CC BY
39
ИЗВЕСТИЯ
ПЕНЗЕНСКОГО ГОСУДАРСТВЕННОГО ПЕДАГОГИЧЕСКОГО УНИВЕРСИТЕТА имени В. Г. БЕЛИНСКОГО ФИЗИКО-МАТЕМАТИЧЕСКИЕ И ТЕХНИЧЕСКИЕ НАУКИ № 18 (22)2010
IZVESTIA
PENZENSKOGO GOSUDARSTVENNOGO PEDAGOGICHESKOGO UNIVERSITETA imeni V. G. BELINSKOGO PHYSICAL, MATHEMATICAL AND TECHNICAL SCIENCES № 18 (22) 2010
УДК 004.4
АЛГОРИТМ И ТЕХНОЛОГИИ РАЗРАБОТКИ ПРИЛОЖЕНИЯ ДЛЯ ОПРЕДЕЛЕНИЯ ЭФФЕКТИВНОСТИ МЕТОДОВ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СТРАХОВЫХ ПОКАЗАТЕЛЕЙ
© В. А. ГРУЗДОВА
Пензенский государственный педагогический университет им. В. Г. Белинского, кафедра прикладной математики и информатики e-mail: veragruzdova@yandex.ru
Груздова В. А. - Алгоритм и технологии разработки приложения для определения эффективности методов анализа и прогнозирования страховых показателей // Известия ПГПУ им. В. Г. Белинского. 2010. № 18 (22). С. 255-258. - В статье рассмотрены проблемы страхового бизнеса в России. Обоснована необходимость автоматизации деятельности страховых компаний и описаны особенности этого процесса. Предложен алгоритм работы информационной системы, предназначенной для оценки эффективности методов анализа и прогнозирования страховых показателей. Определены и обоснованы технологии разработки данного программного продукта.
Ключевые слова: автоматизация, анализ, прогнозирование, статистические данные, финансовая стратегия, технология, система.
Gruzdova V. A. - Algorithm and technologies of application programming for efficiency definition of analysis and forecasting methods of insurance indicators // Izv. Penz. gos. pedagog. univ. im.i V. G. Belinskogo. 2010. № 18 (22). P. 255-258. - The article deals with the problems of the insurance business in Russia. Necessity of automation of activity of the insurance companies is proved and features of this process are described. The algorithm of the information system work for efficiency estimation of analysis and forecasting methods of insurance indicators is offered. Technologies of development the given software product are defined and proved.
Keywords: automation, analysis, forecasting, statistics, financial strategy, technology, system.
Несмотря на тенденции роста за последние годы, страховой бизнес в России по-прежнему недостаточно развит по сравнению с западным. Причин у этого много: низкий уровень страховой культуры в стране, нехватка кадров страховщиков, вызванная отсутствием профессиональных стандартов в подготовке специалистов, и, как следствие, низкий уровень компетентности сотрудников страховых фирм, высокий уровень административных расходов компаний, не позволяющий им достигать большой прибыльности. Вместе с тем, ужесточается государственный контроль над деятельностью страховых организаций. Росстрахнадзор намерен развить предупредительный надзор за платежеспособностью страховых организаций, путем внедрения специального программного обеспечения [1]. Чтобы повысить свою конкурентоспособность, сократить административные расходы, снизить риски, выйти на более высокий уровень, страховым организациям необходимо оптимизировать бизнес-процессы своей деятельности. Этот процесс требует от страховых компаний качественно нового подхода при организации бизнеса, основанного на процессном управлении,
который невозможен без использования информационных технологий.
Потребность страховых компаний в автоматизации очевидна. По мере развития бизнеса любой участник страхового рынка сталкивается с необходимостью установки специализированной интегрированной системы, которая охватывала бы большинство рутинных процессов, таких как расчет ключевых параметров договоров, учет и накопление данных по выданным полисам и заключенным контрактам. Для решения этих задач большинство страховых организаций используют стандартные ERP-решения. Но их недостатком является слабое отражение особенностей бизнеса даже после индивидуальных настроек под заказчика. Информационные разработки более опытных, зарубежных вендоров по-прежнему остаются дорогими и неадаптированными под специфику российского страхового рынка. Поэтому многие страховые организации прибегают к использованию заказных решений или разрабатывают автоматизированную систему собственными средствами.
Комплексная система автоматизации страховой компании может включать большое количество под-
систем, которые предназначены для решения конкретных задач страхования. Это могут быть: подсистема учета страховых договоров, подсистема учета финансов организации, аналитическая подсистема, подсистема андеррайтинга, подсистема работы с клиентами, подсистема урегулирования убытков и другие. Реализация большинства модулей основана на сложном математическом аппарате. Наиболее сложна в реализации аналитическая подсистема, которая предназначена для анализа страхового портфеля на основе страховой и бухгалтерской информации, прогнозирования финансовых потоков и расчета оптимальных страховых тарифов. Выбор математических методов, лежащих в основе этой подсистемы, определяется видом страхования, спецификой бизнес-правил конкретной страховой организации. Один и тот же метод не применим ко всем видам страхования из-за особенностей каждого из них. Поэтому целесообразно предоставить страховым компаниям средства для определения эффективности методов анализа и прогнозирования страховых показателей.
Для оценки эффективности математических методов прогнозирования финансовой стратегии необходимо использовать статистику страхования организации. Точность оценки методов прогнозирования прямо пропорциональна объему накопленных статистических данных. Программа предполагает на основе данных об истории страхования конкретной фирмы вычислять величину отклонений прогнозируемых показателей от идеальных показателей для каждого из рассматриваемых методов. Для анализа должны быть выбраны несколько принципиально отличных методов. На основе полученных данных об отклонениях можно определить наиболее оптимальный метод оценки для конкретной организации с конкретной страховой историей.
Алгоритм работы программы
1. На первом этапе происходит загрузка данных статистики из хранилища, производятся необходимые преобразования данных к форме удобной для последующего анализа. На этом этапе также необходимо провести предварительную оценку данных и определить принципиальную возможность проведения анализа. В случае если данных недостаточно, или они плохо структурированы, проведение анализа становится невозможным либо бессмысленным.
2. На следующем этапе преобразованные и структурированные данные необходимо разбить на группы. К первой группе относятся статистические данные с самого начала рассматриваемого периода истории страхования до тех пор, пока их количество не будет минимально достаточным для проведения статистического анализа. Остальные данные пропорционально делятся на произвольное количество групп в зависимости от рассматриваемого промежутка времени (месяц, год). Например, организация имеет статистику страхования за 10 лет с 1999 по 2009 года. Тогда данные будут разбиты на группы следующим образом (табл. 1):
Таблица 1
Группа 1 2 3 4 5 6
Статистические данные за период (год) 1999- 2004 2005 2006 2007 2008 2009
3. Третий этап - аналитический. Используя каждый из рассматриваемых методов, необходимо провести следующие действия:
1) анализ первой группы статистических данных;
2) на основе проведенного анализа спрогнозировать оптимальную финансовую стратегию на следующий год;
3) используя статистические данные за следующий год, определить оптимальную стратегию за рассматриваемый период;
4) сравнить эти показатели и рассчитать отклонение;
5) в первую группу статистических данных добавить данные за следующий год и повторить алгоритм.
4. В результате получаем набор отклонений по каждому методу. Аппроксимируем полученные данные, получаем функцию динамики отклонений. Сравнивая функции рассматриваемых методов, можно выбирать наиболее эффективный. Метод, функция которого стремится к уменьшению ошибки, и будет оптимальным.
Рассмотрим этот алгоритм на примере. Компания имеет статистику страхования за 10 лет с 1999 по 2009 года. Статистические данные разбиваются на группы как представлено в таблице 1. На основе анализа производится прогнозирование по показателям Pj, где i - номер метода, j - номер показателя. Исходя из статистических данных за каждый год, определяются оптимальные показатели финансовой стратегии O j, где i - номер метода, j - номер показателя. Отклонения прогнозируемых показателей от оптимальных находится по формуле Д„ = |р/ - Otj |, где где i - номер
метода, j - номер показателя. Результаты представлены в табл. 2.
На рисунке представлен график функций динамики отклонений.
Следующим этапом в процессе реализации описываемой информационной системы является выбор технологий разработки приложения. Для потребностей крупного и среднего бизнеса часто используются уже зарекомендовавшие себя технологии компании Microsoft. В качестве основного языка программирования выберем С#, естественным образом поддерживающий технологию .Net. Данное программное приложение должно позволять хранить большие объемы статистической информации, проводить их анализ, а также предоставлять доступ к любому виду информации достаточно быстро. Несмотря на то, что в нашей стране нет централизованного открытого хранилища информации о страховых случаях, необходимо предоставить централизованное хранилище хотя бы в рамках одной организации. Помимо этого система хранения такой базы должна иметь
эффективные инструменты импорта и/или трансформации данных в необходимую форму для дальнейшего создания всероссийской базы страховых случаев, если такая возможность представится. Для реализации всех вышеуказанных требований подходит система управления базами данных MS SQL Server 2008. Помимо
предоставляемых возможностей быстрого доступа к информации SQL Server располагает возможностями Business Intelligence [3]. SQL Server имеет встроенную поддержку в языке С#, поэтому приложения написанные в связке С# - SQL Server будут обладать хорошей производительностью и качеством.
Таблица 2
Группа 1 2 3 4 5
Статистические данные за период 1999-2004 1999-2005 1999-2006 1999-2007 1999-2008
Год прогноза 2005 2006 2007 2008 2009
Р„ «11 P„ «„ P11 «„ P11 «11 P11 «11
Метод 1 Р,2 U,2 Pi2 «,2 P12 «12 P12 «12 P12 «12
Лз «13 P13 «13 P13 «13 P13 «13 P13 «13
Отклонение по методу 1 ¿11. Д 12. ¿13 ¿11. ¿ 12. ¿13 ¿11. ¿ 12. ¿13 ¿11. ¿ 12. ¿13 ¿11. A 12. ¿13
P21 «21 P21 «2. P21 «21 P21 «21 P21 «21
Метод 2 P22 О22 P22 «22 P22 «22 P22 «22 P22 «22
P23 «23 P23 «23 P23 «23 P23 «23 P23 «23
Отклонение по методу 2 ¿21. Д 22. ¿23 ¿21. ¿ 22. ¿23 ¿21. ¿ 22. ¿23 ¿21. ¿ 22. ¿23 ¿21. A 22. ¿23
Pnl «ni Pn1 «n1 Pn1 «n1 Pn1 «n1 Pn1 «n1
Метод N Pn2 «n2 Pn2 «n2 Pn2 «n2 Pn2 «n2 Pn2 «n2
Pn3 «n3 Pn3 «n3 Pn3 «n3 Pn3 «n3 Pn3 «n3
Отклонение по методу N ¿ni. A n2. ¿n3 ¿n1. ¿ n2. ¿n3 ¿n1. ¿ n2. ¿n3 ¿n1. ¿ n2. ¿n3 ¿n1. A n2. ¿n3
Г рафик функций динамики отклонений
— - - Метод 1 ■ Метод 2 -------Метод 3
Рис. График функций динамики отклонений на примере трех методов.
Архитектуру программного приложения целесообразно построить, используя трехслойную модель [2]. Для реализации слоя User Interface будем использовать технологию WPF. В основе WPF лежит векторная система визуализации, не зависящая от разрешения и созданная с расчетом на возможности современного графического оборудования. WPF расширяет базовую систему полным набором функций разработки приложений, в том числе язык XAML (Extensible Application Markup Language), элементами управления, привязкой данных, макетом, двухмерной и трех-
мерной графикой, анимацией, стилями, шаблонами, документами, мультимедиа, текстом и оформлением. WPF входит в состав Microsoft .NET Framework и позволяет создавать приложения, включающие другие элементы библиотеки классов .NET Framework [3].
Основными модулями приложения являются: аналитический и операционный. Аналитический модуль использует операционный и выполняет задачи прогнозирования оптимальной стратегии, отклонения от оптимальной стратегии и автоматизации массового запуска всех методов. Таким образом, можно исполь-
зовать статистику по существовавшим стратегиям и определять каким образом изменялись правила работы со страховыми продуктами и проводить анализ их эффективности.
Операционный модуль осуществляет анализ статистической информации. Он должен включать в себя общий интерфейс для любого метода расчёта и некоторые основные реализации, которые будут использоваться в программе анализа методов. Открытый интерфейс позволяет расширять библиотеку собственными реализациями так, что другие методы могут быть включены в возможности анализа и деятельности организации.
Описанное в статье программное приложение призвано оптимизировать процесс выбора методов оценки и прогнозирования страховых показателей. Оно является вспомогательным приложением для работы корпоративной информационной системы (КИС)
страховой организации. По результатам, полученным с помощью этой программы, КИС страховой компании можно настроить таким образом, чтобы процесс оценки и прогнозирования осуществлялся с использованием наиболее эффективного метода. Это позволит получить более высокие результаты деятельности страховой организации, снизить расходы по многим показателям.
СПИСОК ЛИТЕРАТУРЫ
1. Гришина Т. Росстрахнадзор запускает страховой сканер // Коммерсант. 19.02.2010. № 30 (4330).
2. Фаулер М. Архитектура корпоративных программных приложений. М.: Издательский дом «Вильяме», 2006. 544 с.
3. http://forinsurer.com - Левандовски Я. Новые направления в ИТ-решениях для страхового рынка
4. http://msdn.microsoft.com - официальный сайт Microsoft Developer Network
