این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۸، شماره ۴، صفحات ۷۱۱-۷۳۲
عنوان فارسی ارائۀ چارچوبی برای اصلاح نرخ حق بیمه در رشتۀ بدنۀ اتومبیل با استفاده از مدل شبکه‌ های عصبی (مطالعۀ موردی: شرکت بیمۀ آسیا)
چکیده فارسی مقاله رشتۀ بدنۀ اتومبیل بر‏خلاف آنچه به‌نظر می‌رسد، چندان رشتۀ سود‏آوری برای شرکت‏های بیمه محسوب نمی‏شود و به سمت زیان‌دهی در حرکت است. از این ‏رو، پژوهش حاضر به کفایت نرخ‏های حق بیمۀ بدنۀ اتومبیل و تدابیری برای آنها ‌توجه کرده و در پی بهسازی و علمی‏کردن هر‏چه بیشتر این امور است. به این‌ ترتیب، ابتدا با شناسایی متغیرهای تأثیر‏گذار بر ریسک بیمه‏گذاران و مطابقت‌دادن متغیرها با داده‏های موجود در پایگاه دادۀ شرکت مطالعه‌شده، عوامل نهایی انتخاب شدند؛ سپس ضمن عملیات پیش‏پردازش روی داده‏ها با استفاده از مدل شبکه‏های عصبی، طبقۀ خسارتی و میزان خسارت بالقوۀ بیمه‏گذاران پیش‌بینی شد تا شرکت‏های بیمه بتوانند با در‌نظر‌گرفتن آنها و ضریب خسارت مدنظرشان، نرخ‏های بهینه‏ای برای بیمه‌نامه‏ها تعریف کنند. نتایج پژوهش نشان می‏دهد مدل ارائه‌شده می‎تواند با دقت 91 درصد طبقۀ خسارتی را تخمین بزند و با دقت 87 درصد میزان خسارت بالقوۀ بیمه‏گذاران را پیش‏بینی کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Providing a Framework for Reforming Premium Rates of Vehicle Collision Coverage with Using Neural Networks Model (A Case Study of Asia Insurance Company)
چکیده انگلیسی مقاله Since vehicle collision coverage, unlike what it seems, is not very profitable for insurance companies and is moving towards making losses, this paper considered the adequacy of measures and rates used by insurance companies, and intended to optimize the methods by employing more scientific approaches. In order to do so, first, the factors affecting the risk of policy holders were identified and after comparing these factors with existing data in the database of surveyed company, the final factors were selected. Then, after preprocessing these data, prediction of the damage class and the quantity of policyholders' potential damages were accomplished using neural networks model. So that, with using these results and considering their damage ratio, insurance companies could define optimized premium rates for their policies. The results showed that the offered model was able to predict the damage class and potential damages of policy holders respectively with 91 and 87 percent accuracy.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد صالح ترکستانی | mohammad saleh
استادیار گروه مدیریت بازرگانی، دانشکدۀ مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علامه طباطبایی (Allameh tabatabaii university)

آرمان ده پناه |
دانشجوی دکتری مدیریت بازرگانی، دانشکدۀ مدیریت، دانشگاه آزاد اسلامی، بابل، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی بابل (Islamic azad university of babol)

محمد تقی تقوی فرد | mohammad taghi
دانشیار گروه مدیریت صنعتی، دانشکدۀ مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علامه طباطبایی (Allameh tabatabaii university)

شهرام شفیعی |
استادیار گروه مدیریت ورزشی، دانشکدۀ تربیت بدنی و علوم ورزشی، دانشگاه گیلان، رشت، ایران
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

نشانی اینترنتی http://jitm.ut.ac.ir/article_59948_ea8c30120134e201511ba102389c314c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-314717.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات