Data publikacji : 2025-02-17

Segmentacja wierzytelności przeterminowanych z sektora ubezpieczeń z wykorzystaniem algorytmów mieszanych danych

Abstrakt

Niniejsze opracowanie podejmuje tematykę segmentacji wierzytelności przeterminowanych z sektora ubezpieczeń, pochodzących z rynku wtórnego. Celem artykułu jest ocena efektywności zastosowania metody Fast K-Prototypes do segmentacji wierzytelności tego typu z uwzględnieniem wpływu parametrów modelu oraz jakości danych wejściowych na jakość uzyskanych wyników. Artykuł podejmuje także tematykę spłacalności wierzytelności z sektora ubezpieczeń i oceny ryzyka przez nie generowanego. Próba badawcza zawiera 2376 roszczeń regresowych z tytułu ubezpieczeń komunikacyjnych, które były nabywane w latach 2012 - 2023 przez polski podmiot zajmujący się działalnością windykacyjną.

Zastosowanie metody Fast K-Prototypes pozwoliło na podział wierzytelności na różne grupy ryzyka kredytowego, pod warunkiem zastosowania określonych parametrów oraz zachowania wysokiej jakości danych wejściowych poprzez odpowiednie przygotowanie i wstępną analizę. Analiza wykazała wysoki poziom ryzyka tego typu wierzytelności i ich niską spłacalność. Wyniki potwierdzają, że metoda Fast K-Prototypes może być skuteczna, ale jej efektywność zależy od jakości danych i wymaga dalszych badań w kontekście różnorodnych prób badawczych.

Słowa kluczowe:

wierzytelności przeterminowane, sektor ubezpieczeń, roszczenia regresowe, ryzyko kredytowe, Fast K-Prototypes

Kody JEL

C38, G22


Szczegóły

Bibliografia

Statystyki

Autorzy

Zasady cytowania

Kuchno, J. (2025). Segmentacja wierzytelności przeterminowanych z sektora ubezpieczeń z wykorzystaniem algorytmów mieszanych danych. Bezpieczny Bank, 97(4), 65–82. https://doi.org/10.26354/bb.4A.4.97.2024

Wskaźniki altmetryczne


Cited by / Share


Redakcja czasopisma
ul. ks. Ignacego Jana Skorupki 4
00-546 Warszawa
email: redakcja@bfg.pl

O platformie:
Copyright 2019 by
OJS Support and Customization by LIBCOM
Platform & workfow by OJS/PKP