Mevcut rekabet koşullarında sigorta şirketleri için doğru risk maliyetini belirlemek artık tek başına yeterli değildir. Müşteri davranışını öngörmek ve proaktif adımlar atarak müşteri ömrünü uzatmak, dillerden düşmeyen “Karlı Büyüme” hedefine ulaşma yolunda atılacak en öncelikli adımlardan biri olarak görülmektedir.
“Çıkış/Talep” modellemesi, müşteri davranışını öngörmeye yönelik faaliyetlerin başında gelmektedir. Bu amaçla en çok kullanılan yöntem ise lojistik regresyondur.
Derslerde gördüğümüz üzere regresyon analizi, iki ya da daha çok değişken arasındaki ilişkiyi ölçmek için kullanılan analiz metodudur. İlk olarak, kendisini rahmetle andığımız, Francis Galton tarafından bugünkü tanımına en yakın hali ile kullanılan doğrusal regresyon analizinde, bağımlı değişken ve bağımsız değişken(ler) sayısal olarak belirtilir (yaş ile nabız sayısı arasındaki ilişki vb) ve aralarında tutarlı bir ilişki olduğu varsayılır. Doğrusal kavramı farklı yerlerde normal kavramı ile eş anlamlı olarak kullanılabilir. Buradaki temel unsur regresyon sonucunda elde edilen hataların normal dağılıma uyup uymadığıdır. Zaten durum hep böyle olmadığındandır ki John Nelder ve Robert Wedderburn “Genelleştirilmiş Doğrusal Modelleri (GLM)” yaklaşımını sunmuşlardır. “Bağımlı değişken”’in nitelik olarak belirtildiği durumlarda, bağımsız değişken ya da değişkenlerle arasındaki ilişki lojistik regresyon benzeri sınıflandırma yöntemleri ile aranır. Bugün “İstatistiki Öğrenme” başlığı altında ancak ölümsüz olmamız durumunda hepsine aşina olabileceğimiz kadar çok yöntem barınmakta olsa da bu gibi bilim adamlarının alçak gönüllü merakı sayesinde oluşturdukları kıvılcımlar her şeyin başlangıcı olmuştur.
Biraz geriye dönüp saygımızı sunduktan sonra, kısaca lojistik regresyon yönteminin “Çıkış/Talep” modelleme alanında kullanımından bahsetmek gerekir ise;
Belli bir an itibariyle portföyün bir fotoğrafı çekilir ve yürürlükte olan müşteriler “0”, ayrılanlar ise “1” rakamları ile kategorize edilir. Böylece binom aileden bir genelleştirilmiş model kullanarak, her bir müşteriye bir ayrılma/yenileme olasılığı atamak ve yaş, cinsiyet ya da fiyat değişimi gibi kriterlere bağlı olarak bu olasılıkların nasıl değişeceğini öngörmek mümkün olmaktadır.
Aşağıdaki link vasıtası ile ulaşabileceğiniz “Estimating Insurance Attrition Using Survival Analysis” adlı yazıda, survival (yürülüğün devamı) analizi, yaygın olarak kullanılan Lojistik Regresyon yöntemine bir alternatif olarak sunulmuştur.
http://www.variancejournal.org/issues/?fa=article&abstrID=7100
Kısaca yazının ana fikri üzerine konuşmak gerekir ise;
Lojistik regresyon yöntemi ile bir müşterinin ayrılma olasılığına dair bir değerlendirme yapmak mümkün iken ayrılma eyleminin ne zaman gerçekleşeceğine dair bir sinyal elde edilememektedir. Yürürlüğün devamına dair analizler ile müşterinin belirli bir andaki durumu (1/0) yerine yürürlükte olduğu süre bir değişken olarak ele alınmakta ve böylece müşterinin portföyden ne zaman ayrılacağına dair bir tahmin yürütülebilmektedir. Yine aynı modelin çıktısı kullanılarak herhangi bir an itibariyle ayrılma olasılığı da hesaplanabilmektedir. Bu da şirketlerin, sadece yenileme faaliyetlerine dair değil yıl içindeki ayrılmalara dair de daha fazla bilgi sahibi olmalarını sağlamaktadır.
Lojistik regresyonun kullanımı daha kolay bir yöntem olduğu aşikar ancak aktüerlerin daha fazla değer yaratmak için bazen farklı veya yeni yolları denemesi gerekir. Sürekli farklı vakalar ve zorluklar ile karşılaştığımız bir sektörde, cevapların aynı yerde olacağını ummak fazla iyimser bir yaklaşım olacaktır.
Not: Başarı ve süreklilik ancak yeni şeyler öğrenerek daha da önemlisi öğreterek elde edilebilir.
Yazar: Primus Inter Pares
Aktüer Dünyası 
Tartışma
Henüz yorum yapılmamış.