رویکرد شبکه عصبی MLP برای اعتبارسنجی مشتریان بیمه سلامت در محیطهای کلان داده
نویسندگان
1 استادیار، گروه اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران
2 دانشیار گروه اقتصاد ، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد.
3 استادیار، گروه اقتصاد، دانشگاه تگزاس، دالاس، آمریکا
4 دانشیار، گروه اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران
5 دانشجوی دکتری، گروه اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران
doi
10.71856/impcs.2024.1121950چکیده
ارزیابی ناکافی ریسک بیمهگذاران یک چالش مهم در صنعت بیمه سلامت است. این تحقیق یک مدل اعتبارسنجی مشتری برای طرح های بیمه سلامت با تمرکز ویژه بر کارکنان شرکت نفت شرق ایران پیشنهاد میکند. در این مطالعه، یک شبکه عصبی پرسپترون چندلایه (MLP) مشتمل بر شش مرحله برای اعتبارسنجی مشتری استفاده میشود. آموزش وزنها به عنوان گامی حیاتی در پیادهسازی شبکه عصبی، تأثیر متغیرهای توضیحی را بر خروجی مدل تعیین میکند. سپس مدل آموزشدیده برای اعتبارسنجی استفاده میشود. نتایج اعتبارسنجی نشان میدهد که متغیرهای هزینه پرداختی بیمه سلامت و متغیرهای بیماری خاص بیشترین تأثیر را بر طبقهبندی مشتریان ناسالم دارند. نتیجه حائز اهمیت پس از اعتبارسنجی بیانگر این است که حدود 1.8٪ از جمعیت به عنوان "ناسالم" شناسایی شده است. این گروه به ظاهر کوچک، 17.47 درصد کل پرداختی شرکت بیمه بابت مطالبات بیمه درمان را تشکیل میدهند این درحالی است که اکنون حق بیمه این افراد برابر افراد سالم میباشد. مدل اعتبارسنجی پیشنهادی یک رویکرد عملی برای شرکتهای بیمه ارائه میکند تا پروفایل ریسک مشتری را ارزیابی کرده تا حق بیمهها را بر این اساس تنظیم کنند. این رویکرد سیستم بیمه ای عادلانه تر و پایدارتر را ترویج میکند.