Особливість здійснення прогнозу обсягів надходжень страхових премій та розмірів відшкодувань за допомогою нейронних мереж. Зміст класичної моделі теорії ринку для моделювання дохідності компанії. Аналіз використання інструментарію штучного інтелекту.
Аннотация к работе
ПРОГНОЗУВАННЯ ФІНАНСОВИХ ПОКАЗНИКІВ СТРАХОВОЇ КОМПАНІЇ ІЗ ЗАСТОСУВАННЯМ На підґрунті застосування інструментарію штучного інтелекту - нейронних мереж - запропоновано модель, яка дозволяє із визначеною точністю спрогнозувати обсяги надходжень страхових премій та розміри страхових відшкодувань.Вибираючи страхову компанію, кожного страхувальника, в першу чергу, цікавить її надійність та фінансова стійкість. Зважаючи на те, що більшість вітчизняних страховиків, на відміну від зарубіжних, займаються виключно страхуванням, не проводячи активної інвестиційної діяльності, вважаємо за необхідне проаналізувати їх фінансовий стан шляхом прогнозування надходжень страхових премій та обсягу страхових відшкодувань. У своїх роботах вони розглядають зміну структури сукупності валових страхових премій як випадковий процес, суть якого полягає в тому, що місцезнаходження (перебування) певної грошової одиниці в одному з можливих станів у певний момент часу визначається розподілом ймовірностей перебування цієї одиниці в окремих станах у попередніх досліджуваних періодах та ймовірністю зміни цих станів у разі переходу до наступного періоду, застосовуючи при цьому ланцюги Маркова з дискретною множиною станів [2]. Метою дослідження є вибір адекватних економіко-математичних методів моделювання, які б дозволили з високою точністю спрогнозувати обсяги надходжень та виплат страхової компанії. Проведений аналіз фінансової звітності провідних вітчизняних страхових компаній дозволив дійти висновку, що зі зростанням активів не спостерігається відчутний вплив закону великих чисел та ефект масштабу на рівень витрат (а отже, і на рентабельність) страховиків.Отже, в результаті проведених досліджень можна зробити висновок, що найточніші прогнозні результати були отримані у разі застосування моделі, підґрунтям для якої є, використання інструментарію штучного інтелекту — нейронної мережі, що дозволило врахувати нелінійність звязків між вхідними та результуючою змінними.