تعیین ریسک‌های غیرشکننده بر توانگری مالی در صنعت بیمه: رویکردی جدید با مدل‌های میانگین‌گیری

پیشینه و اهداف: پژوهش حاضر با هدف مدل‌سازی ریسک‌های سیستماتیک و غیرسیستماتیک و ژئوپلیتیک بر توانگری مالی در صنعت بیمه و رویکردی جدید به مد‌ل‌های میانگین‌گیری در ایران انجام شده است.روش‌شناسی: این پژوهش از نظر هدف توسعه‌ای– کاربردی و از نظر روش توصیفی– پیمایشی است. بازه زمانی تحقیق داده‌های فصلی 1390 تا 1400 در یک بازه 11 ساله بوده است. اطلاعات مورد نیاز به روش کتابخانه‌ای جمع‌آوری شده‌اند. برای این منظور، اطلاعات شاخص‌های 33 ریسک موثر بر توانگری مالی شرکت‌های بیمه با استفاده از مدل‌های bma، tvp-dma و tvp-dms و bvar بررسی شد.یافته‌ها: براساس میزان خطا، مدل bma از بالاترین دقت برخوردار بود. پس از برآورد مدل، 11 متغیر اصلی شناسایی شد که عبارت‌اند از: رشد اقتصادی، نااطمینانی تورم، نرخ ارز، تحریم، شاخص kof، بازده سرمایه در گردش، نسبت کفایت نقد، نسبت کل بدهی به ارزش ویژه، ضریب خسارت، شاخص هرفیندال– هیرشمن و ریسک ژئوپلیتیک. کاملاً از نتایج مشهود است که ریسک‌های متعددی بر توانگری مالی در صنعت بیمه اثرگذارند و این امر پیش‌بینی این وضعیت را با مشکلات متعددی روبه‌رو می‌سازد. در نتیجه برای طراحی مدل‌های پیش‌هشداردهنده این متغیر لازم است از یک مدل جامع و سیستمی که ابعاد مختلف این شاخص را بررسی می‌کند، بهره گرفته شود.نتیجه‌گیری: در این مطالعه از طریق بررسی ارتباطات تجربی نشان دادیم که با توجه به احتمالات مختلف محاسبه‌شده بین مدل‌های جایگزین، اعتماد به یک مدل مفهومی منفرد در فرایند مدل‌سازی توانگری مالی به ایجاد پیش‌بینی‌های غیرصحیح منجر شده، در نهایت تصمیمات مدیریتی در رابطه با آن مدل با خطر شکست در پیش‌بینی مواجه خواهد شد. براساس نتایج تعدد عوامل موثر بر توانگری مالی، در مدیریت شرکت بیمه لازم است از یک دیدگاه سیستمی بهره برد و صرفاً در نظر گرفتن یک مدل مشخص یا یک سلسله متغیر مشخص نمی‌تواند دیدگاه جامعی در راستای تعیین مدل بهینه توانگری مالی در این صنعت ارائه کند.

determining non-fragile risks on financial solvency in insurance industry: a new approach to averaging models

background and objectives: this research aims to develop a new approach to modeling systematic and unsystematic risks as well as geopolitical risks, in financial solvency within the insurance industry in iran. the objective is to improve the accuracy of prediction models used in the industry..methods: the research follows developmental-practical approach and unilizes a descriptive-survey method. data from 2011 to 2021, covering an 11-year period, were collected and analyzed. a total of 33 risk indicators affecting the financial solvency of insurance companies were examined using bma, tvp-dma, tvp-dms, and bvar models.findings: the bma model demonstrated the highest accuracy based on error rate. through the analysis, 11 main variables were identified as significant factors influencing financial solvency including economic growth, inflation uncertainty, exchange rate, sanctions, kof index, return on working capital, cash adequacy ratio, total debt-to-equity ratio, loss factor, herfindahl-hirschman index, and geopolitical risk. the results the results highlight the complex nature of financial solvency prediction in the insurance industry, emphasizing the need for a comprehensive and systematic approach.conclusion: this study emphasizes the limitations of relying on a single conceptual model in financial solvency modeling and decision-making. the multiplicity of factors influencing financial solvency requires a systemic perspective in managing insurance companies. additionally, it is important to consider a wide range of variables rather than relying on a specific model or set of variables to ensure a comprehensive understanding of financial solvency in the industry.