فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۵۴۱ تا ۲٬۵۶۰ مورد از کل ۴٬۰۴۵ مورد.
مخالفان حذف رانت با چهره دلسوز و خیرخواه ظاهر می شوند
حوزه‌های تخصصی:
قدرت طبیعت
حوزه‌های تخصصی:
پر سودترین بانک ها
عملکرد بورس منطقه ای استان کرمان
حوزه‌های تخصصی:
ارائه الگوی بهینه آمیخته بازاریابی خدمات با هدف افزایش خرید بیمه نامه های عمر و پس انداز(مطالعه موردی: شرکت بیمه آسیا استان تهران
حوزه‌های تخصصی:
این بحث برای حالتی که پرتفوی بیمه گر شامل دو مخاطره وابسته است، ارائه شده است. برای وابستگی بین مخاطره ها نیز از الگوی وابستگی پواسون دو متغیره استفاده کرده ایم. برای یافتن حدود نگهداشت مخاطره ها از دو معیار استفاده می کنیم. اولین معیار، مطلوبیت مورد انتظار سرمایه برای یک دوره است که بیمه گر با ماکسیمم کردن آن نسبت به حدود نگهداشت مخاطره ها، جواب بهینه را به دست می آورد. دومین معیار، ضریب تعدیل ادعاهای خسارت تجمعی است که باز هم مانند بالا با ماکسیمم کردن آن حدود نگهداشت را محاسبه می کنیم. در هر دو معیار، از اصل مشابهی برای محاسبه حق بیمه اتکایی استفاده می کنیم. در نهایت، اگر چه دستگاه معادلاتی که در هر دو معیار، حدود نگهداشت بهینه را تعیین می کنند، مشابه هستند اما جواب مسئله کاملاً به معیار انتخابی بستگی دارد.
مسئولیت مالک کشتی و پوشش بیمه ای آن
حوزه‌های تخصصی:
نقش بیمه دریایی در پوشش مسئولیت مالک کشتی، اهمیت بسزایی دارد؛ اگر چه ممکن است که مالک کشتی، مبادرت به حمل ونقل کالا نماید و متصدی حمل ونقل نیز محسوب شود، اما مسئولیت های مالک کشتی باعنوان صرف مالکیت کشتی، مشتمل بر مواردی است که جدا از عنوان متصدی حمل ونقل است. مالکین کشتی علاوه بر این که مسئول اعمال و خطای خودشان هستند، مسئولیت عملیات فرمانده را در قراردادهایی که وی در ارتباط با وظایف خویش منعقد می کند و نیز مسئولیت عملیات خدمه کشتی و ماموران مجاز مالک را بر عهده دارند تحقیق حاضر، مسئولیت مالک کشتی، فرمانده کشتی، خدمه کشتی و پوشش بیمه ای آنها را بررسی می کند.
کاربرد شبکه های عصبی در رتبه بندی اعتباری متقاضیان وام فروش اقساطی(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روشهای هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، "شبکه های عصبی" به دلیل انعطاف پذیری بالاتر، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله، یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه می کنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدل های مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.