Eyyup GULBANDILAR, Nilufer DALKILIC, Fuat YELKEN, Cemal KOCAK

RISK DETERMINED OF MOTOR OWN DAMAGE INSURANCE BY POLICIES USING ARTIFICIAL INTELLIGENCE

İnsanların yaşam standartlarının artması sonucu araç sayısı artmıştır. Araç sayısının artması da trafik yoğunluğundaartmaya neden olmuştur. Bu yoğunluk kaza riskinin artmasına ve araç kasko sigortalarının yaptırılmasını gereksinim halinegetirmiştir. Bu gereksinim ile birlikte sigorta şirketleri, müşterilerine kendi kar oranlarını da hesaba katarak en uygun fiyatısunma çabası içerisine girmişlerdir. Aynı zamanda da sigorta şirketleri müşterilere ucuz poliçe teklifi de sunmalıdırlar. Şirketlerbu işlemi müşterilerinin risk analizini yaparak sağlayabileceklerdir. Çalışmamızda sigorta şirketlerinin müşteri risk analiziniyapacak bir yazılım geliştirme hedeflenmiştir. Bu risk analizini belirlemek için Türkiyedeki bir sigorta şirketinin 167 poliçebilgisi yapay sinir ağları yöntemi ile kullanılmıştır. 167 poliçenin, 126 âdeti sinir ağının eğitimi 41 tanesi test için seçilmiştir.Yapay sinir ağlarının girişi olarak, sürücü ve araç ile ilgili 12 parametre kullanılarak brüt prim tutarı tahmin ettirilmiştir. MatLabToolbox kullanılarak, eğitim için %93 oranında doğruluk ile brüt poliçe primi hesaplanırken test için %92 oranında brüt poliçeprimi hesaplanmıştır. Bu sonuçlar doğrultusunda geliştirmiş olduğumuz sistem, sigorta poliçelerinin brüt prim tutarlarınınhesaplanarak müşteri analizinde kullanılabileceğini göstermiştir.

YAPAY ZEKÂ KULLANILARAK KASKO SİGORTA POLİÇELERİNİN RİSK TESPİTİ

As a result of the increase of people's living standards, the number of vehicles has increased. The increasingnumber of vehicles has led to an increase in traffic density. Thus, an increased risk of accident and motor own damage insurancehas led to their becoming mandatory. The insurance companies, taking into account the rate of profit, the race began to proposethe most affordable prices for customers. At the same time, the companies must bid a fair price. The companies can achieve bymaking risk analysis of their customers. In this study, we aimed a model development to do customers risk analysis for insurancecompanies. Artificial neural network was used for this risk analysis by determining the167 policy data of an insurance companyin Turkey. Neural network was used nearly 126 for the training and 41 for the testing of a total 167 policies. As the input ofneural networks, 12 parameters were used related to driver and vehicle, the estimate gross premiums as an output parameter. Ourmodel calculated with 93% accuracy for education when calculating with 92% accuracy for testing on gross premiums cost of thepolicy by using the Matlab Toolbox. These results have shown that developed system can be used to calculate the amount ofgross premiums of insurance policies and to analyse the customers.

PDF

___

Dalkilic, N., Sevim, S. and Gulbandilar, E. (2013). Fuzzy logic method with risk assessment modelling and an application in life insurance, XIVth International Symposium on Econometrics, Operations Research and Statistics, 224, Sarajevo/Bosnia and Herzegovina, May 24‐28, 2013.
Forsstrom, J.J. (1995). Artificial neural networks for decision support in clinical medicine, Ann. Med., 27, 509517.
Fragiadakis, N.G., Tsoukalas, V.D. and V.J. Papazoglou, V.J. (2014). An adaptive neuro-fuzzy inference system (ANFIS) model for assessing occupational risk in the ship building industry, Saf ety Science, 63, 226-235.
Guelmana, L., Guillénb, M. and Pérez-Marín, A.M. (2014). A survey of personalized treatment models for pricing strategies in insurance, Insurance: Mathematics and conomics, 58, 68-76.
Hazine Müsteşarlığı, 2013 Yılı Türkiye'de Sigortacılık ve Bireysel Emeklilik Faaliyetleri Hakkında Rapor, http://www.hazine.gov.tr/default.aspx?nsw=BKsmUPQeFbnBXCDahr Xm1A==- H7deC+LxBI8=&mid=247&cid=28&nm=318# (Erişim Tarihi: 20.12.2013).
Hazine Müsteşarlığı, Basın Açıklaması, Sayı: 2012/24, http://www.hazine.gov.tr/File/?path= ROOT%2fDocuments%2fSigortacılık+ve+Özel+Emeklilik+Basın+Duyurusu%2fSGM_20130212_24_kasko.doc (Erişim Tarihi: 24.08.2014).
Kara Araçları Sigortası Genel Şartları, http://www.tsb.org.tr/kara-araclari-kasko-sigortasi-genel-sartlari-yururluk-tarihi-01-04- 2013.aspx?pageID=501 (Erişim Tarihi: 24.08.2014).
Lin, C. (2009). Using neural networks as a support tool in the decision making for insurance industry, Expert Systems with Applications, 36(3), 6914-6917.
Shapiro, A.F. (2002). The merging of neural networks, fuzzy logic, and genetic algorithms, Insurance: Mathematics and Economics, 31(1), 115-131.
Türkiye Sigorta Birliği, www.tsb.org.tr/kasko-deger-listesi.aspx?pageID=631 (Erişim Tarihi: 24.08.2014).
Zhao, Y. and Cen, J. (2014). Data Mining Applications with R, Chapter 7, Editor: M. Patel, M. Gupta, Caravan Insurance Customer Profile Modeling with R, Academic Press, Waltham, USA, 181227.