автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Система аналитической поддержки деятельности компании добровольного медицинского страхования

На прав i'

/

ЗОТОВА Ольга Федоровна

СИСТЕМА АНАЛИТИЧЕСКОЙ ПОДДЕРЖКИ ДЕЯТЕЛЬНОСТИ КОМПАНИИ ДОБРОВОЛЬНОГО МЕДИЦИНСКОГО СТРАХОВАНИЯ

Специальность: 05.13.10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Уфа 2005

Работа выполнена на кафедре вычислительной математики и кибернетики Уфимского государственного авиационного технического университета

Научный руководитель:

Официальные оппоненты:

канд. техн. наук, доц. НИКОЛАЕВА Марина Анатольевна

д-р техн. наук, профессор КАБАЛЬНОВ Юрий Степанович

канд. техн. наук, доц. ИБАТУЛЛИНА София Мухамедовна

Ведущее предприятие:

Санкт-Петербургский государственный университет

Защита состоится « »

2005 г. в часов

на заседании диссертационного совета Д-212.288.03 в Уфимском государственном авиационном техническом университете по адресу: 450000, г. Уфа, ул. К. Маркса, 12.

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан «_»

2005 г.

Ученый секретарь диссертационного совета д-р техн. наук, проф.

В.В. Миронов

¿ообЧ НАМ¿0

<s 1

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

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).

Рис. 1. Риски страховщика и способы их снижения

Для успешного решения этих задач 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 ) ^итературе

БИБЛИОТЕКА )

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 (ЛПУ) 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.

Из анализа информационных систем, предназначенных для СК, следует, что в условиях рискового ДМС актуальным является создание системы, обеспечивающей полноценную актуарную и аналитическую поддержку страховой деятельности компании ДМС.

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. Быстрое, 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.

1. 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.

2. 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.

3. Разработать модель определения величины нагрузки при формировании тарифа для договоров ДМС.

4. Для снижения рисков на этапе оказания медицинских услуг застрахованным разработать методику построения рейтинга лечебно-профилактических учреждений с точки зрения страховой компании в условиях ДМС.

5. 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:

1. Концепция построения системы аналитической поддержки деятельности компании ДМС.

2. Модели проведения процедуры андеррайтинга индивидуального ДМС.

3. Модель определения величины нагрузки при формировании тарифа для договоров индивидуального ДМС.

4. Методика построения рейтинга ЛПУ в условиях ДМС.

5. Программное обеспечение системы аналитической поддержки деятельности компании ДМС на основе предложенной концепции, моделей и методики.

Научная новизна работы состоит в следующем.

1. Новизна предложенной концепции заключается в использовании ОЬАР-технологии и наличии подсистемы для решения задач актуарных расчетов, в том числе задачи андеррайтинга.

2. 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.

3. Впервые сформулирована задача построения рейтинга ЛПУ в условиях ДМС. Новизна методики построения рейтинга ЛПУ состоит в использовании многокритериальной функции для их оценки.

4. 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,

1.2 при определении величины нагрузки,

1.3 при выборе поставщиков медицинских услуг,

1.4 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), II-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.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Первая глава посвящена обзору математического обеспечения и информационных систем для CK, работающих в области ДМС.

Рассматриваются существующие подходы к формированию премий, 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 премии 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. На рис. 1 представлены риски страховщика, способы снижения этих рисков и методы реализации.

Для снижения первого и второго вида рисков решается задача по формированию тарифа для договоров индивидуального краткосрочного ДМС. В ее рамках рассмотрены основные этапы андеррайтинга (рис. 2) и описан процесс разработки анкеты для оценки индивидуального риска.

Для решения задачи андеррайтинга предлагается два подхода. Первый подход состоит в сведении данной задачи к задаче классификации. При этом клиентов СК предлагается делить по трем группам риска (ГР) на основе информации о факторах риска. Такой подход обусловлен тем, что на сегодняшний день российские СК также используют деление клиентов на три группы здоровья. При этом в основе деления лежит словесное описание каждой из групп. Второй подход состоит в сведении данной задачи к многокритериальной задаче принятия решений, а именно - формирование индивидуального коэффициента (ИК) для учета факторов риска в виде значения многомерной функции. Таким образом, в первом случае мы можем отнести потенциального клиента СК к одной из трех ГР, а во втором случае -получить значение ИК. После чего производится расчет страхового тарифа по формулам (1) и (2). Во втором случае для получения поправочного коэффициента к, область значений ИК разбивается на интервалы, для каждого из которых рассчитывается поправочный коэффициент и сам страховой тариф.

1 Выделение факторов риска наступления страхового случая по определенной программе страхования

2 Формирование селективной группы и разработка условий стандартного договора для нее (расчет базовой величины тарифа Г)

Я -

3. Разработка шкал для факторов риска и анкеты для сбора информации о них

4 Разработка моделей количественной оценки риска наступления страхового случая по

определенной программе страхования

" ^

5. Определение поправочных коэффициентов к базовой величине тарифа для полученных групп по формуле (1) и тарифов по формуле (2)-

(1) 7} = */*7\<2)

к, - поправочный коэффициент к тарифу для Ай группы, Т, - тариф для Ай группы, Р, - размер средней убыточности в % для Ай группы, Р- размер убыточности в % для селективной группы.

4. i-

Этап 2

Постоянное накопление страховой статистики и уточнение поправочных коэффициентов

Рис. 2. Основные этапы андеррайтинга

Задача андеррайтинга. Первый подход. Классификация клиентов по группам риска на основе ROC-анализа. Дано:

1. Требования страховой компании к 3 группам риска:

1 ГР : R<R,, 2 ГР : R<R2, 3 ГР : R>R2,

где R - количество обращений к врачу или стоимость медицинского обслуживания в течение года, предшествующему моменту страхования; Ri, R2~ ограничения на значения R для первой и второй группы риска.

2. Данные по выборке клиентов CK. Для /-того клиента, i = \,N, N -количество человек в выборке, известно:

-г,- значение величины R\

к

- значение по шкале где gk(xk') - функция шкалирования

4.1

для фактора риска хь к = 1, К.

Требуется найти: пороговые значения шкалы для 1 и 2 ГР st и s2, при которых ошибка отнесения человека к 1 и 2 ГР Минимальна:

s,={hj: min (Ja) +с)) }, (3)

s2={hj: min (b]+c])}, мл

{hj} - множество значений шкалы G, для выборки из N клиентов CK (множество пороговых значений),у" - номер порогового значения, h1 е \hna,han\,

Ипва = пив , Ьтя - ; б], с) - количество ложнополо жите ль ных и

ложноотрицательных прогнозов для у-го порогового значения, полученных при поиске порогового значения для 1 ГР; Ь^, с2- - количество

ложноположительных и ложноотрицательных прогнозов для у-го порогового

значения, полученных при поиске порогового значения для 2 ГР. А также

к

оценить качество шкалы G-y£Jgk(xt), на основе которой принимается

м

решение.

Алгоритм решения задачи состоит из следующих этапов. I. Определение порогового значения ¿7 для первой группы риска.

1. Вводим гипотезу. Если значение шкалы <?,</гу, то человек относится к 1 ГР (исход положительный). Если значение шкалы (?,>#,, то человек не относится к 1 ГР (исход отрицательный).

2. Вводим определения для следующих 4 групп:

А - истинноположительная группа - люди, которых тест отнес к 1 ГР, действительно к ней относятся; В - ложноположительная группа - люди, которых тест отнес к 1 ГР, но они к ней не относятся; С - ложноотрицательная группа - люди, которых тест не отнес к 1 ГР при условии, что они к ней относятся; О - истинноотрицательная группа - люди, которых тест не отнес к ГР, и они на самом деле к ней не относятся.

3. Проверяем гипотезу для всех пороговых значений Л, е[йтт,Л^1К]. Для этого рассчитываются количество человек, попавших в каждую из групп:

¿ЛаЪ А -I1' 0,<Н' У -I1' Г'<Л1-3 ^ 1° " 10 г,>Щ'

й <?,<*, в?1 Г1'

10 С|г*/

А Л г г1 г -I1, °<>н' г1 -I1' г'<щ ' 1° 1°

¿'-Тл № п -I1' № -

1, П>Я\

0 ц < R{'

4. Определяем пороговое значение по формуле (3).

5. Строим график характеристической кривой. Для этого вводятся параметры чувствительность и специфичность:

Sensitivity) = Specificity' = f1 .

Для всех возможных пороговых значений Ау е [й^,^] отображаем на графике зависимость Sensivityfl-Specificity) (рис. 3). График используется для оценки

к

качества используемой шкалы G=^gt (х4) - чем блкже площадь под кривой к

i-1

единице, тем качественнее шкала.

П. Определение порогового значения для второй группы риска. При определении порогового значения для второй группы риска метод был модифицирован. Идея модификации заключается в том, что при проверке принадлежности человека ко 2 ГР мы должны также снизить количество результатов, при которых человек,

относящийся к 1 ГР, мог быть отнесен к 3 ГР. С учетом этого замечания были переформулированы Рис. 3. График ЯОС-кривой определения для групп А, В, С, О. В остальном данный этап аналогичен первому этапу.

При выборе пороговых значений андеррайтеру следует обратить внимание также на значения чувствительности и специфичности. Рассмотрим процесс выбора порогового значения для 1 ГР. Для страховой компании важно:

1) чтобы была высока чувствительность, то есть с помощью анкеты мы должны достаточно хорошо выявлять людей, относящихся к 1 группе риска,

2) чтобы была высока специфичность, то есть доля людей, которых мы не отнесли к 1 группе среди всех не относящихся к ней.

Второе условие важнее первого, так как при снижении чувствительности в 1 ГР не попадет некоторое количество в действительности относящихся к ней людей. В этом случае отсутствует риск финансовых потерь для СК. При снижении специфичности возрастает риск финансовых потерь для СК, т.к. возрастает доля людей, попавших в 1 ГР, но в действительности не относящихся к ней.

Задача андеррайтинга. Второй подход. Формирование коэффициента для учета индивидуальных факторов риска.

Дано:

- значения К факторов риска для выборки из N человек

Щ=Ы,Уг.....Ук)> ' ~ номер человека в выборке, ¡ = к - номер фактора

риска, к -\,К,

- экспертная информация о вкладе А>го фактора риска в индивидуальный коэффициент (в виде матрицы парных сравнений или профилей), а также для построения одномерных функций ценности.

Требуется найти: индивидуальные коэффициенты для учета факторов риска.

Для решения задачи рассматриваются модели на основе модификации метода анализа иерархий (МАИ) Саати и метода предпочтений и замещений Кини и Райфа. Первую модель предлагается применять в том случае, если СК не имеет достаточного объема статистических данных для получения весовых коэффициентов факторов риска. Метод Кини и Райфа в классическом виде также использует экспертную информацию для получения одномерных

функций ценности и весовых коэффициентов критериев. В основе модификации метода лежит идея использования статистических данных для получения этих параметров.

Модель 1. Формирование индивидуального коэффициента на основе МАИ Саати. Требуется сформировать иерархию целей {I}, для которой построить многомерную функцию в виде:

НЛ-

I ' Р;

где} - уровень иерархии; Х~{х\} - множество критериев (факторов риска); Хк -множество значений критерия^ х1с=хк/хках, хЦ™* =тах^ ; V/*1 -1-я вершина,

х,еХк

расположенная на 0+1) уровне иерархии; /}(/'+!) - значение функции в вершине у/+1; - весовой коэффициент подцели или критерия для У/+1.

Алгоритм решения состоит из четырех основных этапов - формирование иерархии факторов риска {1} для оценки риска наступления страхового случая; получение весовых коэффициентов критериев и подцелей для всех уровней иерархии; проверка однородности суждений; получение многомерной функции в виде (5) и расчет ИК.

Для решения задачи андеррайтинга метод был модифицирован. Значение многомерной функции рассматривается как ИК, который отражает риск, вносимый в страховой портфель, данным застрахованным лицом относительно гипотетического застрахованного лица, для которого все факторы риска принимают наихудшие значения.

Модель 2. Формирование индивидуального коэффициента с использованием модификации метода предпочтений и замещений, предложенного Кини и Райфа. Построить многомерную аддитивную функцию ценности в виде:

к

у(х1,х2,...,хк) = (6)

4=1

где уъ(х0 - одномерные функции ценности для критериев хк,

__к

к=\,К\ Хк - шкалирующие коэффициенты такие, что =1 (7), Як>0.

ы\

Алгоритм решения имеет следующий вид:

1. Для критерия к (к = 1,К) построить одномерную функцию ценности

1.1. определить наилучшее Ък и наихудшее н^ возможные значения к-го критерия;

1.2. найти средние по ценности значения к-го критерия т0 5, тй 25. и т.д.;

1.3. получить одномерную функцию ценности у^хц).

2. Определить шкалирующие коэффициенты Л* критериев {к = 1,К):

2.1. проранжировать шкалирующие коэффициенты Л* по степени влияния соответствующих факторов на наступление страхового случая:

Я?] > 1г2> >ЛгК;

2.2. сравнить профиль {XV,, .... хг1,..., м>к) с профилями х?г2>, х/г3>,..., /гК> и найти такие значения хкгХ: у(и..., х^,..., м>К) —

2.3. с использованием условия (7) вычислить Я*.

3. Построить многомерную функцию в виде (6) и вычислить значения ИК для имеющихся альтернатив.

Для определения точек (интервалов), средних по ценности, вместо экспертной информации предлагается использовать данные о частоте наступления страховых случаев для различных значений факторов, если они имеются в распоряжении андеррайтера. Также эти данные могут применяться при определении шкалирующих коэффициентов. Полученная таким образом аддитивная многомерная функция ценности будет отражать степень влияния каждого из рассматриваемых факторов, а также градаций значений факторов на риск наступления страхового случая с учетом статистики, накопленной страховщиком.

Для снижения риска превышения операционных издержек решается задача определения величины нагрузки при формировании тарифа для индивидуальных видов страхования.

Дано: Пусть СК имеет в своем портфеле договоры по С видам индивидуального страхования. Для них известно: N1 - количество договоров по У-му виду страхования, которые были заключены в течение отчетного периода, у' = 1,С; - премия по договору, относящемуся к у'-му виду страхования, с номером к. Также имеются данные о структуре страхового портфеля за £ лет, предшествующих отчетному периоду.

Требуется определить величину нагрузки на следующий отчетный период а, обеспечивающую постоянные и переменные расходы СК на ведение дела в размере Д^ и ятр, и прибыль в размере I.

Алгоритм решения

1. Найдем величину нагрузки а, обеспечивающей прибыль в размере I, для отчетного периода:

где И-паст - постоянные расходы на ведение дела СК 1+Ят +ЛМ с а-—...........(о; в отчетном периоде, N = 2^NJ - общее количество

/=1 договоров в страховом портфеле, (1 - удельная

себестоимость обслуживания одного договора, М(Р}) - оценка математического ожидания величины премии по одному договору дляу'-го вида страхования.

2. Найдем величину нагрузки на следующий отчетный период а. Если заданы величины 7 и то остается оценить прогнозное значение

количества договоров для у-го вида страхования (тогда прогнозное значение

с _ _

общего количества договоров N = £ Й-1), величины М(Р]), у = 1, С.

1=1

Для получения значений •V-' предлагается использовать аппарат анализа и прогнозирования временных рядов, в частности метод «Гусеница». Исходной информацией для прогнозирования являются данные о структуре страхового портфеля за X лет, предшествующих отчетному периоду. Величины Л/(Р7) рассчитывается по данным за предыдущий отчетный период. Кроме того, необходимо учесть коэффициент инфляции X.

Т + К + ММ Тогда величина нагрузки на следующий отчетный

а = —с -• (9) период примет вид (9). Описанный подход может

А^М^Р1)??' использоваться, если в портфеле имеются

коллективные договоры. Однако при этом в формуле (9) вместо математического ожидания премии по договору для данного вида страхования должно использоваться математическое ожидание премии по одному застрахованному для данного вида страхования.

Для снижения риска при оказании медицинских услуг застрахованным решается задача построения рейтинга ЛПУ. Для этого разработана методика построения рейтинга ЛПУ в условиях ДМС. Под термином «рейтинг» будем понимать упорядоченный список определенных объектов, построенный по убыванию некоторого «качества» или набора «качеств» этих объектов. Рейтинг строится среди ЛПУ, относящихся к одному классу. Методика состоит из четырех этапов - формирование набора критериев, построение шкал для оценки критериев, сбор данных, построение рейтинга на основе выбранной математической модели.

Для построения рейтинга предлагается два подхода, каждый из которых определен возможными типами представления информации об объектах: в виде индивидуальных экспертных ранжирований, в виде набора значений критериев. В первом случае предлагается использовать некритериальный метод построения итогового ранжирования - метод поиска медианы Кемени. Он выбран потому, что считается наиболее корректным способом получения агрегированного ранжирования. Во втором случае рекомендуется использовать метод БОФа. Выбор метода обусловлен простотой его использования. Экспертная информация, необходимая для получения весовых коэффициентов критериев, - это упорядоченный по степени важности список критериев. Если какой-либо критерий не является количественным, то экспертами строится ранжирование ЛПУ по данному критерию.

Метод поиска медианы Кемени.

Даао: Р/, ..., Рт - ранжирования альтернатив экспертами, т - количество экспертов.

Требуется найти: итоговое ранжирование Р - медиану Кеменй, суммарное расстояние от которого до всех заданных ранжирований минимальное:

Р = М(1\ря) = ахв шш § й(р, Р„), Р о=1

где ¿(Р,Р- расстояние между ранжированиями.

Для поиска медианы Кемени используется эвристический алгоритм, который представлен в диссертации.

Метода БОФа.

Дано:

1. Л={/?у} - вектор рангов показателей, - ранг /-го показателя, у = Ц/.

2- - матрица значений показателей для альтернатив, г - номер альтернативы, /=1,ЛГ.

Требуется найти: Р* - итоговое ранжирование альтернатив.

Основные этапы алгоритма построения итогового ранжирования с помощью метода БОФа представлены в диссертации.

В третьей главе описываются основные этапы разработки анкеты для оценки риска обращения за медицинской помощью по программе амбулаторно-полшслинического обслуживания; обосновывается адекватность предложенных моделей количественной оценки рисков; описывается процесс построения рейтинга стационаров и поликлиник, с которыми сотрудничает уфимский филиал страховой группы «УралСиб», в рамках предложенной методики.

При оценке работоспособности и эффективности моделей андеррайтинга вычислительный эксперимент состоял из двух шагов. На первом шаге рассчитывались поправочные коэффициенты и пороговые значения (для модели классификации) к базовой величине тарифа по первой выборке. На втором шаге анализировались финансовые результаты по второй выборке в с учетом и без учета полученных на первом шаге поправочных коэффициентов. Если использование полученных по первой выборке поправочных коэффициентов к тарифам, позволяло сгладить колебания уровня прибыльности для различных групп риска или интервалов значений ИК для второй выборки, то результат использования модели можно считать устойчивым.

Для модели классификации клиентов СК по группам риска на основе ЛОС-анализа требования к группам риска были сформулированы в виде количества обращений {К) за медицинской помощью в течение года, предшествующему моменту

страхования - 1 ГР : Я<5, 2 ГР : Я<9, 3 ГР: Я>р.

Результаты первого шага. Средние выплаты и средняя убыточность договоров страхования для различных ГР существенно различаются. Уровень

Прибыльность договоров страхования

Па5

□С учетом ПК

-щ-1 __

С Стандартные условкя для всех ГР ^

Рис. 4. Результаты первого шага

Прибыльность договоров страхования

прибыльности договоров в разрезе ГР также значительно отличается и для 3 ГР является отрицательной величиной (рис. 4). Это означает, что, во-первых, на покрытие убытков по данным договорам страхования пойдут взносы, полученные по застрахованным, относящимся к 1 ГР и 2 ГР, а, во-вторых, при увеличении доли застрахованных, относящихся к 3 ГР, страховщик не сможет обеспечить необходимый для покрытия убытков размер страховых резервов.

Результаты второго шага. В ГР также наблюдалось существенное различие размера средних выплат и средней убыточности договоров. При этом уровень прибыльности договоров с учетом поправочных коэффициентов колеблется от 22% до 33% (рис. 5) , в то время как для стандартных условий страхования он изменяется от 67% до -94%.

Г

Прибыльность договоров страхования

ВС учетом ПК И Стандартные условия для всех ГР [

Рис. 5. Результаты второго шага Модель формирования ИК на основе МАИ Саати. Для проведения анализа все множество клиентов было разбито на группы, для деления на группы был выбран интервал значений ПК, равный 0,05.

Результаты первого шага. Средние выплаты для выделенных интервалов значений ИК плавно возрастают по мере увеличения значений ИК. Нетто-тариф 7М9% позволяет СК получить

положительный финансовый

результат. Однако с увеличением значений ИК уровень прибыльности плавно уменьшается и становится

В Стандарт ые условия ИС учетом оопрааочного иоэфф-та к базовой ветчине тарифа

Прибыльность договоров страхования

□

Рис. 6. Результаты первого шага отрицательной величиной (рис. 6). Таким образом, на покрытие убытков по застрахованным, для которых ИК>0,25 пойдут нетто-премии, полученные по застрахованным, для которых ИК<0,25. При увеличении доли застрахованных, для которых значение ИК>0,25, страховщик не сможет обеспечить необходимый для покрытия убытков размер страховых резервов.

Результаты второго шага. Средние выплаты и убыточность договоров страхования для выделенных интервалов значений ИК, как и в первом случае, плавно возрастают по мере увеличения значений ИК. Уровень прибыльности

Рис. 7. Результаты второго шага

с учетом поправочных коэффициентов к базовой величине тарифа, полученных на первом шаге, колеблется от 9% до 16% (рис. 7), в то время как для стандартных условий страхования он изменяется от 80% (для ИК<0,05) до -60% (для 0,35<ИК<0,58).

Таким образом, результаты экспериментов позволяют сделать вывод об эффективности применения предложенных моделей для решения задачи андеррайтинга.

Далее описаны все этапы методики построения рейтинга ЛПУ в условиях ДМС, в том числе предложен набор критериев, которые могут использоваться при оценке и выборе ЛПУ страховыми компаниями, и шкалы для них. Рейтинг стационаров и поликлиник строился на основе метода БОФа.

В четвертой главе представлена концепция системы аналитической поддержки страховой деятельности компании ДМС (рис. 8).

Оперативный учет страховой деятельности

Концепция ыногомвриш дамшх

Концепций хранилищ

Коицегция OLAP

Внешние

данные

Оперативные д

Экспертная информация

Подготовка данных для анализа и агарных расчетов

Модели расчет*

нетто-тарифв

Модели андеррайтинга

Модели определения

Многомерны* дайте

Оперативный анализ результатов страховой деятельности

Ж

iz

Проведение актуарных расчетов

Методика построения

SZ.

I

Построение рейтинга ЛПУ

Этапы управления

ФоршрОШШ страховых

медициною услуг

Рис. 8. Концептуальная модель 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 технологии OLAP при проектировании и разработке программного обеспечения. В частности, сформулированы требования к многомерным данным, используемым для анализа, в виде списка мер, измерений для мер, иерархии для каждого измерения. При проектировании системы в соответствии со структурой сотрудников СК были выделены роли для пользователей системы и уровни доступа к ней. 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.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Предложена концепция построения системы аналитической поддержки деятельности компании ДМС, которая позволяет снизить технические риски компании ДМС при управлении страховой деятельностью.

2. Предложены модели андеррайтинга для индивидуального ДМС, которые дают возможность классифицировать поступающие на страхование риски и в соответствии с этим корректировать величину страхового тарифа. Следствием этого является устойчивость финансовых результатов по данному виду страхования к изменению структуры застрахованных.

3. Поставлена задача оценки и выбора ЛПУ СК в условиях ДМС и разработана методика для ее решения. Использование методики позволяет снизить риск на этапе оказания медицинской помощи застрахованным.

4. Снижение риска превышения операционных издержек происходит за счет использования новой модели определения величины нагрузки.

5. Разработано программное обеспечение для предложенной системы, которое позволяет осуществлять поддержку принятия решений при управлении страховой деятельностью компании ДМС.

6. Проведенный на основе реальных данных анализ показал работоспособность и эффективность предложенных моделей андеррайтинга.

- Применение пороговых значений и тарифов, рассчитанных по модели классификации клиентов СК на основе 1ЮС-анализа для первой выборки, позволило при проведении эксперимента на второй выборке стабилизировать прибыльность договоров страхования в группах риска. С учетом поправочных коэффициентов к базовой величине тарифа для второй выборки уровень прибыльности в группах риска колеблется от 22% до 33%, в то время как для стандартных условий страхования он изменяется от 67% (для 1 ГР) до -94% (для 3 ГР).

- Применение тарифов, рассчитанных по модели формирования индивидуального коэффициента на основе МАИ Саати для первой выборки, позволило при проведении эксперимента на второй выборке стабилизировать прибыльность договоров страхования для различных интервалов значений ИК. С учетом поправочных коэффициентов к базовой величине тарифа уровень прибыльности для различных интервалов значений ИК колеблется от 9% до 16%, в то время как для стандартных условий страхования он изменяется от -60% до 80%.

7. Эффективность системы аналитической поддержки деятельности компании ДМС заключается:

- в предоставлении пользователям системы возможности получать динамические отчеты;

- в возможности использования накопленных в системе данных для поддержки процессов управления страховой деятельностью компании;

- в сокращении временных затрат - с использованием системы среднее время на заключение договоров страхования уменьшилось на 25% (для модели на основе ЛОС-анализа) и 66% (для модели на основе МАИ Саати), а среднее

время на проведение технической экспертизы счетов, поступающих от ЛПУ, снизилось на 10-12 минут.

СПИСОК ПУБЛИКАЦИЙ

1. Николаева М.А., Юнцевич (Зотова) О.Ф. Автоматизированная система построения рейтингов: математическое обеспечение // Принятие решений в условиях неопределенности: Межвуз. науч. сб. Уфа: УГАТУ, 2003. С. 106-112.

2. Николаева М.А., Юнцевич (Зотова) О.Ф. Методы и алгоритмы построения рейтингов // Информационные технологии. 2003. № 12. С. 7-18.

3. Николаева М.А., Юнцевич (Зотова) О.Ф. Программное обеспечение компаний добровольного медицинского страхования // Компьютерные науки и информационные технологии (CSIT'2003): Тр. 5-го Междунар. симп. Уфа: УГАТУ, 2003. Т. 2. С. 35-37. (Статья на англ. яз.)

4. Николаева М.А., Зотова О.Ф. Андеррайтинг добровольного медицинского страхования // Компьютерные науки и информационные технологии (CSIT'2004): Тр. 6-го Междунар. симп. Будапешт, Венгрия, 2004. Уфа: УГАТУ, 2004. Т. 2. С. 164-170. (Статья на англ. яз.)

5. Николаева М.А., Зотова О.Ф. OLAP как средство решения задач андеррайтинга // Принятие решений в условиях неопределенности. Вопросы моделирования. Межвуз. науч. сб. Уфа: УГАТУ, 2004. Вып. 1. С. 85-91.

6. Николаева М.А., Зотова О.Ф. Сравнительный анализ программного и математического обеспечения для решения задач добровольного медицинского страхования // Информационные технологии. 2005. № 8. С. 72-79.

7. Николаева MA., Зотова О.Ф., Гареева Э.М., Стрельцов И.С. Анализ и прогнозирование временных рядов с помощью метода «Гусеница» в задачах добровольного медицинского страхования // Компьютерные науки и информационные технологии (CSIT'2005): Тр. 7-го Междунар. симп. Уфа, Россия, 2005. Уфа: УГАТУ, 2005. Т. 1. С. 102-107. (Статья на англ. яз.)

8. Николаева М.А., Зотова О.Ф., Шаяхметова Ю.А. Подходы к оценке индивидуальных рисков в добровольном медицинском страховании // Математические методы и информационные технологии в экономике, социологии и образовании: Сб. статей XV Междунар. науч.-техн. конф. Пенза: Приволжск. Дом знаний, 2005. С. 173-176.

9. Салихова Э.Ш., Николаева М.А., Зотова О.Ф. Оценка и выбор лечебно-профилактических учреждений в условиях добровольного медицинского страхования // Менеджер здравоохранения. 2005. № 7. С. 29-38.

Диссертант

--

О.Ф. Зотова

ЗОТОВА Ольга Федоровна

СИСТЕМА АНАЛИТИЧЕСКОЙ ПОДДЕРЖКИ ДЕЯТЕЛЬНОСТИ КОМПАНИИ ДОБРОВОЛЬНОГО МЕДИЦИНСКОГО СТРАХОВАНИЯ

Специальность: 05.13.10-Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Подписано к печати 07.11.2005. Формат 60x84 1/16. Бумага офсетная. Печать плоская. Гарнитура Times New Roman. Усл. печ. л. 1,0. Усл. кр.-отт. 1,0. Уч.-изд. л. 0,9. Тираж 100 экз. Заказ № 487

Уфимский государственный авиационный технический университет Центр оперативной полиграфии 450000, Уфа-центр, ул. К. Маркса, 12

№234 94

РНБ Русский фонд

2006-4 27066

Введение.

Глава 1. Обзор математического обеспечения и информационных систем для компаний ДМС.

1.1 Подходы к формированию тарифов.

1.2 Современные подходы к решению задачи андеррайтинга в ДМС.

1.3 Современные подходы к автоматизации СК ДМС.

Выводы по первой главе.

Глава 2. Математические подходы к решению задач ДМС.

2.1 Методы решения задачи андеррайтинга первого типа в ДМС.

2.2 Модель определения величины нагрузки при разработке страхового тарифа.

2.3 Построение рейтинга J ill У в условиях ДМС.

Выводы по второй главе.

Глава 3. Анализ результатов применения моделей количественной оценки рисков и методики построения рейтинга ЛПУ в условиях ДМС.

3.1 Основные этапы разработки анкеты по программе амбулаторнополиклинического обслуживания.

3.2 Результаты применения моделей андеррайтинга.

3.3 Применение методики построения рейтинга ЛПУ.

Выводы по третьей главе.

Глава 4. Описание системы аналитической поддержки деятельности компании ДМС.,.

4.1 Концепция построения системы аналитической поддержки деятельности компании ДМС.

4.2 Функциональная модель и структура системы.

4.3 Описание функциональных подсистем.

4.4 Использование концепции многомерных данных и OLAP- технологии при разработке системы и программного обеспечения для нее.

4.5 Уровни доступа и пользователи системы.

4.6 Архитектура системы, средства проектирования и разработки программного обеспечения.

4.7 Оценка временной эффективности использования системы.

Выводы по четвертой главе.

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).

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 (ЛПУ) 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, P.JI. 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.

1. 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.

2. 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.

3. Разработать модель определения величины нагрузки при формировании тарифа для договоров ДМС.

4. Для снижения рисков на этапе оказания медицинских услуг застрахованным разработать методику построения рейтинга лечебно-профилактических учреждений с точки зрения страховой компании в условиях

ДМС.

5. 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:

1. Концепция построения системы аналитической поддержки деятельности компании ДМС.

2. Модели проведения процедуры андеррайтинга индивидуального ДМС.

3. Модель определения величины нагрузки при формировании тарифа для договоров индивидуального ДМС.

4. Методика построения рейтинга ЛПУ в условиях ДМС.

5. Программное обеспечение системы аналитической поддержки деятельности компании ДМС на основе предложенной концепции, моделей и методики.

Научная новизна работы состоит в следующем.

1. Новизна предложенной концепции заключается в использовании OLAP-технологии и наличии подсистемы для решения задач актуарных расчетов, в том числе задачи андеррайтинга.

2. 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.

3. Впервые сформулирована задача построения рейтинга ЛПУ в условиях ДМС. Новизна методики построения рейтинга ЛПУ состоит в использовании многокритериальной функции для их оценки.

4. 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,

1.2. при определении величины нагрузки,

1.3. при выборе поставщиков медицинских услуг,

1.4. 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),

- II-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.

Выводы по четвертой главе

1. Риск, лежащий в основе индивидуального страхования, связан в первую очередь с корректностью применяемых страховых тарифов и моделей андеррайтинга. Использование для решения этих задач качественной страховой статистики позволяет улучшить результаты. Именно этим обосновано введение в структуру системы подсистемы актуарных расчетов.

2. Представление накапливаемой в системе оперативной информации в многомерном виде и применение OLAP-технологии при разработке программного обеспечения системы позволяет решать задачи актуарных расчетов, андеррайтинга, анализа и прогнозирования страховой деятельности на качественно новом уровне.

3. Наличие модуля для построения аналитического рейтинга ЛПУ, учитывающего мнения группы экспертов, а также ряд объективно измеряемых параметров деятельности ЛПУ, обеспечивает поддержку еще одного важного аспекта управления страховой деятельностью - оценку и выбор поставщиков медицинских услуг.

4. В качестве дальнейших направлений развития системы автор видит:

- реализацию модуля для расчета резервов с возможностью настройки алгоритмов расчета резервов;

- расширение подсистемы «Договоры страхования» до полноценной CRM-системы (Customer Relationship Management - управление отношениями с клиентами), обеспечивающей весь цикл продажи страхового продукта от разработки предварительного предложения до заключения и ведения договора.

133

Заключение

Основными результатами и выводами диссертационной работы являются следующие.

1. Предложена концепция построения системы аналитической поддержки деятельности компании ДМС, которая позволяет снизить технические риски компании ДМС при управлении страховой деятельностью.

2. Предложены модели андеррайтинга для индивидуального ДМС, которые дают возможность классифицировать поступающие на страхование риски и в соответствии с этим корректировать величину страхового тарифа. Следствием этого является устойчивость финансовых результатов по данному виду страхования к изменению структуры застрахованных.

3. Поставлена задача оценки и выбора ЛПУ СК в условиях ДМС и разработана методика для ее решения. Использование методики позволяет снизить риск на этапе оказания медицинской помощи застрахованным.

4. Снижение риска превышения операционных издержек происходит за счет использования новой модели определения величины нагрузки.

5. Разработано программное обеспечение для предложенной системы, которое позволяет осуществлять поддержку принятия решений при управлении страховой деятельностью компании ДМС.

6. Проведенный на основе реальных данных анализ показал работоспособность и эффективность предложенных моделей андеррайтинга.

- Применение пороговых значений и тарифов, рассчитанных по модели классификации клиентов СК на основе ROC-анализа для первой выборки, позволило при проведении эксперимента на второй выборке стабилизировать прибыльность договоров страхования в группах риска. С учетом поправочных коэффициентов к базовой величине тарифа для второй выборки уровень прибыльности в группах риска колеблется от 22% до 33%, в то время как для стандартных условий страхования он изменяется от 67% (для первой группы риска) до -94% (для третьей группы риска).

- Применение тарифов, рассчитанных по модели формирования индивидуального коэффициента на основе МАИ Саати для первой выборки, позволило при проведении эксперимента на второй выборке стабилизировать прибыльность договоров страхования для различных интервалов значений индивидуальных коэффициентов. С учетом поправочных коэффициентов к базовой величине тарифа уровень прибыльности для различных интервалов значений индивидуальных коэффициентов колеблется от 9% до 16%, в то время как для стандартных условий страхования он изменяется от -60% до 80%.

7. Эффективность системы аналитической поддержки деятельности компании ДМС заключается:

- в предоставлении пользователям системы возможности получать динамические отчеты;

- в возможности использования накопленных в системе данных для поддержки процессов управления страховой деятельностью компании;

- в сокращении временных затрат - 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), а среднее время на проведение технической экспертизы счетов, поступающих от ЛПУ, снизилось на 10-12 минут.

1. Алкоголь под прицелом Электронный ресурс. // ФОНТАНКА.РУ. -2001. 14 июня. Режим доступа : http://old.fontanka.ra/socie1y.thtml?mday=9&mon=6&year=2001 &id=45733103.

2. Анализ управления здравоохранением в Ярославской области. Аналитический доклад / Н.П. Антипова и др.. М.: 1999. - 74 с.

3. Андрейчиков, А.В. Анализ, синтез, планирование решений в экономике / А.В. Андрейчиков, О.Н. Андрейчикова. М.: Финансы и статистика, 2001. - 368 с.

4. Апанасенко, Г.Л. Индивидуальное здоровье: сущность, механизмы, проявления / Г.Л. Апанасенко // Гигиена и санитария.-2004. № 1. - С.60-63.

5. Балдин, К.В. Математические методы в экономике. Теория, примерные варианты контрольных работ: Учеб. пособие / К.В. Балдин, О.Ф. Быстров -М.: Издательство Московского психологического социального института; Воронеж: Издательство НПО «МОДЭК», 2003. 54 с.

6. Буравцов, Е.В. Построение диагностической процедуры при первичном анализе клинических данных / Е.В. Буравцов, М.А.Николаева, С.Ю. Рудерман // Принятие решений в условиях неопределенности. Межвузовский научный сборник. Уфа: УГАТУ, 2002. - С. 19-24.

7. Буравцова, Т.Б. Информационное обеспечение страховой деятельности Электронный ресурс. : дис. . канд. экон. наук : 08.00.13. -Москва, 1999. 124 с. http://diss.rsl.ru/diss/03/0230/030230020.pdf

8. Бурков, В.Н. Механизмы страхования в социально-экономических системах / В.Н. Бурков, А.Ю. Заложнев, О.С. Кулик, Д.А. Новиков М.: ИПУ РАН, 2001.- 109 с.

9. Всероссийский Союз Страховщиков Электронный ресурс. Режим доступа: www.ins-union.ru.

10. Герасимова, И.А. Статистический анализ тарифной политики в медицинском страховании Электронный ресурс.: дис. . канд. экон. наук : 08.00.12. Москва, 2002. - 173 с. http://diss.rsl.ru/diss/03/0533/030533035.pdf.

11. Голубин, А.Ю. Математические модели в теории страхования: построение и оптимизация / А.Ю. Голубин. М.: АНКИЛ, 2003. - 160 с.

12. Голяндина, Н.Э. Метод «Гусеница»- SSA: анализ временных рядов: Учеб. Пособие / Н.Э. Голяндина. СПб.: С.-Петербургский государственный университет, 2004. -76 с.

13. Голяндина, Н.Э. Метод «Гусеница»- SSA: прогноз временных рядов: Учеб. пособие/ Н.Э. Голяндина. СПб.: С.-Петербургский государственный университет, 2004. - 52 с.

14. Грищенко, Н.Б. Добровольное медицинское страхование: Основы современной практики / Н.Б. Грищенко, В.А. Клевно, В.В. Мищенко. -Барнаул: Изд-во Алт. ун-та, 2001. 78 с.

15. Грищенко, Н.Б. Основы страховой деятельности: Учебное пособие / Н.Б. Грищенко. Барнаул: Изд-во Алт. ун-та, 2001. - 274 с.

16. Группа ИНЭК Российские технологии для успешного бизнеса: Информационные технологии, Консалтинг, Аудит и Оценка, Бизнес-обучение Электронный ресурс. Режим доступа : http://www.inec.ru.

17. Диасофт Электронный ресурс. Режим доступа : http://www.diasoft.ru.

18. Дьюсон, P. SQL Server 2000. Программирование / Р. Дьюсон. М.: БИНОМ ЛЗ, 2002.-812 с.

19. Закон об организации страхового дела в Российской Федерации // Страховое дело. 2004. - № 4.

20. Зубец, А.Н. Маркетинговые исследования страхового рынка / А.Н. Зубец. М.: Центр экономики и маркетинга, 2001. - 224 с.

21. Корпорация ПАРУС корпоративные системы управления для предприятий и государственных структур Электронный ресурс. Режим доступа : http://www.parus.ru.

22. Кремер, Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов / Н.Ш. Кремер. М.: ЮНИТИ-ДАНА, 2002. - 543 с.

23. Кудрявцев, А.А. Страхование здоровья (опыт Великобритании) / А.А. Кудрявцев, Р.Г. Плам, F.B. Чернова. М.: «Анкил», 2003. — 216 с.

24. Литвак, Б.Г. Экспертная информация: методы получения и анализа / Б.Г. Литвак. М.: Радио и связь, 1982. - 184 с.

25. Медицинское страхование. Модуль 8: пер. с англ. Новосибирск: Общество сибирских актуариев и Институт актуариев Лондона, 1997 - 72 с.

26. Методики расчета тарифных ставок по рисковым видам страхования (утв. распоряжением Росстрахнадзора от 08.07.1993 № 02-03-36) // Финансовая газета. 1993. - № 40.

27. Линькова, И.В. Добровольные виды страхования в здравоохранении: организация, право, экономика / И.В. Линькова, Л.А. Габуева. М.: МЦФЭР, 2001. - 352 с.

28. Кини, Р.Л. Принятие решений при многих критериях: предпочтения и замещения / Р.Л. Кини, X. Райфа X: пер. с англ. / под ред. И.Ф. Шахнова. -М.: Радио и связь, 1981.- 560 с.

29. Кузнецова, Н.П. Европейское страховое законодательство: оценка платежеспособности страховых компаний по рисковым видам страхования / Н.П. Кузнецова, Г.В. Чернова. СПб.: Институт страхования, 2002. - 54 с.

30. МедАСС Медицинская Автоматизированная Страховая Система. Электронный ресурс. Режим доступа : http://www.medost.ru.

31. Миркин, Б.Г. Проблема группового выбора / Б.Г. Миркин. М.: Издательство «Наука», Главная редакция физико-математической литературы, 1974.-256 с.

32. Николаева, М.А. Автоматизированная система построения рейтингов / М.А. Николаева, О.Ф. Юнцевич (Зотова) // Компьютерное моделирование 2003: Труды Международной научно-технической конференции СПб.: «Нестор», 2003. - С. 333-335.

33. Николаева, М.А. Автоматизированная система построения рейтингов: математическое обеспечение / М.А. Николаева, О.Ф. Юнцевич (Зотова) // Принятие решений в условиях неопределенности. Межвузовский научный сборник Уфа: УГАТУ, 2003. - С. 106-112.

34. Николаева, М.А. Методы и алгоритмы построения рейтингов / М.А. Николаева, О.Ф. Юнцевич (Зотова) // Информационные технологии. -2003.-№ 12.-С. 7-18.

35. Николаева, М.А. Сравнительный анализ программного и математического обеспечения для решения задач добровольного медицинского страхования / М.А. Николаева, О.Ф. Зотова // Информационные технологии. 2005. -№ 8. - С. 72 - 79.

36. Николаева М.А. OLAP как средство решения задач андеррайтинга / М.А. Николаева, О.Ф. Зотова // Принятие решений в условиях неопределенности. Вопросы моделирования. Межвузовский научный сборник. Уфа: УГАТУ, 2004. - Выпуск 1. - С. 85-91.

37. Николаева, М.А. ROC-анализ в андеррайтинге ДМС / М.А. Николаева, О.Ф. Зотова // Компьютерное моделирование 2004: Труды 5-й Международной научно-технической конференции. В 2 ч. СПб.: «Нестор», 2004.-Ч. 2. -С. 110-111.

38. Николенко, Н.П. Реинжиниринг страховой компании / Н.П. Николенко. М.: Страховое ревю, 2001. - 100 с.

39. Обзор возможностей применения ведущих СУБД для построения хранилищ данных (DataWarehouse) Электронный ресурс.: Режим доступа : http://www.citforum.ru/database/kbd98/glayal 5.shtml.

40. Основные показатели медицинского обслуживания населения РБ по данным годовых статистических отчетов за 2000 г. Уфа: Министерство здравоохранения РБ, Республиканское Бюро медицинской статистики, 2002.

41. Основные показатели медицинского обслуживания населения РБ по данным годовых статистических отчетов за 2002 г. Уфа: Министерство здравоохранения РБ, Республиканское Бюро медицинской статистики, 2003.

42. Правила добровольного медицинского страхования ООО «Росгострах-Аккорд» Уфа : ООО «Росгострах-Аккорд», 2002.

43. Правила Кодда Электронный ресурс. Режим доступа : http://www.isot.ru.

44. Представление знаний и использование знаний / под ред. X. Уэно и др.. М.: Мир, 1989. - 220 с.

45. Решетников, А.В. Методика проведения медико-социологических исследований / А.В.Решетников, С.А. Ефименко, JI.M. Астафьев. М.: ГЭОТАР-МЕД, 2003. - 96 с.

46. Салин, В.Н. Математико-экономическая методология анализа рисковых видов страхования / В.Н. Салин, Л.В. Абламская, О.Н. Ковалев. -М.: АНКИЛ, 1997. 126 с.

47. Система ГАРАНТ законодательство с комментариями. Законы, Указы, Постановления Электронный ресурс. Режим доступа : http://science.garant.ru/public/default.asp ?по=12023005.

48. Смирнов, Э.А. Разработка управленческих решений: Учебник для вузов / Э.А. Смирнов. М.: ЮНИТИ-ДАНА, 2000. - 271 с.

49. Салихова, Э.Ш. Оценка и выбор лечебно-профилактических учреждений в условиях добровольного медицинского страхования / Э.Ш. Салихова, М.А. Николаева, О.Ф. Зотова // Менеджер здравоохранения. -2005.-№7.-С. 29-38.

50. Чернова, Г.В. Андеррайтинг личного страхования / Г.В. Чернова, А.А. Кудрявцев, Н.В. Хованов. СПб.: Институт страхования, 1996. - 168 с.

51. Чернова, Г.В. Основы экономики страховой организации по рисковым видам страхования / Г.В.Чернова. СПб.: Питер, 2005. - 240 с.

52. Четыркин, Е.М. Актуарные расчеты в негосударственном медицинском страховании / Е.М. Четыркин. 2-е изд., испр. - М.: Дело, 2000. -120 с.

53. Что такое артериальное давление Электронный ресурс. Режим доступа: http://clubmir.narod.ru/davlenie.html.

54. Шелобаев, С.И. Математические методы и модели в экономике, финансах, бизнесе: Учебное пособие для вузов / С.И. Шелобаев. М.: ЮНИТИ-ДАНА, 2000. - 367 с.

55. INTRAS-4 Электронный ресурс. Режим http://www.instras.ru.

56. LUMENA Электронный ресурс. Режим http://www.lumena.ru.

57. OLAP Электронный ресурс.: Режим http://www.permonline.ru/~enter/june/olap.htm.

58. OLAP.ru Электронный ресурс.: Режим доступа : http://www.olap.ru.

59. SQL .RU Электронный ресурс.: Режим доступа : http://www.sql.ru.

60. Data Modeling Techniques for Data Warehousing / C. Ballard and others. San Jose, California : International Technical Support Organization, 1998.- 197 p.доступа доступа доступа

61. Hanley, J. Receiver operating characteristic (ROC) mythology: the state of the art / J. Hanley // Critical Reviews in Diagnostic Imaging. 1989. - № 29 (3). -P. 307-335.

62. Signal detection theory and ROC analysis / J. Egan. New York: Academic Press, 1975.