بهینه سازی مدیریت ریسک بیمه کشتی با فناوری نظارتی و مدل های یادگیری ماشین

چکیده مقاله

مدیریت ریسک خسارت در بیمه بدنه کشتی در ایران با چالش های نظارتی روبه روست این پژوهش با هدف توسعه ی چارچوبی داده محور برای پیش بینی ریسک خسارت و پشتیبانی از نظارت فناورانه SupTech در صنعت بیمه ایران انجام شده است روش شناسی، بر تحلیل ۵٬۹۸۰ رکورد بیمه نامه و ۶۳ پرونده ی خسارت شرکت بیمه البرز ۱۳۹۹ ۱۴۰۳ با تلفیق داده های ساختاری و متنی فارسی استوار است در بخش متنی، شرح حادثه با مدل ParsBERT به بردارهای معنایی تبدیل شد و ویژگی های حاصل با الگوریتم های یادگیری ماشین مدل سازی شدند نتایج نشان داد مدل گرادیان بوستینگ XGBoost با دقت ۰٫۹۲ و AUC=۰ ۹۴ عملکرد برتری در پیش بینی وقوع خسارت دارد مدل شدت خسارت نیز عملکرد قابل قبولی R²=۰ ۸۱ در برآورد پیامدها نشان داد تحلیل SHAP تایید کرد که متغیرهای تعداد خدمه، سابقه خسارت، و واژگان مرتبط با عیب فنی و تصادم بیشترین تاثیر را در ریسک دارند علاوه بر آن، تحلیل ناهنجاری Anomaly Analysis حدود ۴٫۸٪ از پرونده های پرریسک با الگوی غیرمعمول را شناسایی کرد نوآوری این چارچوب ترکیبی، ارائه ی الگویی تعمیم پذیر برای توسعه ی سامانه های SupTech و تنظیم گری هوشمند است که ریسک را در ابعاد «احتمال وقوع، شدت پیامد و ناهنجاری» مدیریت می کند

کلیدواژه‌ها

نویسندگان

سمیه امینی فر

مقاله بهینه سازی مدیریت ریسک بیمه کشتی با فناوری نظارتی و مدل های یادگیری ماشین

�مینی فر، سمیه،1404،بهینه سازی مدیریت ریسک بیمه کشتی با فناوری نظارتی و مدل های یادگیری ماشین،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