مدل سازی مالی برای صنعت بیمه عمر با دانش ناهنجار مبتنی بر مدل MCDM پیوندی
چکیده
مدلسازی مالی برای صنعت بیمه عمر با دو مشکل عمده مواجه است: (1) انتخاب متغیرهای کمینه و بحرانی برای مدل سازی در حین در نظر گرفتن نادقیق بودن و روابط درونی میان انواع متعدد ویژگی ها و (2) ارزیابی اثرات سینرژی محتمل در میان متغیرها و ابعادی که می توانند باعث ایجاد پیشقدرهای نامطلوب برای یک مدل ارزیابی شوند. برای غلبه بر این مشکلات، این مقاله یک رویکرد پیوندی دو مرحله ای ارائه می دهد: دانش مالی ناهنجار (خشن) در ابتدا بازیابی شده است، و پس از آن ویژگی های اصلی بدست آمده ارزیابی شده و با استفاده از روش های تصمیم مبتنی بر انتگرال فازی ترکیب شده اند. نوآوری اصلی این مطالعه استفاده از رویه های بازیابی دانش نابهنجار و مقیاس های فازی برای کاوش اثرات سینرژی روی عملکرد مالی می باشد. انتظار می رود این رویکرد از بیمه ها برای بهبود سیستماتیک عملکرد مالی شان پشیتبانی نماید. گروهی از کمپانی های بیمه عمر در تایوان مورد تجزیه و تحلیل قرار گرفتند، و یافته ها از وجود اثرات سینرژی مرتبط به هم در میان شرایط اصلی پشتیبانی می کردند. به علاوه پنج کمپانی برای شرح برنامه ریزی بهبود عملکرد مالی با این رویکرد آزموده شدند. این مطالعه پلی میان فواصل هرز بین تکنیک های محاسبات نرم پیشرفته و مدلسازی مالی عمل¬ گرا در محیط تجاری پویا ایجاد می کند.
1- مقدمه
صنعت مالی برای ثبات اقتصاد ملت موردی حیاتی است. بنابراین از دوران بحران مالی جهانی سال 2008، علاقه به آزمودن عملکرد مالی (FP) صنعت مالی بیشتر شده است، خصوصاً برای نفع سهامداران (به عنوان نمونه سرمایه گذاران، مدیران، و دولت ها). دو عنوان تحقیق روند اصلی به FP موسسات مالی ارتباط دارند (بانک های اصلی و کمپانی های بیمه ای)، یعنی ورشکستگی و پیش بینی شکست مالی (29) و ارزیابی FP برای رتبه بندی اعتبار و اهداف سرمایه گذاری. مطالعه حاضر بر روی ارزیابی FP کمپانی های بیمه عمر تمرکز یافته است. متدلوژی های اتخاذ شده در تحقیق قبلی (12) برای ارزیابی FP موسسات مالی را می توان به صورت زیر رده بندی کرد:(1) متدلوژی های مبتنی بر مدل های آماری(2) متدلوژی های مبتنی بر یادگیری ماشین و تکنیک های محاسبه نرم و(3) متدلوژی های شامل کننده روش های تصمیم گیری چند شرطی (MCDM). به علاوه، به دلیل پویایی ها و پیچیدگی محیط های تجاری، رویکردهای ترکیبی به سرعت زیاد می شوند. به عنوان مثال تحت چارچوب SMAA TRI، Angilella و Mazzù (3) ELECTRE TRI را برای ساخت مدل رتبه بندی داوری برای پشتیبانی از تصمیمات مالی برای تشکلات اقتصادی کوچک و متوسط (SME ها) پیشنهاد دادند. در مدل آن ها قضاوت های کیفی در داده های مالی کمّی در نظر گرفته شدند و برای رتبه بندی SME ها ادغام شدند. مطالعات علوم اجتماعی مرسوم عمدتاً مبتنی بر روش های آماری برای شناسایی روابط میان متغیرهای مالی انتخاب شده و FP متعاقب کمپانی های مالی بودند. روش هایی نظیر تحلیل افتراقی، تحلیل عامل، تحلیل مولفه اصلی (PCA) و رگرسیون لوجیت به طور گسترده در تحقیقات قبلی مورد استفاده قرار گرفته اند. پس از کار Altman، تحلیل افتراقی کاربرد گسترده ای برای تجزیه و تحلیل نقصان (شکست) مالی کمپانی ها پیدا کرد. پس از آن رویکرد رتبه ترکیبی مبتنی بر رگرسیون لوجیت (Z-Score) در مقالات تأثیرگذار ارائه گردید و شیوع بیشتری پیدا کرد؛ به عنوان مثال West از رگرسیون لوجین همراه با تحلیل عامل برای ارزیابی FP بانک ها استفاده کرد. دیگر روش های آماری نظیر تحلیل probit و PCA برای پیش بینی FP بانک ها به کار برده شده اند یا با هم تلفیق شده اند. Kumar و Ravi یک بررسی سیستماتیک از این حوزه تحقیق ارائه کرده است. اما در رابطه با رویکرد آماری، سه جنبه زیر سوال برانگیز هستند: (1) فرضیه عدم وابستگی در میان متغیرها(2) فرضیات احتمالی معین (3) گردآمدگی از نوع افزایشی در رویکرد رتبه ترکیبی در یک محیط مالی پیچیده، روابط درونی میان متغیرها در اغلب موارد مشاهده می شود؛ اما به لطف محدودیت های روش های آماری، تأثیرات مرتبط به هم یا غیر از نوع افزایشی نمی توانند ارزیابی شوند یا به درستی مدلسازی شوند.
Abstract
Financial modeling for the life insurance industry involves two main difficulties: (1) Selecting the minimal and critical variables for modeling while considering the impreciseness and interrelationships among the numerous attributes and (2) measuring plausible synergy effects among variables and dimensions that might cause undesirable biases for an evaluation model. To overcome these difficulties, this paper proposes a two-stage hybrid approach: Rough financial knowledge is retrieved first, and then the obtained core attributes are measured and synthesized using fuzzy-integral-based decision methods. The main innovation of this study is the use of rough knowledge retrieval procedures and fuzzy measures for exploring the synergy effects on financial performance. This approach is expected to support insurers to systematically improve their financial performance. A group of life insurance companies in Taiwan was analyzed, and the findings support the existence of interrelated synergy effects among the core criteria. In addition, five companies were examined to illustrate financial performance improvement planning with this approach. This study bridges the gap between advanced soft computing techniques and pragmatic financial modeling in a dynamic business environment.
1. INTRODUCTION
The financial industry is critical to the stability of a nation’s economy. Therefore, since the global financial crisis of 2008, increasing interest has been shown in examining the financial performance (FP) of the financial industry, especially for the benefit of stakeholders (e.g., investors, management, and governments). Two mainstream research topics are related to the FP of financial institutions (mainly banks and insurance companies), namely bankruptcy and financial failure prediction [29], and FP evaluation for credit scoring and investment purposes [43]. The present study focused on the evaluation of the FP of life insurance companies. The methodologies adopted in previous research [12] for assessing the FP of financial institutions can be categorized as follows: (1) methodologies based on statistical models, (2) methodologies based on machine learning and soft-computing techniques, and (3) methodologies involving multiple criteria decision-making (MCDM) methods [61]. In addition, because of the dynamics and complexity of business environments, hybrid approaches (i.e., the integration of more than two methodologies) are increasing rapidly. For example, under the framework of SMAA TRI [54], Angilella and Mazzù [3] proposed the ELECTRE TRI [63] for building a judgmental rating model to support the financing decisions for small and medium-sized enterprises (SMEs). In their model, qualitative judgments and quantitative financial data were considered and integrated for rating SMEs. Conventional social science studies have mainly been based on statistical methods for identifying the relationships between selected financial variables and the subsequent FP of financial companies. Methods such as discriminant analysis, factor analysis, principal component analysis (PCA), and logit regression have been widely adopted in previous research. Following the work of Altman [1], discriminant analysis has been widely used for analyzing the financial failure of companies [28]. Subsequently, the logit-regression-based synthesized score approach (Z-score) presented in the influential papers [1-2] became prominent; for example, West [60] used logit regression along with factor analysis to measure the FP of banks. Other statistical methods, such as probit analysis and PCA, have been applied or combined for predicting the FP of banks [8]. Kumar and Ravi [28] presented a systematic review of this research area. However, regarding the statistical approach, the following three aspects are questionable: (1) The assumption of independence among the variables, (2) certain probabilistic assumptions, and (3) the additive-type aggregation in the synthesized score approach. In a complex financial environment, interrelationships among variables often exist; however, owing to the limitations of statistical methods, certain interrelated or nonadditive-type influences cannot be measured or modeled accurately.
چکیده
مقدمه
مقدمات
تئوری مجموعه ناهنجار و رویکرد مجموعه ناهنجار مبتنی بر تسلط
تکنیک DEMATEL و روش ANP مبتنی بر DEMATEL
انتگرال فازی برای تراکم عملکرد نوع غیر افزایشی
رویکرد پیوندی مبتنی بر دانش ناهنجار
DRSA برای بازیابی دانش ناهنجار
تکنیک DEMATEL و روش DANP
انتگرال فازی ترکیبی با استفاده از وزن های تأثیرگذار DANP و مقیاس فازی
موارد تجربی از صنعت بیمه عمر
داده ها
مدل DRSA برای کاوش ویژگی های اصلی و قوانین تصمیم
مدل ارزیابی انتگرال فازی
نتایج و بحث
Abstract
INTRODUCTION
PRELIMINARY
Rough Set Theory and Dominance-Based Rough Set Approach
DEMATEL Technique and DEMATEL-Based ANP Method
Fuzzy Integral for Nonadditive-Type Performance Aggregation
ROUGH-KNOWLEDGE-BASED HYBRID APPROACH
DRSA for Retrieving Rough Knowledge
DEMATEL Technique and DANP method
Synthesized Fuzzy Integral Using DANP Influential Weights and Fuzzy Measure
EMPIRICAL CASES FROM THE LIFE INSURANCE INDUSTRY
Data
DRSA Model for Exploring Core Attributes and Decision Rules
DANP Weights for Supporting Fuzzy Measures
Integrated Fuzzy Integral Evaluation Model
RESULTS AND DISCUSSIONS
CONCLUDING REMARKS
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه