مهدی، (1389)، "ارزیابی حاشیه توانگری مالی شرکت‌های بیمه در ایران "، فصلنامه صنعت بیمه، سال بیست وپنجم، شماره ٢، تابستان ١٣٨٩، شماره مسلسل ٩٨، صفحات ٧٩ تا 120.
15. AbhijitSharma,Diara MdJadi,DamianWard, (2018), " Evaluating financial performance of insurance companies using rating transition matrices", The Journal of Economic Asymmetries, Volume 18, November, e00102.
16. Kramer Bert. (1997), “N.E.W.S.: A model for the evaluation of non-life insurance companies”, European Journal of OP Research, Vol. 98,N,132,  pp.419-430.
17. Kumar, M., & Thenmozhi, M. (2006), "Forecasting Stock index movement: A comparison of support vector machines and random forest",  SSRN Scholarly Paper. Rochester, NY: Social Science Research Network, January 24, 200-220
18. Mousavi Shiri, M., Vaghfi, H., Ahangary, M., Kholousi, A, (2012), " Corporate Bankruptcy Prediction Using Data Mining Techniques: Evidence from Iran", African Journal of Scientific Research. Vol. 8. No 1. Available through: http://www.journalsbank.com/ajsr_8_3.pdf. [Accessed 25 October 2015].
19. Tung, W.L., Quek, C., Cheng, P., (2004), "GenSo-EWS: A novel neural-fuzzy based early Warning system for predicting bank failures", Neural Networks 17, 567–587.
20. Asanga, S., Asimit, A., Badescu, A. and Haberman, S., 2014. Portfolio
21. De Wit, GW & Kastelijn, WM 1980, 'The solvency margin in non-life insurance companies', Astin Bullettin, vol.1, pp.136-44.
22. Sandström, A. (2006), "Solvency: Models, Assessment and Regulation", London, Chapman &Hall/CRC, pp. 7-20.