پيش‌‌بيني بازخريد بيمه‌‌نامه‌‌هاي زندگي به شرط فوت با استفاده از شبكه‌‌هاي عصبي عميق

پيشينه و اهداف: ضريب نفوذ بيمه عمر به‌عنوان يك محصول مهم بيمه‌ اي و برنامه ‌ريزي مالي در ايران بسيار پايين است و يكي از دلايل آن بازخريد بيمه‌ نامه ‌هاست. هدف اين مقاله بررسي تأثير مشخصه ‌هاي فردي و قراردادي بيمه‌ نامه ‌هاست كه بر بازخريد بيمه ‌نامه ‌هاي عمر به شرط فوت اثر مي گذارند.روش‌شناسي: براي اين منظور از داده هاي آماري و اطلاعات ثبتي 35171 خريدار بيمه نامه هاي عمر و مستمري يك شركت بيمه اي در مقطع سال 1400 به‎عنوان پايلوت استفاده شد. براي تجزيه و تحليل نيز از داده‌كاوي و الگوريتم ‌هاي يادگيري عميق و شبكه عصبي كه دقت بسيار بالايي در پيش بيني دارند استفاده شد.يافته‌ها: مدل از دقت مطلوب 74 درصد در پيش بيني هر دو نوع بيمه نامه هاي عدم بازخريد و بازخريد شده برخوردار است. البته در پيش بيني عدم بازخريد بيمه نامه ها عملكرد بسيار بهتر بوده اما چون موضوع اصلي مقاله پيش بيني بيمه نامه هاي بازخريد شده است، در تفسير نتايج بيشتر به آن توجه شد. نتايج بدست آمده با وجود مشكل نامتوازن بودن داده ها مطلوب است. در داده ها مورد بررسي نسبت بيمه نامه هاي بازخريدي به عدم بازخريد 3 به 100 است كه اين عدم توازن موجب مي شود فرآيند يادگيري به سمت پيش بيني طبقه با بيشترين فراواني سوگيري پيدا كند. با اين وجود، شاخص پوشش 59 درصدي بدست آمده نشان داد كه از مجموع 244 بيمه نامه بازخريد شده در مجموعه داده تست، شبكه توانسته اغلب آنان يعني 145 مورد را به درستي در طبقه بيمه نامه هاي بازخريدي پيش بيني و طبقه بندي كند.نتيجه‌گيري: نشان داده شد كه از مشخصه هاي جمعيت شناختي متغيرهاي سن، جنسيت زن، اضافه نرخ پزشكي، نرخ خطر حادثي و از مشخصه‌ هاي قرارداد نيز مدت بيمه‌ نامه، مدت زمان سپري شده از شروع بيمه نامه، شيوه پرداخت حق بيمه با اقساط بلندمدت تر، بالاتر بودن ضرايب افزايش سالانه سرمايه و حق بيمه و كمتر بودن تعداد موارد پوشش و سرمايه فوت با بازخريد اثر عكس داشته و احتمال آن را كاهش مي دهند. با بازخريد بيمه‌ نامه بصورت عكس مرتبط هستند. نسبت بيمه گذار و بيمه شده نيز تأثيرگذار بوده و نشان داده شد كه بازخريد وقتي بيمه گذار بيمه نامه عمر را براي خود بخرد در حدأقل و با دور شدن نسبت خويشاوندي احتمال بازخريد افزايش مي يابد.