Застосування мереж Байєса до побудови моделей оцінювання ризику актуарних процесів

Auteurs-es

  • Світлана Віталіївна Трухан Інститут прикладного та системного аналізу Національний технічний університет України «Київський політехнічний інститут» пр. Перемоги, 37, м. Київ, Україна, 03056, Ukraine https://orcid.org/0000-0002-5726-2576
  • Петро Іванович Бідюк Інститут прикладного та системного аналізу Національний технічний університет України «Київський політехнічний інститут» пр. Перемоги, 37, м. Київ, Україна, 03056, Ukraine https://orcid.org/0000-0002-7421-3565

DOI :

https://doi.org/10.15587/2313-8416.2016.74962

Mots-clés :

байєсівські мережі, операційний ризик, умовні ймовірності, ациклічний граф, актуарні процеси

Résumé

Досліджено методику побудови байєсівських мереж (БМ) для оцінювання ризику і ймовірності виплати грошової премії при виникненні страхового випадку. Запропоновано модель у формі БМ, яка відображає причинно-наслідкові зв’язки між факторами операційного ризику і втратами страхових компаній (СК). Ефективність моделі експериментально доведено з використанням фактичних даних СК України у період 2003–2014 рр

Biographie de l'auteur-e

Петро Іванович Бідюк, Інститут прикладного та системного аналізу Національний технічний університет України «Київський політехнічний інститут» пр. Перемоги, 37, м. Київ, Україна, 03056

Доктор технічних наук, професор

Références

Vnukova, N. M.; Vnukova, N. M. (Ed.) (2004). Strahuvannja: teorija i praktyka. Kharkiv: Burun knyga, 376.

Bidjuk, P. I., Korshevnjuk, L. O. (2010). Proektuvannja komp’juternyh informacijnyh system pidtrymky pryjnjattja rishen'. Kyiv: NNK «IPSA» NTUU «KPI», 340.

Bidjuk, P. I., Gasanov, A. S. (2005). Postroenie i metody obuchenija Bajesovskih setej. Kibernetika i sistemnyj analiz, 4, 133–147.

Dzhekson, P. (2001). Jekspertnye sistemy. Moscow: Kiev-Vil'jams, 624.

Lauritzen, S. L., Spiegelhalter, D. J. (1988). Local computations with probabilities on graphical structures and their application to expert systems. Journal of the Royal Statistical Society, Series B, 50 (2), 157–224.

Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. San Mateo, CA (USA): Morgan Kauffmann Publishers, Inc., 552.

Cheng, J., Greiner, R. (2001). Learning Bayesian Belief Network Classifiers: Algorithms and System. Lecture Notes in Computer Science, 141–151. doi: 10.1007/3-540-45153-6_14

Stephenson, T. A., Bourlard, H., Bengio, S., Morris, A. C. (2000). Automatic speech recognition using dynamic Bayesian networks with both acoustic and articulatory variables. ICSLP, 2, 951–954.

Rossi, P. E., Allenby, G. M. (2003). Bayesian statistics and marketing. Marketing Science, 22 (13), 304–328.

Bidjuk, P. I., Romanenko, V. D., Tymoshhuk, O. L. (2013). Analiz chasovyh rjadiv. Kyiv: Politehnika, 600.

Murphy, K. (1998). A Brief Introduction to Graphical Models and Bayesian Networks. UBC. Available at: http://www.ai.mit.edu/~murphyk/Bayes/bnintro.html

Niedermayer, D. (2008). An Introduction to Bayesian networks and their contemporary applications. INSA. Available at: http://liris.cnrs.fr/amille/enseignements/master_ia/Alain/exposes_2005/bayesian_networks.pdf

Cooper, G. F. (1990). The computational complexity of probabilistic inference using bayesian belief networks. Artificial Intelligence, 42 (2-3), 393–405. doi: 10.1016/0004-3702(90)90060-d

Dagum, P., Luby, M. (1993). Approximating probabilistic inference in Bayesian belief networks is NP-hard. Artificial Intelligence, 60 (1), 141–153. doi: 10.1016/0004-3702(93)90036-b

Terent'ev, A. N., Bidjuk, P. I. (2005). Metody postroenija Bajesovskih setej. Adaptivnye sistemy avtomaticheskogo upravlenija (mezhvedomstvennyj nauchno-tehnicheskij sbornik), 8, 130–141.

Terent'ev, A. N., Bidjuk, P. I. (2006). Jevristicheskij metod postroenija Bajesovskih setej. Matematicheskie mashiny i sistemy, 3, 12–23.

Djuk, V. A., Samojlenko, A. P. (2001). DataMining: uchebnyj kurs. Sankt-Peterburg: Piter, 368.

Tulup'ev, A. L., Nikolenko, S. I., Sirotkin, A. V. (2006). Bajesovskie seti: Logiko-verojatnostnyj podhod. Sankt-Peterburg: Nauka, 607.

Terentyev, A. N., P. I. Bidyuk, Korshevnyuk, L. A. (2007). Bayesian network as instrument of intelligent data analysis. Journal of Automation and Information Sciences, 39 (8), 28–38. doi: 10.1615/jautomatinfscien.v39.i8.40

Grishhenko, N. B. (2001). Osnovy strahovoj dejatel'nosti. Barnaul: Izd-vo Altajskogo un-ta, 274.

Téléchargements

Publié-e

2016-09-01

Numéro

Vol. 8 No. 2 (25) (2016)

Rubrique

Technical Sciences

Licence

(c) Tous droits réservés Світлана Віталіївна Трухан, Петро Іванович Бідюк 2016

Licence Creative Commons

Cette œuvre est sous licence Creative Commons Attribution 4.0 International.

Our journal abides by the Creative Commons CC BY copyright rights and permissions for open access journals.

Authors, who are published in this journal, agree to the following conditions:

1. The authors reserve the right to authorship of the work and pass the first publication right of this work to the journal under the terms of a Creative Commons CC BY, which allows others to freely distribute the published research with the obligatory reference to the authors of the original work and the first publication of the work in this journal.

 2. The authors have the right to conclude separate supplement agreements that relate to non-exclusive work distribution in the form in which it has been published by the journal (for example, to upload the work to the online storage of the journal or publish it as part of a monograph), provided that the reference to the first publication of the work in this journal is included.