Содержание к диссертации
Введение
Глава 1. Обзор математического обеспечения и информационных систем для компаний ДМС 11
1.1 Подходы к формированию тарифов 11
1.2 Современные подходы к решению задачи андеррайтинга в ДМС 23
1.3 Современные подходы к автоматизации СК ДМС 31
Выводы по первой главе 46
Глава 2. Математические подходы к решению задач ДМС 48
2.1 Методы решения задачи андеррайтинга первого типа в ДМС 48
2.2 Модель определения величины нагрузки при разработке страхового тарифа 77
2.3 Построение рейтинга ЛПУ в условиях ДМС 80
Выводы по второй главе 86
Глава 3. Анализ результатов применения моделей количественной оценки рисков и методики построения рейтинга ЛЕТУ в условиях ДМС 88
3.1 Основные этапы разработки анкеты по программе амбулаторно- поликлинического обслуживания 88
3.2 Результаты применения моделей андеррайтинга ..94
3.3 Применение методики построения рейтинга ЛПУ 108
Выводы по третьей главе 116
Глава 4. Описание системы аналитической поддержки деятельности компании ДМС , 118
4.1 Концепция построения системы аналитической поддержки деятельности компании ДМС 118
4.2 Функциональная модель и структура системы 118
4.3 Описание функциональных подсистем 123
4.4 Использование концепции многомерных данных и OLAP- технологии при разработке системы и программного обеспечения для нее 124
4.5 Уровни доступа и пользователи системы 128
4.6 Архитектура системы, средства проектирования и разработки программного обеспечения 128
4.7 Оценка временной эффективности использования системы 129
Выводы по четвертой главе 132
Заключение 133
Список литературы
- Современные подходы к решению задачи андеррайтинга в ДМС
- Модель определения величины нагрузки при разработке страхового тарифа
- Результаты применения моделей андеррайтинга
- Использование концепции многомерных данных и OLAP- технологии при разработке системы и программного обеспечения для нее
Введение к работе
Актуальность темы исследования. Добровольное медицинское страхование (ДМС) играет важную роль в обеспечении населения качественной медицинской помощью во всем мире, что связано в первую очередь с высокой стоимостью этого вида услуг. В России история ДМС насчитывает всего порядка 14 лет с момента принятия в 1991 году закона «О медицинском страховании граждан в Российской Федерации». В настоящий момент в нашей стране происходит становление данного вида страхования в его классическом виде - в виде рискового страхования. До недавнего времени основными формами страховых продуктов являлись монополисы и возвратные договоры.
Целью деятельности страховой компании (СК) как коммерческой организации является получение прибыли и выполнение страховых обязательств. Поэтому в условиях рискового страхования перед компаниями, работающими в области ДМС, на первый план выходят вопросы, связанные с актуарными расчетами {актуарные расчеты представляют собой процесс, в ходе которого определяются расходы, необходимые на страхование данного объекта), выбором поставщиков медицинских услуг, планированием деятельности. Обоснованный подход к решению этих задач позволит снизить технические риски страховщика (рис. 1).
~1 г-
Риски страховщика
Методы решения
Способ снижения риска
Методы расчета полной нетто-премии
Технические
Принцип финансовой ,'
1. Риск недостаточности тарифов
Модели количественной оценки индивидуального риска
эквивалентности [
Проведение актуарных
Классификация клиентов по
группам риска на основе ROC-
анализа
2. Риск недостаточности
средств по индивидуальным рискам
расчетов. Решение задачи
андеррайтинга I и II типа
3. Риск превышения операционных издержек
Формирование ИК для учета
факторов риска на основе
МАИ Саати
4. Риск при оказании
медицинских услуг
застрахованным
ч-
Определение величины нагрузки
Формирование ИК для учета
. факторов риска на основе
метода предпочтений и
замещений Кини и Райфа
Другие технические риски
Модель определения величины нагрузки
Нетехнические
Инвестиционные
Оценка'лечебно-профилактических учреждений и построение их рейтинга
Построение рейтинга
Метод поиска медианы Кемени
Метод БОФа
Рис. 1. Риски страховщика и способы их снижения
Для их успешного решения необходимо соответствующее математическое и программное обеспечение.
Если говорить о задаче расчета нетто-премии {нетто-премия - та часть страхового взноса, которая идет на покрытие страховых обязательств), то подходы к ее решению можно считать устоявшимися. В литературе представлен достаточно широкий спектр моделей, которые применимы в ДМС и хорошо зарекомендовали себя на практике.
Что касается задачи андеррайтинга (под андеррайтингом понимается индивидуальная оценка риска при принятии на страхование или переоценка уже принятого на страхование риска), то ее можно назвать новой именно для российских актуариев. Для ее решения общепринятым в мировой практике является стохастический подход, в основе которого лежит идея сравнения вероятностей наступления страховых случаев в группе с нормальным и повышенным уровнем риска. Для решения задачи андеррайтинга наряду со стохастическим подходом предлагается использовать аппарат теории принятия решений, а именно - многокритериальную оптимизацию. Для этого задача формулируется в терминах теории принятия решений.
При формировании стоимости полиса учитываются расходы, которые клиент возмещает компании на ведение дела. Также в стоимость полиса может быть заложена прибыль страховщика. Поэтому вопрос об определении величины нагрузки (нагрузка — та часть тарифа, которая покрывает расходы компании на ведение дела, и может учитывать прибыль страховщика) является актуальным. Решение данной задачи позволит снизить риск, связанный с недооценкой расходов компании на ведение дела.
Обоснованный подход к выбору лечебно-профилактических учреждений (JulУ) позволит СК обеспечить качественное обслуживание клиентов и соответствующую стоимость услуг. Поэтому в условиях ДМС еще одной из задач, стоящих перед страховщиком, является выбор ЛПУ для сотрудничества. Следствием такого подхода являются хорошая репутация среди имеющихся и потенциальных клиентов и снижение финансовых потерь за счет отсутствия повторных обращений и осложнений. Проведенный анализ публикаций по этому вопросу показал, что задача оценки и выбора ЛПУ СК ДМС в таком виде до сих пор поставлена не была.
Анализ программного обеспечения, предназначенного для поддержки страховой деятельности компаний, занимающихся различными видами страхования, а также систем, ориентированных на компании, работающие в области ДМС, показал, что на данный момент только часть систем
предоставляют возможности аналитической поддержки. Не во всех системах реализованы механизмы расчета тарифов. Ни в одном из описаний рассматриваемых систем нет сведений о возможностях, связанных с проведением процедуры андеррайтинга, определением величины нагрузки, оценкой и выбором ЛПУ для сотрудничества.
Поэтому в условиях рискового ДМС актуальным является создание системы, обеспечивающей полноценную актуарную и аналитическую поддержку страховой деятельности компании ДМС, а также моделей для решения задачи андеррайтинга, оценки величины нагрузки и методики выбора ЛПУ для сотрудничества.
В основу разработок, выполненных в диссертации, были положены работы таких отечественных и зарубежных ученых, как Г.В. Чернова, А.А. Кудрявцев, Н.В. Хованов, Е.М. Четыркин, М.А. Николаева, Т. Саати, Р.Л. Кини, X. Райфа, Дж. Кемени, О.Ф. Быстров, Б.Г. Литвак, А.Н. Зубец.
Целью диссертационной работы является разработка аналитической системы, обеспечивающей снижение рисков при управлении страховой деятельностью компании ДМС, и оценка ее эффективности.
Для ее достижения необходимо решить следующие задачи.
Разработать концепцию построения системы аналитической поддержки деятельности компании ДМС, которая позволит снизить риски при управлении бизнесс-процессами внутри самой компании и при взаимодействии с поставщиками медицинских услуг.
Для снижения рисков на этапе заключения договоров страхования разработать модели количественной оценки рисков (проведения процедуры андеррайтинга) индивидуального ДМС и провести анализ качества решений, принимаемых на основе предложенных моделей.
Разработать модель определения величины нагрузки при формировании тарифа для договоров ДМС.
Для снижения рисков на этапе оказания медицинских услуг застрахованным разработать методику построения рейтинга лечебно-профилактических учреждений с точки зрения страховой компании в условиях ДМС.
Разработать программное средство, а именно систему аналитической поддержки деятельности компании ДМС, на основе предложенной концепции, моделей и методики, а также оценить эффективность данной системы.
Объект и предмет исследования. Объектом диссертационного исследования является страховая деятельность компаний ДМС. Предметом
диссертационного исследования является математическое и программное обеспечение поддержки страховой деятельности.
Методы исследования базировались на основных положениях системного анализа, теории вероятностей и математической статистики, теории принятия решений, статистических методиках анализа экспертных оценок и методологии структурного анализа и проектирования.
На защиту выносятся:
Концепция построения системы аналитической поддержки деятельности компании ДМС.
Модели проведения процедуры андеррайтинга индивидуального ДМС.
Модель определения величины нагрузки при формировании тарифа для договоров индивидуального ДМС.
Методика построения рейтинга ЛПУ в условиях ДМС.
Программное обеспечение системы аналитической поддержки деятельности компании ДМС на основе предложенной концепции, моделей и методики.
Научная новизна работы состоит в следующем.
Новизна предложенной концепции заключается в использовании OLAP-технологии и наличии подсистемы для решения задач актуарных расчетов, в том числе задачи андеррайтинга.
Новизна моделей количественной оценки рисков индивидуального ДМС заключается в сведении данной задачи к многокритериальной задаче принятия решений и к задаче классификации. Оба подхода позволяют страховой компании обеспечить заданный уровень коэффициента прибыльности по данной программе страхования вне зависимости от структуры застрахованных и их индивидуальных особенностей.
Впервые сформулирована задача построения рейтинга ЛПУ в условиях ДМС. Новизна методики построения рейтинга ЛПУ состоит в использовании многокритериальной функции для их оценки.
Предложен новый подход к решению задачи об определении величины нагрузки.
Практическая значимость и внедрение результатов.
1. Предложены модели и методика, которые позволяют снизить риски компании ДМС при осуществлении страховой деятельности, и могут использоваться на практике:
1.1. при формировании тарифов и проведении процедуры андеррайтинга
по различным программам страхования,
при определении величины нагрузки,
при выборе поставщиков медицинских услуг,
при планировании деятельности страховой компании.
2. Разработанное программное обеспечение внедрено в страховой компании ООО «АККОРД-МЕД».
Апробация работы и публикации. Основные положения, представленные в диссертационной работе, были доложены на следующих конференциях:
Международная молодежная научно-техническая конференция «Интеллектуальные системы управления и обработки информации» (Уфа, 2003),
Международная научно-техническая конференция «Компьютерное моделирование» (Санкт-Петербург, 2003, 2004, 2005),
«International Workshop on Computer Science and Information Technologies» (Уфа, 2003, 2005),
П-ая Всероссийская научно-практическая конференция «Молодежь и современные информационные технологии» (Томск, 2004).
Основные результаты исследований по теме диссертации опубликованы в 9 работах. Получено свидетельство № 2003611148 об официальной регистрации программы для ЭВМ «Автоматизированная система построения рейтингов».
Структура работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы, включающего 76 наименований, приложений. Содержание работы изложено на 161 странице.
Во введении обосновывается актуальность и выбор темы диссертационного исследования, формулируются цель и задачи работы, перечисляются подходы и методы решения задач, приводятся результаты, выносимые на защиту, отмечается их научная новизна и практическая значимость. Приводятся сведения о внедрении результатов, апробации работы и публикациях.
Первая глава посвящена обзору математического обеспечения и информационных систем для страховых компаний, работающих в области ДМС.
Рассматриваются существующие подходы к формированию премий ДМС, в том числе подходы к расчету нетто-премии, рисковой надбавки {рисковая надбавка представляет собой плату за риск, который берет на себя страховщик), величины нагрузки, а также анализируются условия применения методов для различных условий и программ страхования.
Показано, что одной из важных составных задач формирования премий является проблема оценки рисков при заключении договоров ДМС или проблема андеррайтинга первого типа (андеррайтинг второго типа используется для оценки рисков, уже принятых на страхование). Классификация рисков позволяет страховщику увязывать стоимость полиса с будущими страховыми выплатами, повышая тем самым привлекательность страховых продуктов для страхователей и защищая страховую компанию от возможных финансовых потерь.
Далее приводится обзор современных подходов к решению задачи андеррайтинга в ДМС. В его основу легли работы, изданные Санкт-Петербургским институтом страхования, а также принципы классификации рисков Института и Факультета актуариев Великобритании.
Наличие анкет для сбора сведений о факторах риска клиента в российских СК говорит о том, что страховщики проводят процедуру андеррайтинга по ДМС. Для корректировки премий используются поправочные коэффициенты, при этом клиенты обычно классифицируются по трем группам здоровья. Однако сведений о методах, лежащих в основе оценки рисков в этих СК, в открытой печати нет.
Таким образом, общепринятые в настоящий момент методы решения данной задачи основаны на стохастическом подходе, который требует достаточно большого количества данных для получения качественных оценок. Наряду с ними автор предлагает использовать аппарат теории принятия решений, в частности методы многокритериальной оценки.
Далее в главе проводится анализ существующих в настоящий момент информационных систем для компаний ДМС, их функциональных возможностей и обосновывается необходимость в разработке системы, обеспечивающей полноценную актуарную и аналитическую поддержку страховой деятельности. Для создания такой системы современные технологии предлагают OLAP (On-line Analytic Processing) как средство обработки больших объемов информации в режиме реального времени, включающее составление и динамическую публикацию отчетов.
Вторая глава посвящена предложенным подходам снижения технических рисков СК ДМС, которые представлены на рис. 1.
Для снижения риска недостаточности тарифов и риска недостаточности средств по индивидуальным рискам решается задача андеррайтинга первого типа.
Для снижения риска превышения операционных издержек решается задача определения величины нагрузки при формировании тарифа для индивидуальных видов страхования.
Для снижения риска при оказании медицинских услуг застрахованным решается задача построения рейтинга ЛПУ.
В третьей главе приводятся результаты использования и обосновывается адекватность предложенных моделей количественной оценки рисков при индивидуальном ДМС сроком на 1 год.
Рассмотрены основные этапы и результаты применения методики построения рейтинга ЛПУ для стационарных и амбулаторно-поликлинических учреждений, с которыми сотрудничает уфимский филиал страховой группы «УралСиб».
Четвертая глава посвящена описанию «Системы аналитической поддержки деятельности компании ДМС». Представлена концепция системы, рассмотрена функциональная модель системы, взаимодействие системы с другими объектами и основные потоки информации между ними. Описана ее структура, функциональные характеристики модулей подсистем, а также использование концепции многомерных данных и технологии OLAP при проектировании и разработке программного обеспечения. Описана архитектура системы, средства проектирования и разработки, пользователи системы.
В заключении сформулированы основные результаты диссертационной работы.
Современные подходы к решению задачи андеррайтинга в ДМС
Подходы к решению задачи андеррайтинга можно найти в зарубежной литературе, где ДМС в том или ином виде существует уже десятки лет.
В частности, Институт актуариев Великобритании публикует свои принципы классификации рисков для индивидуального страхования, малых и больших групп [31, с. 30].
Оценка рисков для индивидуального страхования производится на основе данных о возрасте, поле, семейном положении, географическом пребывании застрахованного, его профессии, росте и весе, медицинской карте, а также деталях страхового продукта.
Под деталями страхового продукта в данном случае понимаются исключение специальных условий, исключение ранее существовавших условий (например, заболеваний), включение пункта о моратории.
Исключение ранее существовавших заболеваний означает бессрочное исключение заболеваний из страхового покрытия [29, с. 83].
Пункт о моратории означает исключение только тех болезней, явные симптомы которых проявились в течение предшествующих пяти лет или по поводу которых осуществлялось лечение в течение того же срока. Данная оговорка также предусматривает, что по истечении двух лет ее действие прекращается, если соответствующие симптомы не проявились или лечение не проводилось в течение всего срока или только последнего года [29, с. 83].
Оценка рисков для малых групп включает учет следующих аспектов: число наемных рабочих, возрастные группы наемных рабочих, их семейное положение, географическое местопребывание, отраслевая принадлежность работодателя, профессии наемных рабочих, данные о требованиях выплат для группы (то есть СК должна иметь статистику по аналогичным страховым схемам), медицинские карты застрахованных, а также детали страхового продукта.
Оценка рисков для больших групп (более 50 человек) основывается на той же информации, что и для малых групп. Однако в отличие от малых групп здесь не рассматриваются данные о профессиях застрахованных и их медицинские карты, то есть процедура андеррайтинга ослабляется. Приводятся коэффициенты риска в зависимости от отраслевой принадлежности клиентов, географического месторасположения, половозрастные коэффициенты, список профессий, не подлежащих групповому медицинскому страхованию [31]. К таким профессиям в Великобритании, в частности, относятся адвокаты, работники баров и закусочных, работники увеселительных заведений (дискотек, танцевальных площадок, цирков, казино), медицинские работники госпиталей и пансионатов, моряки и рыбаки, шахтеры и бурильщики, лесорубы, шоферы такси и т.д.
В качестве источников информации используются внутренние и внешние данные. К внутренним относятся цены самой СК, ее статистика по требованиям выплат. К внешним данным относятся цены конкурентов, балансовые отчеты компаний, отчеты в надзорные органы, данные перестраховщиков (которые обычно обладают большим объемом информации, чем сами СК), опыт других стран [31].
Основным источником информации для андеррайтинга является анкета. Ранее в Великобритании для таких анкет было характерно стремление получить как можно больше информации о состоянии здоровья потенциального клиента: - сведения об обращениях к врачу и любых видах лечения и консультаций за последние несколько лет (2, 5 или 7 лет), - данные о рецидивах хронических болезней, физических и умственных расстройствах, увечьях, - данные о наличии СПИДа, венерических заболеваний, - сведения об определенных видах лечения в течение всей жизни (например, о перенесенных операциях). При этом вопросы о профессии, вредных привычках и проведении свободного времени задаются редко.
Однако сейчас отмечается тенденция сокращения числа вопросов анкеты или даже полного отказа от нее. При этом в договор включается пункт об исключении существовавших ранее заболеваний [29].
Для данной школы характерен стохастический подход к решению задачи андеррайтинга.
Основной проблемой при оценке повышенных рисков является переход от качественной оценки риска к количественной. Андеррайтера интересует степень повышения риска по сравнению со стандартными условиями программы страхования. При этом доступными являются данные о факторах риска и причинах наступления страховых случаев. Процесс же «перевода» этих данных в степень тяжести риска неоднозначен, так как соответствующая связь носит биологический и социальный характер [61, с. 78].
При оценке повышенных рисков предлагается использовать следующие подходы [61, с. 82]: 1. оценка специфических вероятностей наступления страховых случаев для лиц, подверженных определенному фактору риска, 2. сдвиг возрастного интервала, 3. аддитивный повышенный риск, 4. мультипликативный повышенный риск. Достоинством первого подхода является простота использования и достаточно высокая точность актуарных оценок. Однако для обеспечения статистически достоверной оценок необходимо проанализировать достаточно большой объем исходной информации, что не всегда представляется возможным в первую очередь из-за отсутствия данных. Кроме того, классификация рисков по факторам риска не дает адекватной картины по степени повышения риска. Это означает, что в изучаемой совокупности присутствуют как менее тяжелые, так и более тяжелые риски. Второй подход использует идею оценки вероятности наступления страхового случая для повышенных рисков путем использования соответствующих вероятностей для нормальных рисков, взятых из других интервалов. Метод оценивания можно представить в виде формулы так: где qex - вероятность наступления страхового случая для лица в возрасте х лет, подверженного повышенному риску; qx - соответствующая вероятность для нормального риска; z - сдвиг возрастного интервала (как правило z 0). Достоинствами этого метода являются его простота и отсутствие необходимости проведения дополнительных расчетов. К недостаткам можно отнести следующее: - данный подход усиливает влияние тех компонентов риска, которые обусловлены возрастом; при этом игнорируются влияние тех факторов риска, которые не связаны с возрастом; - изменение с возрастом вероятности наступления страховых случаев для нормальных рисков может быть различным в разных возрастных интервалах, что требует возрастной дифференциации самого сдвига. Основная идея третьего подхода состоит в том, что вероятность наступления страхового случая для повышенного риска равна соответствующей вероятности для нормального риска, увеличенной на определенное значение. Последнее, как правило, является фиксированным для всех возрастных интервалов и определяет классификацию по степени риска. Метод оценивания можно описать формулой: qex-qx+P, где /? - поправочный коэффициент, задающий степень повышенного риска. В отличие от предыдущего метода здесь преувеличивается влияние компонентов, не зависящих от возраста, и игнорируются факторы, которые от него зависят, что является существенным недостатком. Четвертый подход основан на предпосылке о пропорциональности вероятности наступления страхового случая для повышенного риска, соответствующей вероятности для нормального риска [61, с. 87]. Коэффициент пропорциональности является постоянным и определяет степень повышения риска. Метод оценки представлен формулой:
Модель определения величины нагрузки при разработке страхового тарифа
Рассмотрен подход к определению величины нагрузки при формировании тарифа для индивидуальных видов страхования, а также условие его применения для коллективных видов страхования.
Постановка задачи Дано: Пусть СК имеет в своем портфеле договоры по С видам индивидуального страхования: - TV7 - количество договоров по у-му виду страхования, которые были заключены в течение отчетного периода, j = 1, С; - Р/с - премия по договору, относящемуся к j -му виду страхования, с номером к. Также имеются данные о структуре страхового портфеля за L лет, предшествующих отчетному периоду.
Требуется определить величину нагрузки на следующий отчетный период а, обеспечивающую постоянные и переменные расходы СК на ведение дела в размере Rnocm и Rmp, и прибыль в размере I.
Найдем величину нагрузки, обеспечивающей прибыль в размере 2, для отчетного периода. 1. Согласно принципу финансовой эквивалентности обязательств страховщика и страхователя: 3 = Ь (2.7) где Ph Vi - премия и выплата по г-тому договору страхования, i = l,N, с . iV = TV-7 - общее количество договоров в страховом портфеле. -/=1 2. СК является коммерческой организацией, которая должна получать прибыль от своей деятельности I, также компания имеет расходы на ведение дела, которые состоят из постоянной части (R„ocm) и переменной (Rnep), зависящей от количества договоров: =2 + + +/. (2.8) 3. Расходы на ведение дела и прибыль компания извлекает из дополнительной прибавки к страховому взносу: 2/5=2Х+а/»-. (29) і і і где а - величина нагрузки. 4. С учетом выражения (2.8) формула (2.9) примет вид: а I + Rnocn+M / (2-Ю) d - удельная себестоимость обслуживания одного договора. 5. Рассчитав оценку математического ожидания величины премии для каждого вида страхования, получим: I + R +dN а м(р])ы1 (2Л1) ;=і где M(PJ) - оценка математического ожидания величины премии по договору страхования для/-го вида страхования.
Таким образом, для определения величины нагрузки на следующий отчетный период а необходимы следующие параметры: 1. планируемый размер прибыли I, 2. планируемый размер постоянных расходов на ведение дела Rnocm, 3. прогнозное значение количества договоров 7У-7 дляу -го вида страхования, с тогда прогнозное значение общего количества договоров N= NJ , 7=1 4. удельная себестоимость обслуживания одного договора страхования d, 5. оценка математического ожидания премии по одному договору страхования дляу -го вида страхования за закончившийся отчетный период M(Pj). Рассмотрим каждый из параметров. Планируемый размер прибыли I и постоянных расходов на ведение дела Rmcm определяются СК.
Для получения количества договоров /У-7 j-го вида предлагается использовать аппарат анализа и прогнозирования временных рядов, в частности метод «Гусеница» [14, 15]. Исходной информацией для прогнозирования являются данные о структуре страхового портфеля за L лет, предшествующих отчетному периоду.
Оценка математического ожидания премии по одному договору дляу -го вида страхования рассчитывается по данным за предыдущий отчетный период.
Кроме того, необходимо учесть коэффициент инфляции X. Тогда величина нагрузки на следующий отчетный период примет вид: xfJM{Pj)Nj (2Л2)
Замечание. Описанный подход может использоваться, если в портфеле имеются коллективные договоры. Однако при этом формуле (2.12) вместо математического ожидания премии по договору для данного вида страхования должно использоваться математическое ожидание премии по одному застрахованному по данному виду страхования.
Под термином «рейтинг» будем понимать упорядоченный список определенных объектов, построенный по убыванию некоторого «качества» или набора «качеств» этих объектов. Щ Цель построения рейтинга ЛПУ - выявление ЛПУ, которые в большей степени соответствуют требованиям, предъявляемым страховой компаний ДМС к медицинским учреждениям, во всем множестве ЛПУ, доступных для сотрудничества. Отметим, что рейтинг строится среди ЛПУ, относящихся к одному классу. Требования в этом случае формализуются в виде критериев, используемых при построении рейтинга, который будет состоять из следующих этапов: ф 1. формирование набора критериев; " 2. построение шкал для оценки критериев; 3. сбор данных; 4. построение рейтинга на основе выбранной математической модели.
Формирование набора критериев — очень важный этап при построении рейтинга. Выбранные критерии должны максимально полно отражать цель построения рейтинга. На практике для этого обычно привлекаются эксперты. Данный этап аналогичен выделению факторов риска при разработке перечня вопросов анкеты для оценки риска наступления страхового случая по определенной программе ДМС (см. раздел 2.1.3.1).
Построение шкал для оценки критериев. Данный этап необходим в том случае, если критерии, используемые для сравнения альтернатив, не являются количественными. Для этого также используется экспертная # информация.
Сбор данных. Данный этап во многом определяет объективность рейтинга, поэтому большое внимание должно быть уделено актуальности и достоверности данных.
Результаты применения моделей андеррайтинга
Постановка задачи Дано: 1. Требования страховой компании к 3 группам риска: 1 ГР : R 5, 2 ГР : R 9, 3 ГР : R 9, где R - количество обращений к врачу в течение года, предшествующему моменту страхования. 2. Данные по выборке клиентов СК: - г І - количество обращений к врачу в течение года, предшествующему моменту страхования для z -того клиента, z =1,2130; к - значения шкалы Gi= YJg(xk), где g(xk) - шкальная функция для фактора риска Хк, к = 1,18.
Требуется найти пороговые значения шкалы для первой и второй к группы риска S] и и оценить качество шкалы G= g(xk), на основе /с=1 которой принимается решение. Рассчитав поправочные коэффициенты к базовой величине тарифа для групп риска, провести анализ убыточности договоров страхования в разрезе групп риска и финансовых результатов по ним. 1. Выбрать селективную группу и рассчитать нетто-тариф Т. 2. Найти пороговые значения sj и s2 для первой и второй групп риска, провести анализ качества используемой шкалы на основе графиков характеристических кривых. 3. Рассчитать поправочные коэффициенты kt (г = 1,3) к базовой величине тарифа Г для групп риска. 4. Провести анализ убыточности договоров страхования в разрезе групп риска и финансовых результатов по ним с учетом поправочных коэффициентов к базовой величине тарифа и без их учета. 5. Проверить полученные результаты на другой выборке.
В качестве селективной группы рассматривается вторая группа риска, поэтому расчет тарифа производился на основе данных о стоимости медицинского обслуживания людей, количество обращений которых за амбулаторно-поликлинической помощью в 2004 году лежит в интервале от 5 до 8.
Расчет тарифа осуществляется по методике для краткосрочного страхования с компенсацией фактических расходов на лечение [63, с. 27-28]. Она применима при выполнении следующих условий: 1. страховщик берет на себя обязательства оплачивать медицинское обслуживание застрахованного «по факту»; 2. договор может предусматривать ограничение на общую сумму расходов (т.е. страховая сумма может быть как ограничена, так и не ограничена); 3. срок страхования от нескольких дней до года; 4. перечень оплачиваемых услуг ограничен и фиксируется в договоре, 5. распределение выплат является нормальным.
В нашей задаче условия 1—4 выполняются. Адекватность распределения выплат нормальному закону оценивалась по критерию Хи-квадрат и установлена на уровне значимости 0,05.
В качестве основы тарифа рассматривается средний размер страховых выплат, приходящийся на один договор страхования за фиксированный период времени: Р -S п где S - сумма страховых выплат за период, п — количество договоров страхования. Рисковая составляющая тарифа определяется как предельная выборочная ошибка средней: V и —1 где s - выборочное среднее квадратичеекое отклонение размера страховой выплаты, z - квантиль нормированного нормального распределения или нормированное отклонение, соответствующее принятому уровню доверительной вероятности F. Результаты расчета нетто-тарифа для F=0,95 (z=l,65) приведены в таблице 22. На первом этапе было получено пороговое значения для первой группы риска. Минимум суммарного количества ошибок составляет 11,7%. При этом S]=52, чувствительность=98%, специфичность=58%. Для hj=36 суммарное количество ошибок составляет 14,1%, специфичность=85%, чувствительность=86%. Поэтому с точки зрения страховой компании в качестве порогового значения лучше использовать h]=36. При расчете порогового значения для второй группы риска минимум суммарного количества ошибок составляет 5,6%. При этом =52, чувствительность=96%, специфичность=84%.
В таблице 24 приведены количество ошибочных результатов в %, чувствительность и специфичность для ряда пороговых значений. Выбор конкретного порогового значения зависит от предпочтений эксперта (андеррайтера) страховой компании. В дальнейшем в качестве порогового значения будет использоваться /?2=49.
Использование концепции многомерных данных и OLAP- технологии при разработке системы и программного обеспечения для нее
При проектировании системы в соответствии со структурой сотрудников были выделены следующие рол и для пользователей системы: - администратор, - начальник СК ДМС, - специалист по работе с юридическими и физическими лицами, - специалист по работе с ЛПУ, - врач-эксперт, - андеррайтер, - экономист.
Описание использования системы пользователем, а также уровень доступа к подсистемам и модулям представлен в таблице 40.
В основе системы лежит архитектура «клиент-сервер». В качестве системы управления базами данных используется Microsoft SQL Server 2000, для реализации оперативной аналитической поддержки используются возможности Microsoft Analysis Services.
Создание функциональной модели системы осуществлялось в IDEF 3.5, построение логической и физической модели оперативной базы данных - в Embarcadero ERStudio 6.0.
В качестве среды разработки использовалась среда Borland Delphi 7.
Для сравнения временных затрат на заключение договоров индивидуального страхования было проведено две серии экспериментов, каждая из которых состояла из 30 испытаний. В ходе испытаний определялось время, необходимое на заключение договора с использованием системы и без нее. В первой серии испытаний процедура андеррайтинга проводилась с помощью модели классификации по группам риска на основе ROC-анализа, во второй - с помощью модели формирования индивидуального коэффициента на основе МАИ Саати.
Ход испытания.
1. Клиент, желающий заключить договор страхования, заполняет анкету для получения значений факторов риска и указывает страховую сумму.
2. Момент начала отсчета времени. Один экземпляр анкеты передается менеджеру, который для определения величины тарифа и расчета страховой премии по договору использует руководство по андеррайтингу и калькулятор. Второй экземпляр анкеты (полученный с помощью копировальной бумаги) передается менеджеру, который для определения величины тарифа и расчета страховой премии по договору вводит все данные в систему.
3. Определяется время (в секундах), прошедшее с момента начала отсчета времени, за которое каждый из менеджеров получает величину премии по договору.
Для проверки различия времени, необходимого на заключение договора с использованием системы и без нее, использовался -критерий для независимых выборок. Необходимые условия применения -критерий выполнены.
Среднее время, необходимое для определения тарифа и расчета страховой премии по договору: - для модели классификации по группам риска на основе ROC-анализа без использования системы составило 241 секунду, с использованием системы - 180 секунд; - для модели формирования индивидуального коэффициента на основе МАИ Саати без использования системы составило 552 секунды, с использованием системы - 178 секунд.
Таким образом, с использованием системы среднее время на заключение договоров страхования уменьшилось на 25% (для модели классификации по группам риска на основе ROC-анализа) и 66% (для модели формирования индивидуального коэффициента на основе МАИ Саати).
Также серия испытаний была проведена для сравнения временных затрат на техническую экспертизу счетов, поступающих от ЛПУ. С использованием системы среднее время на проведение технической экспертизы счетов уменьшилось на 10-12 минут.
