PREVEDERE L’INSOLVENZA DELLE IMPRESE ASSICURATRICI CON MODELLI DI MACHINE LEARNING
“Machine Learning and Insurer Insolvency Prediction” (PAPER - Posted: 8 Nov 2023)
Canchun HE, Dejin HUANG, Ruo JIA, Xi WANG
La solvibilità, e la teoria della rovina ad essa correlata, sono da tempo un argomento centrale nelle scienze attuariali e nell’economia delle assicurazioni.
Il presente documento esamina la rete neurale artificiale strutturale (SANN), un algoritmo di apprendimento automatico basato su componenti, per prevedere l'insolvenza e il fallimento delle compagnie assicuratrici. Il nuovo algoritmo consente di esplorare informazioni predittive non ridondanti provenienti dai Big Data.
Viene mostrato - sulla base di un campione di 2.424 assicuratori di 17 Paesi europei - che la SANN migliora significativamente la previsione dei casi fuori campione, determinando un aumento medio dell’AUC (Area Under ROC Curve) tra l’1,83% e il 9,55%, rispetto ai tradizionali modelli logistici e di machine learning. Si mostra, inoltre, che le informazioni macroeconomiche e sui rendimenti sono importanti per prevedere i fallimenti degli assicuratori, oltre alle caratteristiche dell’impresa.
La ricerca contribuisce con un nuovo metodo di apprendimento automatico alla modellizzazione e previsione delle insolvenze, nel senso che consente di raggruppare i predittori in categorie economiche e quindi permette alle caratteristiche dell’impresa e ai fattori macroeconomici di interagire all’interno e tra le differenti categorie.