
1-3-2 فرضیه ها فرعی 5
1-4 اهداف تحقیق 5
1-4-1 اهداف اصلی تحقیق 5
1-4-2 اهداف فرعی تحقیق……………………………………….. 5
1-5 روش تحقیق 5
1-6 مراحل انجام تحقیق 5
1-7 ساختار پایان نامه 6
فصل دوم: مروری بر ادبیات موضوع 7
1-2 مقدمه 8
2-2 تعریف بیمه 8 2-3 انواع بیمه 9
2-3-1 بیمههای اجتماعی(اجباری) 9
2-3-2بیمههای بازرگانی(اختیاری). 10
2-3-3 بیمه اشخاص 12
2-4 تاریخچه پیدایش بیمه 13
2-5 اصول حاکم بر قراردادهای بیمه 16
2-6 بررسی وضعیت بیمه عمر در ایران و جهان 20
2- 7 مروری بر تحقیقات انجام شده 21
2-8 شبکههای عصبی 31
2-8-1 پرسپترون 32
2-8-2 مساله فیلتر تطبیقی 33
2-8-3 تکنیکهای بهینهسازی نامشروط 34
2-8-4 روش شیبترین کاهش 35
2-8-5 الگوریم لونبرگ مارکواردت 36
2-8-6 دو مسیر محاسباتی 41
2-8-7 نرخ یادگیریی 43
2-8-8 مودهاي آموزشي انبارهاي و ترتيبي 45
2-8-9 معیار توقف 46
2-9 رگرسيون 47
2 -9-1 رگرسيون پارامتري 48
2-9-2 رگرسيون خطي ساده 48
2-9-2-1 برآورد ضرايب رگرسيون خطي ساده 49
2-9-2-2 آزمون ضرايب رگرسيون خطي ساده 49
2-9-3 رگرسيون خطي چندگانه 51
2-9-3-1 برآورد ضرايب رگرسيون خطي چندگانه 51
2-9-3-2 آزمون ضرايب در رگرسيون خطي چندگانه 52
فصل سوم:مواد و روش ها 53
3-1 مقدمه 54
3-2 مروری بر افرضیات تحقیق 54
3-2-1 فرضیه اصلی 54
3-2-2 فرضیههای فرعی 54
3-3 گزینش متغیرهای توضیحی تحقیق 54
3-4 چارچوب نظری تحقیق تحقیق 55
3-4-1 تولید ناخالص داخلی 55
3-4-2 تورم 57
3-4-3 مصوبه مجلس مبنی بر اجباری شده بیمه عمر کارکنان دولت 60
3-5 تعیین محدوده زمانی و مکانی تحقیق 61
3-6 برازش مدل رگرسیونی به دادهها 61
انتخاب پارامترهای ورودی، توپولوژی و الگوریتم آموزشی مناسب برای شبکه عصبی 61
3-8 مقایسه نتایج حاصل از هر دو روش رگرسیون خطی و شبکه عصبی مصنوعی 61
فصل چهارم: نتایج و یافتهها 62
4-1 مقدمه 63
4-2 تحلیل توصیفی داده ها و بررسی فرضیه نرمال بودن متغیرها 63
4-3 بررسي ضریب همبستگي پيرسون 66
4-4 بررسي فرضیات تحقيق 67
4-5 شبيه سازي با شبکههای عصبی 75
4-6 مقایسه شبکه عصبی منتخب و رگرسیون خطی با استفاده از معیارهایMSE و ضریب تعیین 78
فصل پنجم: نتیجه گیری و جمع بندی 80
5-1 مقدمه 81
5-2 پاسخ به سوالات تحقیق 81 5-3 نتیجه گیری 82
5-4 پیشنهاد برای تحقیقات آتی 82
منابع 84
پیوستها…………………………………………………………………………………………………………………………………………..87
فهرست جداول
2-1 جدول حق بیمههای عمر (میلیون دلار)…………………………………… 20
2-2 چکیده اثر متغیرهای توضیجی بر تقاضای بیمه عمر در تحقیقات خارجی 26
4-1 تحلیل توصیفی داده ها 64
4-2 آزمون کولموگروف-اسمیرنف 66
4-3 بررسی مقدار همبستگی 67
4-4 برازش مدل رگرسیونی به متغیر تولید ناخالص داخلی 68
4-5 برازش مدل رگرسیونی به متغیر تورم 70
4-6 برازش مدل رگرسیونی به متغیر مصوبه مجلس اجباری شدن حق بیمه های عمر کارکنان دولت 72
4-7 بررسی معناداری مدل رگرسیونی 74
4-8 بررسی ضرورت وجود متغیرها در مدل 74
4-9 بررسی عملکرد شبکه های مورد استفاده 77
4-10 بررسی عملکرد مدلهای مورد استفاده 79
فهرست اشکال
نمودار1-2سيستم ديناميك ناشناخته 32
نمودار 4-1 هیستوگرام بررسی نرمال بودن متغیر حق بیمههای عمر 64
نمودار 4-2 هیستوگرام بررسی نرمال بودن متغیر تورم 65
نمودار 4-3 هیستوگرام بررسی نرمال بودن متغیر تولید ناخالص داخلی 65
نمودار 4-4 نمودار باقیماندهها در مقابل مقادیر پیشبینی شده 68
نمودار 4-5 نمودار احتمال نرمال 69
نمودار 4-6 هیستوگرام باقیمانده ها 69
نمودار 4-7 نمودار باقیماندهها در مقابل مقادیر پیشبینی شده 70
نمودار 4-8 نمودار احتمال نرمال 71
نمودار 4-9 هیستوگرام باقیمانده ها 71
نمودار 4-10 نمودار باقیماندهها در مقابل مقادیر پیشبینی شده 72
نمودار 4-11 نمودار احتمال نرمال 73
نمودار 4-12 هیستوگرام باقیمانده ها 73
نمودار 4-13 نمودار رگرسیون شبکه عصبی با الگوریتم آموزشی گرادیان کاهشی با معماری 3-30-1 77
نمودار 4-14 نمودار رگرسیون شبکه عصبی با الگوریتم آموزشی لونبرگ مارکواردت با معماری 3-30- 1 78
نمودار4-15 رگرسیون شبکه عصبی با الگوریتم آموزشی گرادیان کاهشی با نرخ یادگیری انطباقی با معماری 3-30- 1 78
فصل اول
کلیات تحقیق
مقدمه
پیشبینی، به معنی برآورد موقعیتهای ناشناخته است. درسالهای اخیر، پیشبینی با توجه به اینکه درکی از آینده در اختیار مدیران قرار میدهد، به ابزاری بسیار کارآمد برای مدیران تبدیل شده است و در زمینه های اقتصادی، بازرگانی، سیاسی و… پیشبینی به عنوان یکی از شاخههای مهم علمی مطرح شده است و روزبهروز توسعه و پیشرفت مینماید. به دلیل وجود تعداد زیاد از متغیرهای تأثیرگذار در عملکرد سیستم، مدیران سعی در روی آوردن به روشهایی در پیشبینی دارند که به واسطه آنها تخمیمنهایشان به واقعیت نزدیک و خطایشان بسیار کمتر باشد. علاوه براین موارد، پیشبینی نقش مؤثری در سیاستگذاریهای دولت دارد چرا که دولتها سیاستهای خود را نه صرفاً برمبنای وضع موجود، بلکه برمبنای پیشبینیهای کوتاه وبلند مدت از متغیرهای کلیدی اقتصادی از جمله میزان سرمایهگذاری تدوین نموده و به مورد اجرامیگذارند. بدیهی است که میزان صحت پیشبینی از جمله رموز موفقیت این سیاستها میتواند به شمار آید. در سالهای اخیر و با پیدایش روشهای نوین در پیشبینی مانند شبکههای عصبی مصنوعی و منطق فازی، چالش جدیدی در علم پیشبینی مطرح شده است و آن انتخاب روش مناسب پیشبینی است که با ارزیابی عملکرد هر یک از روشهای پیشبینی عملی میباشد.
کلمه «بیمه» از زبان اردو گرفته شده و به معنای«ضمانت» است و به معنی عام « ضمانت جان یا مال» نیز به شمار میرود. در صنعت بیمه، افراد با پرداخت مبلغی، مسئولیت کالا، سرمایه و جان خود را به عهده دیگری می گذارند تا در هنگام بروز حادثه و زیان، شخص بیمه کننده، زیان وارده را جبران کند. بنابراین میتوان در تعریف بیمه چنین عنوان کرد: «بیمه عملی است که به موجب آن بیمهگر در مقابل دریافت مبلغی به نام “حق بیمه” و به موجب مقررات خاص، خسارات را جبران می کند و بدین ترتیب بیمه، باعث نوعی اطمینان در مقابل خطرهای احتمالی تلقی میگردد. زندگی روزمره بشری همواره دستخوش تحولات و حوادث غیر قابل پیشبینی است که در برخی موارد این حوادث چنان خسارتی بار می آورند که زندگی عادی انسان و جریان معمول فعالیتهای اقتصادی و اجتماعی را با اختلال مواجه می سازد و ممکن است در سطوح خرد و کلان صدمات اساسی را وارد سازد. در این جاست که صنعت بیمه، میتواند نقش تعیین کنندهای در جهت رفع این مشکلات در سطح خرد یعنی در خانواده و در سطح کلان یعنی در بخشهای اداری، موسسات تولیدی، خدماتی و اقتصادی داشته باشد. بنابراين بيمه، با ايجاد آرامش، اطمينان و اميد به زندگي و فعاليت كمخطر براي شهروندان و فعالان اقتصادي از يك سو و تجهيز منابع سرمايهگذاري از سوي ديگر، نقش قابل ملاحظهاي در رشد و توسعه اقتصادي جوامع ايفا ميكند.جایگاه بیمه در قانون اساسی ایران نیز حایز اهمیت است به طوری که مطابق اصل ۲۹ قانون اساسی: بر خورداري از تامين اجتماعي از نظر باز نشستگي ، بيكاري، پيري ، از كارافتادگي ، بي سرپرستي ، در راهماندگي ، حوادث و سوانح و نياز به خدمات بهداشتي و درماني و مراقبتهاي پزشكي بصورت بيمه و غيره حقي است همگاني . دولت مكلف است طبق قوانين از محل درآمدهاي عمومي و درآمدهاي حاصل از مشاركت مردم ، خدمات و حمايتهاي مالي فوق را براي يك يك افراد كشور تامين كند. از طرفی با تقسیم بندی انواع پسانداز در دو دسته مالی و غیر مالی بیمه عمر را میتوان جزو دسته پساندازهای غیر مالی در نظر گرفت که دارای قابلیت تحریک بازار سرمایه و تامین نیاز های مالی برنامههای توسعه میباشد. مطالعات نشان میدهد که نسبت پسانداز به تولید ناخالص ملی در 14 کشور از 20 کشوری که دارای بیشترین رشد اقتصادی بودند بالغ بر 25 در صد بوده است.در ابلاغیه سیاستهای کلی برنامه پنجم بر رشد مناسب اقتصادی با تأكید بر تحقق رشد «مستمر و پرشتاب» اقتصادی به میزان «حداقل 8 درصد نرخ رشد سالیانه تولید ناخالص داخلی» اشاره شده است که این مهم بر اساس چند محور از جمله توسعه سرمایهگذاری از طریق كاهش شكاف پسانداز – سرمایهگذاری با حفظ نسبت پسانداز به تولید ناخالص داخلی حداقل در سطح 40 درصد و جذب منابع و سرمایههای خارجی باید صورت پذیرد.(کربلایی، 88) لذا سرمایهگذاری بیمه عمر با داشتن خاصیت غیرمالی بودن میتواند یکی از ارکان نیل به این هدف باشد و شکاف بین میزان پسانداز و سرمایهگذاری را کاهش دهد.
اقتصاد کشور و صنعت بیمه رابطهای دوسویه دارند که تقویت هر کدام موجب بهبود دیگری میشود. از طرفی با توسعه اقتصادی و افزایش قدرت خرید افراد یک کشور تقاضا برای محصولات بیمهای افزایش مییابد و از طرف دیگر افزایش فروش محصولات بیمه و تابع آن افزایش ذخایر فنی ناشی از آن موجب افزایش بهرهوری افراد جامعه، توسعه سرمایهگذاری و درنتیجه توسعه اقتصادی کشور میشود. علیرغم رشد نسبت سهم حق بیمههای عمر به کل حق بیمههای دریافتی در دنیا این شاخه از بیمه در ایران پیشرفت قابل توجهی نداشته است.بيمههاي زندگي شامل بيمه عمر به شرط فوت، بيمههاي عمر به شرط حيات، بيمه حوادث خانواده و حوادث انفرادي مي باشد كه چندين سال است كه در ايران توسط شركتهاي بيمه ارائه ميگردد. در تحقیق حاضر حق بیمههای زندگی یا عمر را که شامل تمامی موارد فوق میشود در نظر میگیریم.
در این تحقیق سعی داریم با کاربست تکنیکهای هوش مصنوعی از جمله شبکههای عصبی مصنوعی به تبیین هرچه بهتر رابطه متغیرهای اقتصادی اجتماعی و میزان تقاضا برای بیمههای عمر بپردازیم. بدون شک پیشبینی درست باعث بهبود تصمیم گیری و متعاقب آن برنامه ریزی درست و در نهایت افزایش اثربخشی میشود. در مطالعات پیشین اغلب محققان با استفاده از مدلهای اقتصادی و اقتصادسنجی کلاسیک،از جمله رگرسیون ، سری های زمانی و تابع تقاضای ریاضی پیشبینیهایی را انجام دادهاند و در یک مورد تنها از شبکههای عصبی مصنوعی برای پیشبینی استفاده شده است.
شبكه عصبي مصنوعي نامي نهچندان نوين در علوم مهندسي است كه بهطور ابتدايي و آغازين درسال 1962 توسط فرانك روزن بلات و در شكل جدي و تأثيرگذار در سال 1986 توسط روملهارت و مككلند با ابداع و ارائه مدل پرسپترون بهبود يافته به جهان معرفي شد. اين شيوه از ساختاري نروني و هوشمند با الگوبرداري مناسب از نرونهاي موجود در مغز انسان سعي ميكند تا از طريق توابع تعريف شده رياضي رفتار درونسلولي نرونهاي مغزرا شبيهسازي كند و از طريق وزنهاي محاسباتي موجود در خطوط ارتباطي نرونهاي مصنوعي ، عملكرد سيناپسي را در نرونهاي طبيعي به مدل درآورد. ماهيت و ذات تجربي و منعطف اين روش باعث ميشود تا در مسائلي مانند مقوله پيش بينی كه يك چنين نگرشي در ساختار آنها مشاهده ميشود و از رفتاري غيرخطي برخوردار هستند، به خوبي قابل استفاده باشد(بلوچیان و بلوچیان، 1391).
دراین تحقیق بااستفاده ازاطلاعات سالنامه های آماری بیمه و بانک مرکزی، به پیشبینی تقاضا برای بیمه عمر با استفاده ازشبکههاي عصبی مصنوعی با رویکرد ساختاری و مدلهای خطی رگرسیون پرداخته میشود. اطلاعات مربوط به نرخ تورم و تولید ناخالص داخلی و
