ارائه مفهوم ریسک پکیج به جای ریسک فاکتور جهت طبقه بندی دقیق‌تر ریسک بیمه‌گذاران

پیشینه و اهداف: ارزیابی صحیح و علمی ریسک صدور بیمه‌نامه یکی از حساس‌ترین و مهم‌ترین مراحل ارزیابی ریسک است و انجام آن باعث شناسایی مشتریان پرریسک و تعیین نرخ بیمه‌نامه، متناسب با ریسک مشتریان و در نتیجه پوشش مناسب خسارت‌های مالی ادعاشده به‌وسیله‌ حق‌بیمه‌های دریافتی می‌شود. در این پژوهش روشی جدید برای تبیین دقیق‌تر و کاربردی‌تر از ریسک‌فاکتور ارائه شده است. در این روش که مبتنی بر الگوریتم بدون نظارت خوشه‌بندی است، ابتدا بازه‌های مختلف هر عامل موثر بر خسارت بررسی و با توجه به میزان تاثیرگذاری بر سطوح خسارت مشتریان به چند ریسک‌فاکتور تقسیم می‌شوند. سپس با توجه به میزان ارتباط آن با بازه‌ دیگر عوامل، از لحاظ ایجاد سطوح خسارت مشابه در مشتریان، با آن‌ها ترکیب می‌شود و پکیجی شامل بازه‌های عوامل تاثیرگذار بر سطوح مختلف خسارت را تشکیل می‌دهد. به‌این‌ترتیب به‌جای یک ریسک‌فاکتور، پکیج‌های مختلفی ایجاد می‌شود که هرکدام از آن‌ها یک عامل ریسک یا همان ریسک‌فاکتور در نظر گرفته می‌شوند.روش‌شناسی: با استفاده از روش خوشه‌بندی کا-میانگین، بیمه‌گذاران به خوشه‌هایی با ریسک همگن که در واقع ریسک‌پکیج‌های متناظر با میزان پرخطر بودن مشتریان هستند، تقسیم شده‌اند. براساس ساختار الگوریتم کا-میانگین تعداد خوشه‌های مورد نظر باید از پیش تعیین شود. این موضوع چالش اصلی استفاده از الگوریتم مزبور است. در همین راستا دو رویکرد اصلی اعتبارسنجی سایه‌نما (ضریب سیلوئت) و روش آرنج برای حل این مشکل ارائه شده است.یافته‌ها: با توجه به نمودار آرنج و ضریب سیلوئت و همچنین در نظر گرفتن نیاز شرکت‌های بیمه به ارزیابی کاربردی و منطبق بر واقعیت، 4 خوشه به دست آمد که با توجه به اینکه خوشه‌ 2 و 3 در یک طیف نزدیک به هم و در نتیجه قابل پیوستن به یکدیگر هستند و خوشه با سطح ریسک متوسط را تشکیل می‌دهند، 3 خوشه به‌عنوان بهترین خروجی دسته‌بندی بیمه‌گذاران لحاظ شد.نتیجه‌گیری: از بررسی ویژگی‌های به‌دست‌آمده در 3 خوشه‌ مطرح‌شده می‌توان پکیج‌های ریسک ذیل را معرفی کرد.افراد با سنین بالا، متوسط و پایین (چگال در بازه‌ 30 تا 58 سال) با ماشین ارزان‌قیمت و دارای جنسیت مرد را می‌توان به‌عنوان بیمه‌گذاران با بالاترین سطح ریسک معرفی کرد.افراد با سنین متوسط و بالا (چگال در بازه‌ 32 تا 53 سال) با ارزش ماشین متوسط و بالا را می‌توان بیمه‌گذاران دارای ریسک‌های متوسط در نظر گرفت.افراد با سنین متوسط به بالا (چگال در بازه‌ 51 تا 63 سال) با ماشین گران‌قیمت را می‌توان بیمه‌گذاران با پایین‌ترین سطح ریسک در نظر گرفت.

providing the concept of risk package instead of risk factor in order to classify the risk of policyholders more accurately

background and objectives: the accurate and scientific assessment of the risk to issue an insurance policy is one of the most critical and important stages of risk assessment frameworks. this leads companies to identify high-risk customers and determine the policy rates in accordance with their risks, and as a result, the claims will be covered appropriately through the insurance premiums. in this paper, a new method is presented to define the concept of risk factor in more practical, flexible and accurate way. in this method, which is based on an unsupervised clustering algorithm, initially, every single factor is examined based on different ranges and their corresponding impact on customer loss levels. then, considering their connection with the ranges of other factors in terms of creating similar levels of customer loss, they are combined to form a package. thus, different packages are created, each of which is considered a risk factor and comprise the ranges of factors affecting different levels of loss.methods: the k-means clustering method was used to divide insurers into clusters with similar risks, which correspond to the risk packages associated with the customers’ risk level. the number of desired clusters should be determined in advance, which is the main challenge of using this algorithm. two main approaches for validation, namely the silhouette score and the elbow method, were presented.findings: based on the elbow plot and silhouette coefficient, as well as considering the practical and realistic evaluation needed by insurance companies, four clusters were obtained. cluster 2 and 3 are similar and can be merged to form a cluster of medium risk level. therefore, three clusters were considered the best outcome for categorizing insurance policyholders.conclusion: the risk packages can be introduced from the examination of the 3 clusters including people with high, medium and low age (confidence interval) with low price car whose gender is male can be introduced as the highest level of risk; people with medium and high ages (confidence interval) with medium and high car prices can be considered as medium risks, and middle-aged and older people (confidence interval) with expensive cars were considered the lowest level of risk. from the results of these risk packages, it can be concluded that although a significant population of older policyholders falls into the first package (first cluster), they have the highest level of risk. on the other hand, the older people in the third package (even though their average age is the highest among the clusters) have the lowest level of risk. another important point is that the risk level decreases as income increases simultaneously with age.