การพัฒนาและเปรียบเทียบตัวแบบการพยากรณ์เบี้ยประกันภัยรับรวมของบริษัทประกันชีวิตในประเทศไทยโดยใช้เทคนิคเหมืองข้อมูล
DOI:
https://doi.org/10.14456/jcct.2025.12คำสำคัญ:
เบี้ยประกันภัยรับรวม, การทำเหมืองข้อมูล, การบริหารความเสี่ยงในธุรกิจประกันภัย, การพยากรณ์ทางเศรษฐกิจ, โครงข่ายประสาทเทียมบทคัดย่อ
การพยากรณ์เบี้ยประกันภัยรับรวมของบริษัทประกันชีวิตอย่างแม่นยำ มีความสำคัญต่อการวางแผนกลยุทธ์ การบริหารความเสี่ยง และการกำหนดนโยบายในอุตสาหกรรมประกันชีวิตของประเทศไทย งานวิจัยที่ผ่านมาโดยมากมักใช้แบบจำลองทางสถิติดั้งเดิมซึ่งมีข้อจำกัดในการจัดการกับข้อมูลที่มีความสัมพันธ์แบบไม่เชิงเส้นอย่างซับซ้อน งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อพัฒนาและเปรียบเทียบตัวแบบการพยากรณ์เบี้ยประกันภัยรับรวม โดยประยุกต์ใช้เทคนิคการทำเหมืองข้อมูล โดยใช้ชุดข้อมูลรายเดือนเป็นระยะเวลา 12 ปี ตั้งแต่เดือนมกราคม พ.ศ. 2555 ถึงเดือนธันวาคม พ.ศ. 2566 รวมจำนวนทั้งสิ้น 144 รายการ และวิเคราะห์ข้อมูลตามกระบวนการมาตรฐานการทำเหมืองข้อมูล (CRISP-DM) ตัวแบบที่ใช้ในการเปรียบเทียบประกอบด้วย 4 เทคนิค ได้แก่ เทคนิคต้นไม้ตัดสินใจ เทคนิคต้นไม้ป่าสุ่ม เทคนิคซัพพอร์ตเวกเตอร์แมชชีน และเทคนิคโครงข่ายประสาทเทียม ผลการวิเคราะห์แสดงให้เห็นว่า เทคนิคโครงข่ายประสาทเทียมมีความแม่นยำสูงที่สุด โดยมีค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (MSE) เท่ากับ 1,174,870.83 ค่ารากที่สองของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) เท่ากับ 1,083.91 ค่าเปอร์เซ็นต์ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) เท่ากับ 2.53% และค่าสัมประสิทธิ์การตัดสินใจ (R²) เท่ากับ 97.60% ซึ่งสะท้อนถึงประสิทธิภาพในการพยากรณ์ที่เหนือกว่าเทคนิคอื่น ๆ ผลการศึกษานี้สามารถนำไปประยุกต์ใช้ในการพัฒนาระบบการพยากรณ์เบี้ยประกันภัยรับรวม เพื่อสนับสนุนการวางแผนเชิงกลยุทธ์ การบริหารความเสี่ยง และเพิ่มความแม่นยำของระบบการคำนวณเบี้ยประกันภัยของบริษัทประกันชีวิตในประเทศไทย
Downloads
เอกสารอ้างอิง
Bangkok Biz News. (2024). Life Insurance Business in the First Half of 2024: Total Premiums Received Reach 310 Billion Baht, Up 3.8%. https://www.bangkokbiznews.com/finance/investment/1138229. (In Thai)
Bank of Thailand. (2024a). Broad Money Supply. https://app.bot.or.th/BTWS_STAT/statistics/BOTWEBSTAT.aspx?reportID=7&language=TH. (In Thai)
Bank of Thailand. (2024b). Business Confidence Index. https://app.bot.or.th/BTWS_STAT/statistics/BOTWEBSTAT.aspx?reportID=405&language=TH. (In Thai)
Bank of Thailand. (2024c). Fixed Deposit Interest Rates. Retrieved August 3, 2024, from https://www.bot.or.th/th/statistics/interest-rate.html. (In Thai)
Chowdhury, R. S., Islam, M. A., Yusuf, D. H. B. M., Amin, M. B., Hassan, M. S., Barua, S., & Abdullah, M. (2024). Implications of Artificial Intelligence (AI) and Machine Learning-based Fintech for the Financial Assets Related Traditional Investment Theories. Journal of Infrastructure, Policy and Development, 8(12), 7415. https://doi.org/10.24294/jipd.v8i12.7415.
Hangkaew, C., Sinsomboonthong, J., & Supapakorn, T. (2020). Prediction of choosing types of insurance for the customers. Huachiew Chalermprakiet Science and Technology Journal, 6(2), 81–95. (In Thai)
Huadsri, S., & Phaphan, W. (2024). The Development of Forecasting Models for Life Insurance Data by Employing Time-series Analysis and Machine Learning Technique. WSEAS Transactions on Mathematics, 23, 196–205. https://doi.org/10.37394/23206.2024.23.23.
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts.
Investing. (2024). Thailand 10-Years Government Bond Yield. https://th.investing.com/rates-bonds/thailand-10-year-bond-yield-historical-data. (In Thai)
Kittibawornkul, W., Nonsiri, S., & Kamin, P. (2022). The Comparison of Machine Learning Algorithms for Predictive Maintenance of Aircraft Engine. APHEIT Journal (Science and Technology), 11(1), 1–14. (In Thai)
Kreuger, L. W., & Neuman, W. L. (2005). Social Work Research Methods: Qualitative and Quantitative Appro aches With Research Navigator. Pearson.
Phaphan, W., & Puttamat, W. (2023). The Comparison of Forecasting Models for Total Premiums of Life Insurance Companies in Thailand. Huachiew Chalermprakiet Science and Technology Journal, 9(2), 64-74. (In Thai)
Sangsri, P., & Chaiwuttisak, P. (2021). Hybrid of Neural Network and Markov Chain Method for Predicting PM2.5 Concentrations. Thai Science and Technology Journal, 29(5), 752–765. (In Thai)
Sanguansat, P. (2019). Artificial Intelligence with Machine Learning. IDC Premier. (In Thai)
SET Index. (2024). Stock Exchange of Thailand Price Index. https://www.set.or.th/static/mktstat/Table_Index.xls?001. (In Thai)
Sukprasert, A. (2023). Data Mining with RapidMiner Studio (5th ed.). Mahasarakham University. (In Thai)
Thai Life Assurance Association. (2024a). Asset Turnover Rate. https://www.tlaa.org/download.php?cid=26&cname=&show=0. (In Thai)
Thai Life Assurance Association. (2024b). Debt to Equity Ratio. https://www.tlaa.org/download.php?cid=26&cname=&show=0. (In Thai)
Thai Life Assurance Association. (2024c). Gross Written Premium. https://www.tlaa.org/page_statistics_new.php?cid=79&cname. (In Thai)
Thai Life Assurance Association. (2024d). Net Insurance Premium Received. https://www.tlaa.org/download.php?cid=26&cname=&show=0. (In Thai)
Thai Life Assurance Association. (2024e). Overview of the Life Insurance Business in the First Half of 2024. https://www.tlaa.org/page_bx.php?cid=23&cname=&cno=1805. (In Thai)
Thai Life Assurance Association. (2024f). Return on assets (ROA). https://www.tlaa.org/download.php?cid=26&cname=&show=0. (In Thai)
Thai Reinsurance Public Company Limited. (2020). Annual Report 2020. https://thre.listedcompany.com/misc/ar/20210322-thre-ar-2020-en.pdf.
Trade Policy and Strategy Office. (2024). General Consumer Price Index Analysis Report in August 2024. https://index.tpso.go.th/cpi/index-analysis-report/1. (In Thai)
Varadarajan, V., & Kakumanu, V. K. (2024). Evaluation of Risk Level Assessment Strategies in Life Insurance: A Review of the Literature. Journal of Autonomous Intelligence, 7(5), 1147. https://doi.org/10.32629/jai.v7i5.1147.
Wanon, S., & Muangsan, R. (2021). Improving Prediction Models of Student Business Career Using Sampling Techniques for Learning in Multi-class Imbalance Data Set. Journal of Chaiyaphum Review, 4(1), 39–49. (In Thai)
Zhou, Z. H. (2021). Machine Learning. Springer Singapore. https://doi.org/10.1007/978-981-15-1967-3.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
หมวดหมู่
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารคอมพิวเตอร์และเทคโนโลยีสร้างสรรค์
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
