|
В настоящее время отсутствуют строгие формальные процедуры, которые позволяли бы, использовать результаты сравнительной оценки страхователей, описываемых их характеристиками, каю прогнозную информацию при расчетах и экономических обоснованиях тарифных ставок по> страхованию рисков жизни* и имущества; Расчет таких тарифов осуществляется^ на основе [52]: и информацияо страховом риске, содержащаяся-, в характеристиках страхователей;, явно никак не используется при прогнозировании, страховых случаев; Но. поскольку эта информация имеется, представляется целесообразным; использовать ее для. построения оценок страховых рисков:. Задача* оценивания страхового риска, решаемая как сравнение страхователей по их характеристикам, по существу сводится'к определению «расстояния» между сравниваемыми объектами^ в многомерном пространстве: их признаков. Существующие методы обработки^ данных, базирующиеся, на моделях математической, статистики, эту задачу эффективно не решают [36,38]. Основная причина использование среднего арифметического значения, которое является несмещенной оценкой только для случая* стационарных данных и представительной выборки. Одновременно;с этим' используется метрика наименьших квадратов;, чувствительная к большим’ и нечувствительная:к малым значениям [7]. Дляснижения негативного влияния.смещенности, средней арифметической оценки исходные данные приводят к виду стационарных с помощью нормировок, разбиения на участки, в пределах которых данные однородны, или других приемов. Другая^ группа методов многомерного сравнения: использует метод анализа иерархий [71,84],. исходными данными в котором являются результаты экспертных оценок.. Каждый из экспертов определяет матрицу парных сравнений характеристик объектов (отражающую иерархию их влияния на качество объекта) и матрицу парных сравнений степени близости конкретной характеристики сравниваемых объектов ее требуемому |
Факторизация исходных данных сводится к тому, что если, например, в векторе X/ большее значение характеристики соответствует увеличению страхового риска, то она оставляется без изменений, в противном случае указывается величина, обратная значению характеристики. Обозначим матрицу факторизованных исходных данных как X. Для характеристик, имеющих качественную природу, можно указать балльную оценку, значение которой получают на основе статистических данных. Например, из статистики угонов автомашин по соотношению процентов угонов в зависимости от вида парковки и типа сигнализации. И все же, несмотря на высокую достоверность и точность этой информации, для нее характерны относительно небольшие размеры выборки однородных данных (по однородным характеристикам страхователя и предметов страхования), разнородность, обусловленная различной природой характеристик, большая вариабельность их значений. В силу этих особенностей * непосредственное использование этих данных для оценивания рисков, как * правило, встречает большие трудности. В таких условиях метод построения обобщенных показателей риска страхователя по частным характеристикам должен обеспечивать возможность использования всей имеющейся информации с минимальным субъективизмом. 4.2.3 Метод решения задачи В настоящее время отсутствуют строгие формальные процедуры, которые позволяли бы использовать результаты сравнительной оценки страхователей, описываемых их характеристиками, как прогнозную информацию при расчетах * и экономических обоснованиях тарифных ставок по страхованию рисков жизни . и имущества. Расчет таких тарифов осуществляется на основе [52] и информация о страховом риске, содержащаяся в характеристиках страхователей, явно никак нс используется при прогнозировании страховых случаев. Но поскольку эта информация имеется, представляется целесообразным использовать ее для построения оценок страховых рисков. 118 Задача оценивания страхового риска, решаемая как сравнение страхователей по их характеристикам, по существу сводится к определению «расстояния» между сравниваемыми объектами в многомерном пространстве их признаков. Существующие методы обработки данных, базирующиеся на моделях математической статистики, эту задачу эффективно не решают [36,38]. Основная причина использование среднего арифметического значения, которое является несмещенной оценкой только для случая стационарных данных и представительной выборки. Одновременно с этим используется метрика наименьших квадратов, чувствительная к большим и нечувствительная к малым значениям [7]. Для снижения негативного влияния смещенности средней арифметической оценки исходные данные приводят к виду стационарных с помощью нормировок, разбиения на участки, в пределах которых данные однородны, или других приемов. Другая группа методов многомерного сравнения использует метод анализа иерархий [71,84], исходными данными в котором являются результаты экспертных оценок. Каждый из экспертов определяет матрицу парных сравнений характеристик объектов (отражающую иерархию их влияния на качество объекта) и матрицу парных сравнений степени близости конкретной характеристики сравниваемых объектов ее требуемому значению. После согласования мнений экспертов по каждой характеристике строится сводная таблица результатов оценки (с учетом весов каждой характеристики и коэффициентов уровня компетентности экспертов), по которой определяется ранг (или уровень качества) сравниваемых образцов. Проблемными вопросами при применении этого метода являются определение уровня компетентности экспертов, обеспечение их независимости и определение порогов согласованности экспертных оценок. В тоже время в [14] показано, что для сравнения уровня качества систем можно использовать их обобщенные показатели (ОП), которые хорошо удерживают информацию, содержащуюся в структуре частных характеристик 119 |