Hayat Sigortalarında Bulanık Risk Sınıflandırma

Öz

Özet: : Sigortalanan riskin benzer özelliklerine, hasar üretme ihtimaline ve bu hasarların büyüklüğüne göre kategorize etme işlemi olarak ifade edilebilecek risk sınıflandırma aktüerya biliminin temel konularından biridir. Hayat sigortalarında poliçe sahipleri, klasik hayat tabloları kullanılarak ve genellikle az sayıdaki risk karakteristiklerine göre sınıflandırılmakta ve birçok diğer bulanık risk faktörleri göz ardı edilmektedir. Klasik kümeleme algoritmaları, her bir nesnenin bir kümeye kesin sınırlar ile ait olduğu düşüncesine göre oluşturulur. Ancak nesnelerin ait olabileceği sınıfların sınırları her zaman kesin olarak tanımlanamayabilir. Bu gibi durumlarda ve çoklu karmaşık risk karakteristikleri mevcut ise bulanık küme metodolojisi, sistemi en iyi temsil edecek bir model oluşturmak üzere etkili bir yöntem sağlamaktadır. Bu çalışmada, hayat sigortalarında bireyleri, bulanık kümeler ile tanımlanacak kardiyovasküler risk faktörlerine göre sınıflandırmak ve her bir birey için hayat tabloları ile belirlenmiş primlere bir risk yükleme oranı tahmin etmek üzere bulanık çıkarım sistemleri kullanılacaktır. Bu amaçla, imtiyazlı risk grubu, normal risk grubu, standart olmayan risk grubu ve kabul edilemez risk grubu biçiminde bir sınıflandırma kullanılacaktır.

Fuzzy Risk Classification in Life Insurance

Abstract: Risk classification, which can be defined as categorizing insured risks according to their probability of generating claims and according to the size of those claims, is one of the most important topics in actuarial science. Traditionally, life insurance policyholders are classified by using classical mortality tables and generally according to limited number of risk characteristics, many other risk factors are ignored. Conventional clustering algorithms are organized in contemplation of the fact that objects are either in the set or not. However, the boundaries of each class are not always sharply defined. In these circumstances, fuzzy set methodology provides a convenient way for constructing a model that represents system more accurately since it allows integrating multiple fuzzy or non-fuzzy factors in the evaluation and classification of risks. In this paper, we investigate an alternative method of classifying risks in life insurance, based on the concept of fuzzy inference systems. We differentiate policyholders on the basis of their cardiovascular risk characteristics and estimate risk loading ratio to obtain gross premiums paid by the insured. Four categories of group are considered: preferred risk, normal risk, substandard risk and unacceptable risk.