استفاده از رویکرد تجمیعی یادگیری ماشین در تعیین نرخ بیمه: مطالعه موری بیمه سامان

چکیده مقاله

این پژوهش با هدف ارتقای دقت و عدالت در فرآیند تعیین حق بیمه، به بررسی به کارگیری رویکرد تجمیعی یادگیری ماشین در بیمه نامه های اتومبیل – بدنه شرکت بیمه سامان در استان مازندران می پردازد هدف اصلی، ارائه یک راهکار نوین برای پیش بینی دقیق ریسک طراحی ساختارهای قیمت گذاری منصفانه تر است در این مطالعه، داده های واقعی مربوط به بیمه گذاران و خسارت های ثبت شده آن ها تحلیل شده است روش این پژوهش بر چند مرحله کلیدی استوار است که شامل پیش پردازش اصولی داده ها شامل مهندسی ویژگی ها، حذف و محدودسازی مقادیر پرت و بهینه سازی هایپرپارامترها با استفاده از چارچوب هوشمند Optuna و در نهایت پردازش و مدل سازی نهایی با استفاده از روش ترکیبی یادگیری تجمیعی CatBoost و XGBoost می باشد نتایج نشان داد که تکنیک های پیش پردازش داده ها، نقش حیاتی در بهبود عملکرد مدل دارند درنهایت، مدل ترکیبی CatBoost و XGBoost بهترین عملکرد را ارائه می دهد و ضریب تعیین در داده های آزمایشی افزایش یافت این امر نشان دهنده تعمیم پذیری خوب مدل و جلوگیری از بیش برازش است استفاده از مدل های پیشرفته یادگیری ماشین و تجمیع آن ها می تواند تحول بزرگی در شیوه های قیمت گذاری بیمه ایجاد کند که منجر به بهبود پایداری مالی شرکت های بیمه و افزایش رضایت بیمه گذاران می شود

کلیدواژه‌ها

نویسندگان

نیما اصغری خطیر

امیر خوشحال فر

امیر خوشحال فر

نیما اصغری خطیر

�صغری خطیر، نیما و خوشحال فر، امیر،1404،استفاده از رویکرد تجمیعی یادگیری ماشین در تعیین نرخ بیمه: مطالعه موری بیمه سامان،سی ودومین همایش ملی و سیزدهمین همایش بین المللی بیمه و توسعه با عنوان: «بازاندیشی نظارت در بیمه؛ مسیر نوآورانه برای تنظیم گری موثر»،تهران

ارائه‌شده در

مجموعه مقالات سی ودومین همایش ملی و سیزدهمین همایش بین المللی بیمه و توسعه با عنوان: «بازاندیشی نظارت در بیمه؛ مسیر نوآورانه برای تنظیم گری موثر»11 آذر 1404 · تهران