Application of data mining methods to solving the problems of actuarial modeling and estimation of financial risks

Abstract

Анотація. Подано результати застосування методів інтелектуального аналізу даних до актуарного моделювання та оцінювання ризиків страхових компаній. Як математичний апарат використано узагальнені лінійні моделі, метод групо-вого врахування аргументів та нечіткий метод групового врахування аргумен-тів, а також байєсівський підхід до оцінювання невідомих параметрів моделей. На підставі фактичних статистичних даних з галузі страхування побудовано нові узагальнені лінійні моделі для подальшого застосування під час оціню-вання ризику втрат страхових компаній, розроблено й апробовано мережу Байєса для оцінювання ризику банкрутства страхових компаній у разі настан-ня страхового випадку. Прийнятною для подальшого використання виявилась модель з гамма-розподілом та логарифмічною функцією зв'язку, параметри якої отримано за чотири ітерації алгоритму оцінювання. Великий ризик банк-рутства страхових компаній свідчить про відсутність ефективного механізму управління коштами як власного капіталу, так і надходжень, отриманих від страхових договорів. Застосування методів інтелектуального аналізу даних є ефективним підходом до розв'язання задач прогнозування та оцінювання ри-зиків актуарних процесів.Ключові слова: актуарні процеси, страхові ризики, узагальнені лінійні моделі, байєсівський підхід, методи інтелектуального аналізу даних, метод групового врахування аргументів, нечіткий метод групового врахування аргументів. ВСТУПУ зв'язку з удосконаленням технологій пошуку та оброблення даних у сус-пільстві нагромаджуються великі масиви даних різного спрямування. Функ-ціонування будь-яких підприємств супроводжується реєстрацією і записом детальної інформації щодо їх діяльності та споживачів. У результаті величе-зні скупчення даних утворюють хаотичні нагромадження, які без спеціаль-ного оброблення непотрібні; більше того, вони суттєво ускладнюють процес пошуку потрібної інформації. Критеріями ефективного оброблення даних є врахування таких особливостей: дані мають необмежений обсяг і є різно-рідними; результати мають бути конкретними і зрозумілими, а інструменти для їх оброблення -простими та зручними у використанні.Одним з методів ефективного оброблення інформації є інтелектуальний аналіз даних (ІАД), який полягає у виявленні у первинних даних, раніше невідомих, доступних, практично корисних і нетривіальних інтерпретацій знань, необхідних для прийняття рішень у різних галузях діяльності. До ме-тодів і алгоритмів ІАД належать: нейронні мережі, дерева рішень, символьні правила, методи найближчого сусіда і k-найближчого сусіда, метод опорних векторів, байєсівські мережі (БМ), лінійна регресія, кореляційно-регресійний