การเปรียบเทียบตัวแบบการพยากรณ์เบื้ยประกันชีวิตรายใหม่ประเภทสามัญด้วยวิธีปรับให้เรียบเอ็กซ์โปเนนเชียลแบบโฮลท์-วินเทอร์ วิธีบ๊อกซ์-เจนกินส์ และวิธีโครงข่ายประสาทเทียม

Comparison of forecasting models for first year premium of ordinary insurances by holt-winters exponential smoothing, box-jenkins and artificial neural networks methods

Name: นฤดล พิทักษ์วิทยกูล

ThaSH: ประกันชีวิต -- พยากรณ์

ThaSH: พยากรณ์แบบบอกซ์-เจนกินส์

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

LCSH: Life insurance -- Forecasting

LCSH: Box-Jenkins forecasting

LCSH: Neural networks (Computer science)

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาหาตัวแบบสำหรับการพยากรณ์เบี้ยประกันชีวิตรายใหม่ประเภทสามัญโดยใช้ข้อมูลจากสำนักงานคณะกรรมการกำกับและส่งเสริมการประกอบธุรกิจประกันภัย (คปภ.) ตั้งแต่เดือนมกราคม พ.ศ. 2546 ถึงเดือนธันวาคม พ.ศ. 2561 จำนวนทั้งสิ้น 192 ค่า ซึ่งผู้วิจัยได้แบ่งข้อมูลออกเป็น 2 ชุด ดังนี้ ชุดที่ 1 เป็นข้อมูลตั้งแต่เดือนมกราคม พ.ศ. 2546 ถึงเดือนธันวาคม พ.ศ. 2560 สำหรับการสร้างตัวแบบพยากรณ์ด้วยวิธีปรับให้เรียบเอ็กซ์โปเนนเชียลแบบโฮลท์-วินเทอร์ วิธีบ็อกซ์-เจนกินส์ และวิธีโครงข่ายประสาทเทียม โดยใช้เกณฑ์ค่ารากที่สองของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ในการเลือกตัวแบบ ส่วนชุดที่ 2 เป็นข้อมูลตั้งแต่เดือนมกราคม พ.ศ. 2561 ถึงเดือนธันวาคม พ.ศ. 2561 สำหรับการวัดประสิทธิภาพของตัวแบบพยากรณ์โดยใช้เกณฑ์ค่าเฉลี่ยของเปอร์เซ็นต์ค่าคลาดเคลื่อนสมบูรณ์ (Mean Absolute Percentage Error : MAPE) เพื่อแสดงเปอร์เซ็นต์ความแตกต่างระหว่างค่าจริงกับค่าพยากรณ์ ผลการศึกษาพบว่าตัวแบบพยากรณ์ที่ได้จากวิธีปรับเรียบเอ็กซ์โปเนนเชียลแบบโฮลท์-วินเทอร์เป็นวิธีที่มีเหมาะสมและมีความถูกต้องมากที่สุด ซึ่งให้ค่า RMSE ต่ำสุด เมื่อใช้ตัวแบบพยากรณ์ที่ได้จากวิธีปรับเรียบเอ็กซ์โปเนนเชียลแบบโฮลท์-วินเทอร์พยากรณ์เบี้ยประกันชีวิตรายใหม่ประเภทสามัญจะได้ MAPE เท่ากับ 15.55%

Abstract: The objective of this research was to study forecasting models for the life insurance first year premium of ordinary product. The premium data was gathered from the Office of Insurance Commission (OIC) during January, 2003 to December, 2018 of 192 VALUes were used and divided into 2 Sets. The first set of data from January, 2003 to December, 2017 was applied for constructing forecasting models by Holt- Winters Exponential Smoothing Method (HWS), Box- Jenkins method and Artificial Neural Networks and employed Root Mean Square Error (RMSE) as the criteria for model selection. The second set of data from January, 2018 to December, 2018 Was used to measure the performance of forecasting model by using Mean Absolute Percentage Error (MAPE) to show the percentage error between real data and forecast value. The result showed that the forecasting model by Holt-Winters Exponential Smoothing Method was the appropriate method and had the highest forecasting accuracy which gave the minimum RMSE and MAPE was 15.55% when employing this method to forecast the life insurance first year premium of ordinary product.

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: สมศรี บัณฑิตวิไล

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์

Email : somsri.ba@kmitl.ac.th

Created: 2563

Modified: 2564-07-12

Issued: 2564-07-12

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติและการวิเคราะห์ธุรกิจ

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Fulltext Naruedon Phitakwittayakun.pdf	2 MB	7	2024-12-10 11:24:08

ใช้เวลา

0.02404 วินาที