پيش بيني حق‌بيمه عمر از طريق شبكه هاي عصبي و مدل‌هاي ARIMA

Forecasting Life Insurance Premium by ARIMA Models and Neural Network

بيمه عمر به‌عنوان يكي از محصولات صنعت بيمه، نقش مهمي در تعيين و تضمين آتيه خانواده‌ها دارد. طبيعي است كه در چنين شرايطي پيش‌بيني حق‌بيمه عمر مي‌تواند برنامه‌ريزان و سياست‌گذاران را در دست‌يابي به اهداف و برنامه‌ها ياري كند. در اين پژوهش جهت پيش‌بيني حق‌بيمه دريافتي در بيمه عمر از روش شبكه‌هاي عصبي و از روش باكس - جينكينز استفاده شده است. نتايج حاصل از پيش¬بيني درون نمونه‌اي براي سال‌هاي 1387-1383 نشان داد كه باتوجه به معيار RMSE، بهترين مدل براي پيش‌بيني حق‌بيمه عمر، مدل شبكه‌هاي عصبي است. بعد از آن به پيش‌بيني برون نمونه‌اي براي سال‌هاي 1393-1388 از حق‌بيمه عمر دريافتي با استفاده از دو روش باكس جينكنز و شبكه‌هاي عصبي پرداخته شده است.

Life insurance products, as one of the insurance industryʹs products, has an important role in determining and ensuring the future of family situation, it is natural that in such circumstances, forecasting of life insurance premium can help the planners and policy makers in achieving the objectives and programs. In this research, neural network and box jenkenze approach is used in order to predict life insurance premiums. The results of predict for inside sample in 1387-1383 show that according to the criteria RMSE, neural network model is the best model to predict life insurance premium. Then, box jenkenze and neural networks method are used for outside sample predict of life insurance premium during 1388- 1393.