Моделювання фінансового стану страхової компанії із застосуванням апарату нечіткої логіки
Loading...
Date
2012-06-20
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
ДВНЗ «Київський національний університет імені Вадима Гетьмана»
Abstract
Запропоновано систему показників діяльності страхових компаній, яка базується на принципах прозорості, повноти, доступності, наявності статистичної бази та дозволяє діагностувати страховиків, що працюють стабільно, і чий фінансовий стан наближується до критичного. Обґрунтовано необхідність подальшого удосконалення методологічних та інструментальних основ мо-делювання фінансового стану страхових компаній, що зводиться до розробки системи реагування, яка найбільшою мірою відповідала б вимогам конкретної ситуації, чим і аргументований вибір інструментарію нечіткої логіки як математичного підґрунтя для побудови відповідних моделей. Побудовано економіко-математичну модель діагностування банкрутства, яка дає можливість класифікувати страхові компанії на стабільно функціонуючі та страховики-банкрути з урахуванням експертних знань у страховій справі, водночас володіючи здатністю до налаштування власних параметрів на реальних даних. Запропоновано алгоритм налаштування моделі на базі методу зворотного поширення помилки, адаптованого для моделей на нечіткій логіці. У результаті проведення настройки на існуючому статистичному матеріалі вдається оптимізувати параметри моделі, які дозволяють функціонально пов’язати вхідні змінні (показники діяльності страхо-вої компанії) із значенням результуючої змінної (одним із класів: фінансово стабільних страховиків чи потенційних банкрутів).
Предложена система показателей деятельности страховых компаний, которая базируется на принципах прозрачности, полноты, доступности, наличия статистической базы, и позволяет диагнос-тировать страховщиков, которые работают стабильно, и чье финансовое состояние приближается к критическому. Обоснована необходимость последующего усовершенствования методологических и инструментальных основ моделирования финансового состояния страховых компаний, которое сводится к разработке системы реагирования, которая в наибольшей степени отвечала бы требованиям конкретной ситуации, чем и аргументирован выбор инструментария нечеткой логики как математической основы для построения соответствующих моделей. Построено экономико-математическую модель диагностики банкротства, которая дает возможность классифицировать страховые компа-нии на стабильно функционирующих и страховщиков-банкротов с учетом экспертных знаний по страховому делу, при этом обладая способностью к настройке собственных параметров на реальных данных. Предложен алгоритм настройки модели на базе метода обратного распространения ошибки, адаптированного для моделей на нечеткой логике. В результате проведения настройки на существующем статистическом материале удается оптимизировать параметры модели, которые позволяют функционально связать входные переменные (показатели деятельности страховой компании) со значением результирующей переменной (одним из классов: финансово стабильных страховщиков или потенциальных банкротов).
It’s proposed in the article the system of indices of activity of insurance companies, which is based on the principles of transparency, comprehensiveness, accessibility, availability of statistical data-bases, and allows to diagnose insurers, which are stable, and whose financial condition is close to critical. It’s grounded the necessity of further improvement of methodological and instrumental bases of modeling the financial condition of insurance companies, which consist in developing of response system that best meets the requirements of a particular situation. It is the reason of choice of fuzzy logic tools as mathematical basis for the construction of appropriate models. Built economic and mathematical model of bank-ruptcy diagnosis allows to classify the insurance companies into stable and potential bankrupts taking into account expert knowledge on insurance business, and provides the possibility to optimize their own parameters on real data. It’s proposed the algorithm for tuning the models, based on error-back-propagation method adapted for fuzzy logic models. As a result of tuning on sta-tistical data it’s possible to optimize the parameters of the model, which allow functionally link the input variables (indicators of the insurance company) with the value of the result variable (the classes of financially stable insurers or potential bankrupts).
Предложена система показателей деятельности страховых компаний, которая базируется на принципах прозрачности, полноты, доступности, наличия статистической базы, и позволяет диагнос-тировать страховщиков, которые работают стабильно, и чье финансовое состояние приближается к критическому. Обоснована необходимость последующего усовершенствования методологических и инструментальных основ моделирования финансового состояния страховых компаний, которое сводится к разработке системы реагирования, которая в наибольшей степени отвечала бы требованиям конкретной ситуации, чем и аргументирован выбор инструментария нечеткой логики как математической основы для построения соответствующих моделей. Построено экономико-математическую модель диагностики банкротства, которая дает возможность классифицировать страховые компа-нии на стабильно функционирующих и страховщиков-банкротов с учетом экспертных знаний по страховому делу, при этом обладая способностью к настройке собственных параметров на реальных данных. Предложен алгоритм настройки модели на базе метода обратного распространения ошибки, адаптированного для моделей на нечеткой логике. В результате проведения настройки на существующем статистическом материале удается оптимизировать параметры модели, которые позволяют функционально связать входные переменные (показатели деятельности страховой компании) со значением результирующей переменной (одним из классов: финансово стабильных страховщиков или потенциальных банкротов).
It’s proposed in the article the system of indices of activity of insurance companies, which is based on the principles of transparency, comprehensiveness, accessibility, availability of statistical data-bases, and allows to diagnose insurers, which are stable, and whose financial condition is close to critical. It’s grounded the necessity of further improvement of methodological and instrumental bases of modeling the financial condition of insurance companies, which consist in developing of response system that best meets the requirements of a particular situation. It is the reason of choice of fuzzy logic tools as mathematical basis for the construction of appropriate models. Built economic and mathematical model of bank-ruptcy diagnosis allows to classify the insurance companies into stable and potential bankrupts taking into account expert knowledge on insurance business, and provides the possibility to optimize their own parameters on real data. It’s proposed the algorithm for tuning the models, based on error-back-propagation method adapted for fuzzy logic models. As a result of tuning on sta-tistical data it’s possible to optimize the parameters of the model, which allow functionally link the input variables (indicators of the insurance company) with the value of the result variable (the classes of financially stable insurers or potential bankrupts).
Description
Keywords
Страхова компанія, фінансовий стан, моделювання, нечітка логіка, діагностика банкрутства, функція належності, фаззифікація, нечітка база знань, Страховая компания, финансовое состояние, моделирование, нечеткая логика, диагностика банкротства, функция принадлежности, фаззификация, нечеткая база знаний, Insurance company, financial state, modeling, fuzzy logic, diagnosis of bankruptcy, membership function, fuzzification, fuzzy knowledge base
Citation
Ольховська О. Л. Моделювання фінансового стану страхової компанії із застосуванням апарату нечіткої логіки / О. Л. Ольховська // Нейро-нечіткі технології моделювання в економіці : наук.-анал. журн. / М-во освіти і науки України, ДВНЗ «Київ. нац. екон. ун-т ім. Вадима Гетьмана» ; редкол.: А. В. Матвійчук (голов. ред.) [та ін.]. – Київ : КНЕУ, 2013. – № 2. – С. 119–134.