Evaluating the Creditworthiness of a Client in the Insurance Industry Using Adaptive Neuro-Fuzzy Inference System

Simple item page
dc.contributor.authorDoskočil, Radekcs
dc.coverage.issue1cs
dc.coverage.volume28cs
dc.date.accessioned2021-10-01T06:53:19Z
dc.date.available2021-10-01T06:53:19Z
dc.date.issued2017-02-28cs
dc.description.abstractThe article deals with the issue of a client´s creditworthiness assessment in the insurance industry. The article aims to identify new factors related to a client´s creditworthiness, and to create an assessment model. The factors which have relations to a client´s creditworthiness were identified in the first research stage. These factors represent the inputs into the model. The assessment model of the client´s creditworthiness was created in the second stage. In the third stage, the model was verified and implemented. The neuro-fuzzy method was used for creation, verification and implementation of the model. Five variables were selected as the inputs including damages, insurance length, insurance penetration, annual earnings and 2nd degree liquidity. These input variables were divided into two categories based on their nature (insurance indicators, accounting indicators). Research results show that the proposed model was verified above input data and can be used as a tool for supporting decisions concerning a client’s creditworthiness in the insurance industry. The main contribution of the paper is the identification of new factors which have relation to a client’s creditworthiness and the creation of the assessment model which works with these new factors transferred to fuzzy variables. The proposed model differs from the current approaches primarily thanks to its complex, systematic and hierarchical ability to evaluate the newly identified factors related to a client’s creditworthiness as fuzzy variables. Thanks to the model, it is possible to automate and accelerate the process of evaluation of a client’s creditworthiness in the insurance industry. The knowledge gained from the evaluation model is immediately possible to use in the strategic management of insurance companies e.g. in marketing activities.en
dc.description.abstractČlánek se zabývá problematikou hodnocení bonity klienta v pojišťovnictví. Cílem článku je identifikovat nové faktory, které souvisí s bonitou klienta v pojišťovnictví a navrhnout model jeho hodnocení. Výzkum je rozdělen do tří fází. V první fázi jsou identifikovány klíčové faktory související s bonitou klienta v pojišťovnictví. Ve druhé fázi jsou tyto faktory využity jako vstupy pro tvorbu hodnotícího modelu. Ve třetí fázi je model verifikován a implementován. Pro vytvoření, ověření a implementaci modelu byla využita neuro-fuzzy metoda. Bylo identifikováno pět vstupních proměnných do modelu - škodní procento, délka pojištění, propojištěnost, hospodářský výsledek, likvidita 2. stupně. Tyto proměnné byly rozděleny do dvou kategorií (bloky pravidel v modelu) dle svého charakteru. První blok pravidel vyhodnocuje pojistné indikátory (škodní procento, délka pojištění, propojištěnost). Druhý blok pravidel vyhodnocuje účetní indikátory (hospodářský výsledek, likvidita 2. stupně). Navržený model byl ověřen s využitím vstupní dat a s případnými dalšími korekcemi dle konkrétní potřeby může byt použit jako nástroj pro podporu rozhodování při hodnocení bonity klienta v pojišťovnictví. Hlavní přínosem článku je identifikace nových faktorů souvisejících s bonitou klienta a vytvoření hodnotícího neuro-fuzzy modelu. Od současného přístupu k hodnocení bonity klienta se navrhnutý model liší díky své komplexní, systematické a hierarchické schopnosti vyhodnocovat identifikované proměnné jako fuzzy proměnné. S využitím modelu je možno proces hodnocení klienta v pojišťovnictví zautomatizovat a urychlit. Znalosti z modelu plynoucí je možno okamžitě uplatnit při strategickém řízení pojišťoven a to např. v oblasti marketingových činností. Navrhovaný model se liší od současných přístupů především díky své komplexní, systematické a hierarchické schopnost vyhodnocovat nově identifikované faktory týkající se bonity klienta jak chmýřovité proměnné. Díky modelu, je možné automatizovat a urychlit proces posuzování bonity klienta v pojišťovnictví. Poznatky získané z modelu evaluace je okamžitě možné využít při strategickém řízení pojišťoven např. v marketingových aktivitách.cs
dc.formattextcs
dc.format.extent15-24cs
dc.format.mimetypeapplication/pdfcs
dc.identifier.citationEngineering Economics. 2017, vol. 28, issue 1, p. 15-24.en
dc.identifier.doi10.5755/j01.ee.28.1.14194cs
dc.identifier.issn1392-2785cs
dc.identifier.other133715cs
dc.identifier.urihttp://hdl.handle.net/11012/201703
dc.language.isoencs
dc.publisherKaunas University of Technologycs
dc.relation.ispartofEngineering Economicscs
dc.relation.urihttp://inzeko.ktu.lt/index.php/EE/article/view/14194cs
dc.rightsCreative Commons Attribution 4.0 Internationalcs
dc.rights.accessopenAccesscs
dc.rights.sherpahttp://www.sherpa.ac.uk/romeo/issn/1392-2785/cs
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/cs
dc.subjectInsurance Industryen
dc.subjectCreditworthinessen
dc.subjectDecision-Makingen
dc.subjectNeuro-Fuzzy Modelen
dc.subjectFuzzy Logicen
dc.subjectArtificial Neural Network.en
dc.subjectPojišťovnictví
dc.subjectbonita
dc.subjectrozhodování
dc.subjectneuro-fuzzy model
dc.subjectfuzzy logika
dc.subjectumělé neuronové sítě.
dc.titleEvaluating the Creditworthiness of a Client in the Insurance Industry Using Adaptive Neuro-Fuzzy Inference Systemen
dc.title.alternativeHodnocení bonity klienta v pojišťovnictví s využití adaptivního neuro-fuzzy inferenčního systémucs
dc.type.driverarticleen
dc.type.statusPeer-revieweden
dc.type.versionpublishedVersionen
sync.item.dbidVAV-133715en
sync.item.dbtypeVAVen
sync.item.insts2021.10.01 08:53:18en
sync.item.modts2021.10.01 08:14:07en
thesis.grantorVysoké učení technické v Brně. Fakulta podnikatelská. Ústav informatikycs
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
14194Article Text5184311020170228.pdf
Size:
1.01 MB
Format:
Adobe Portable Document Format
Description:
14194Article Text5184311020170228.pdf
Download
Collections
Ústav informatiky