Розробка моделі комплексної оцінки конкурентоспроможності страхової компанії

Размещено на http://www.allbest.ru/

Вступ

Україна сьогодні знаходиться на етапі становлення й розвитку ринкових відносин та формування сучасних принципів і механізмів функціонування фінансово-економічних систем різних рівнів. У традиційному фінансовому менеджменті підприємств, корпорацій, роботі агентів фондового ринку, а тим більше при державному управлінні економікою, ще не дістала достатнього розвитку та думка, що фінансові та економічні системи повинні стати об'єктом глибокого наукового дослідження та економіко-математичного моделювання.

Страхування є однією з найважливіших складових фінансової системи країни в забезпеченні захисту майнових інтересів держави та її громадян. Розвиток страхового ринку України має важливе значення для ефективного функціонування економіки, підвищення соціального добробуту населення.

Конкурентна боротьба страхових компаній спрямована на досягнення лідируючих позицій на страховому ринку. В умовах жорсткої конкуренції адекватна оцінка конкурентоспроможності даного ринку є актуальним завданням, вирішення якого дозволяє обґрунтовано вибирати стратегічні напрями діяльності та шляхи досягнення конкурентних переваг.

Об'єктом дослідження в дипломній роботі є діяльність СК.

Предметом роботи є модель оцінки конкурентоспроможності СК.

Метою дипломної роботи є розробка моделі комплексної оцінки конкурентоспроможності СК, яка базується на основі апарату нечіткої логіки.

Для досягнення мети необхідно розв'язати такі завдання:

провести огляд актуальності проблеми оцінки конкурентоспроможності СК;

розглянути існуючі методи щодо оцінки конкурентоспроможності;

розглянути теоретичні основи комплексного підходу оцінки конкурентоспроможності СК;

розробити програмне забезпечення для оцінки конкурентоспроможності СК на основі комплексної моделі;

Робота складається з трьох розділів.

У першому розділі подано огляд існуючих моделей оцінки конкурентоспроможності підприємств.

У другому розділі - модель комплексної оцінки конкурентоспроможності СК.

У третьому розділі - комп'ютерна реалізація комплексної моделі та інтерпретація результатів моделювання.



1. Огляд літератури

1.1 Основні поняття і означення

Діяльність страхових компаній істотно відрізняється від інших видів підприємницької діяльності. До особливостей конкуренції між страховими компаніями відносяться:

1) відсутність товарно-матеріальних запасів;

2) страхові продукти (поліси) конкурентів, що є об'єктом конкурентної боротьби, практично однакові за характеристиками;

3) високий рівень державного регулювання страхової діяльності;

4) участь в конкурентній боротьбі нестрахових організацій;

5) соціально орієнтований характер діяльності СК;

6) взаємодія страхових компаній при перестрахуванні, соціальному страхуванні, організації страхових пулів.

Фактори впливу на конкурентоспроможність являються тими важелями, за допомогою яких можливо підвищити рівень конкурентоспроможності СК. Незважаючи на суттєві досягнення в напрямку моделювання оцінки конкурентоспроможності організацій, подальшого вивчення вимагає комплекс питань, пов'язаних з визначенням факторів впливу на конкурентоспроможність СК, побудовою адекватної моделі комплексної оцінки конкурентоспроможності СК, що коректно враховує експертні оцінки факторів впливу на конкурентоспроможність СК.

Конкурентоспроможність страхового продукту - це сукупність його переваг перед іншими страховими продуктами, що роблять страховий продукт привабливим для клієнтів. Конкурентоспроможність СК полягає в її здатності створювати та реалізовувати конкурентні переваги (зростання попиту на страхові продукти СК, зниження рівня фінансового та підприємницького ризиків тощо). Якісні характеристики страхового продукту впливають на конкурентоспроможність СК але не можуть бути єдиним критерієм, що забезпечує СК лідируючі позиції на страховому ринку. Зміни у зовнішньому та внутрішньому середовищах СК призводять до зміни конкурентних переваг СК, тому конкурентоспроможність не є постійною характеристикою, а визначає здатність СК протистояти конкурентам у певний проміжок часу.

Страхові компанії першими відчувають на собі наслідки фінансової кризи, тому що залежать від можливостей страхувальників, дійсних та потенційних, від спроможності протистояти економічному спаду, від запасу міцності, набуття якого вимагає діюче законодавство. Відповідно до Закону України «Про страхування» страхування - це вид цивільно-правових відносин щодо захисту майнових інтересів фізичних осіб та юридичних осіб у разі настання певних подій (страхових випадків), визначених договором страхування або чинним законодавством, за рахунок грошових фондів, що формуються шляхом сплати фізичними особами та юридичними особами страхових платежів (страхових внесків, страхових премій) та доходів від розміщення коштів цих фондів [7].

Якщо розглянути аспект конкуренції і якості страхових послуг, то на перший план виходить розгляд розміру страхового платежу. Страховий платіж (страховий внесок, страхова премія) - плата за страхування, яку страхувальник зобов'язаний внести страховику згідно з договором страхування. Страхові тарифи при добровільній формі страхування обчислюються страховиком актуарно (математично) на підставі відповідної статистики настання страхових випадків, а за договорами страхування життя - також з урахуванням величини інвестиційного доходу, яка має зазначатися у договорі страхування. Конкретний розмір страхового тарифу визначається в договорі страхування за згодою сторін. Актуарними розрахунками можуть займатися особи, які мають відповідну кваліфікацію, свідоцтво, проте не можна не враховувати присутність суб'єктивного фактору, який не може не відбиватися на конкурентоспроможності даного страхового продукту.

Для страхового ринку конкурентоспроможність розглядається у двох площинах:

- конкурентоспроможність страхового продукту, яка є сукупністю його переваг перед іншими страховими продуктами, що роблять страховий продукт привабливим для клієнтів;

- конкурентоспроможність страхової компанії, яка полягає в її здатності створювати та реалізовувати конкурентні переваги у вигляді зростання попиту на її страхові продукти, зниження рівня фінансового та підприємницького ризиків тощо.

Конкуренція на страховому ринку розглядається як економічний процес, який полягає у взаємодії, взаємозв'язку та боротьбі діючих на певному сегменті ринку страхових компаній та направлений на забезпечення кращих можливостей для реалізації страхових послуг, задоволення потреб клієнтів і одержання максимального прибутку. Під конкурентоспроможністю страхового продукту розуміють ступінь його відповідності на певний момент вимогам цільових груп споживачів щодо страхового захисту; під конкурентоспроможністю страхової послуги - ступінь відповідності страхових продуктів, які входять до її складу, і процесів виконання страхових та інших операцій, що забезпечують її надання, вимогам цільових груп споживачів у порівнянні з аналогічними послугами компаній-конкурентів, представлених на страховому ринку [8].

Наразі використовується системний підхід до дослідження страхових компаній. Під системним підходом до управління діяльністю страхової компанії розуміється сукупність спеціальних функцій і послідовних дій менеджерами страхових компаній, спрямованих на адаптацію процесів операційної діяльності страховиків з елементами перетворення страхового продукту на страхову послугу для підвищення ефективності їх діяльності на страховому ринку.

Системний підхід до процесів визначення й оцінки конкурентоспроможності страхових компаній обумовлює його розуміння як комплексної порівняльної характеристики, яка відображає рівень переваги сукупності оціночних показників діяльності, що визначають успіх компанії на певному сегменті страхового ринку за певний проміжок часу по відношенню до сукупності показників конкурентів. В основі такої характеристики лежить сукупність критеріальних ознак та збалансоване поєднання обраних показників економічної активності, фінансової стійкості, рентабельності, достатності капіталу, соціальних інтересів та фінансово-інвестиційної діяльності страховиків, яка забезпечує загальний економічний ефект та фінансовий результат функціонування страховика [9].

Таким чином, конкурентоспроможність страхових компаній трактується як наявні можливості для надання таких страхових послуг, яким з боку потенційних страховиків буде надано пріоритет перед послугами компаній-конкурентів, які знайдуть попит і будуть з успіхом реалізовані на страховому ринку, забезпечуючи таким чином успішне функціонування даної організації у довгостроковій перспективі

З точки зору управління конкурентоспроможністю страхової компанії, страховий ринок є полем для конкурентної боротьби за досягнення тих або інших цілей страховиками, страховими посередниками і, навіть, страхувальниками. У цілому страховий ринок є складною багатофакторною динамічною системою, що об'єднує низку взаємопов'язаних і взаємообумовлених підсистем:страхових продуктів, тарифів, організації продажів і формування попиту, інфраструктури тощо.

1.2 Аналіз існуючих методів оцінки конкурентоспроможності підприємства

1.2.1 Диференціальний метод оцінки конкурентоспроможності

Конкурентоспроможність можна визначити як спроможність деякого класу об'єктів (товар, послуга, підприємство, країна) займати визначену ринкову нішу. Конкурентоспроможність характеризує ступінь відповідності окремого класу об'єктів визначеним ринковим потребам:пропозиції (товару) - попиту на нього, підприємства - можливості забезпечити конкурентні переваги, країни - соціально-економічній моделі розвитку.

Конкурентоспроможність послуг зазвичай визначається такими елементами:

- властивостями даних послуг;

- властивостями конкуруючих послуг;

- особливостями споживачів;

- загрозою появи нових конкурентів;

- загрозою появи послуг-замінників;

- незалежністю постачальників;

- вибірковістю покупців;

- суперництвом конкурентів між собою.

Конкурентоспроможні послуги мають конкурентні переваги. Конкурентні переваги поділяються на два основних види:

- найнижчі витрати;

- диференціація послуг.

Конкурентна перевага у вигляді визначення найнижчих витрат відображає здатність організації пропонувати послуги з мінімальними витратами порівняно з конкурентами. Диференціація товарів (послуг) визначає здатність підприємства забезпечити покупця унікальною цінністю у вигляді товару нової якості, особливих споживчих властивостей чи післяпродажного обслуговування.

При визначенні конкурентоспроможності послуг розглядають властивості аналізованих послуг і конкуруючих послуг. Численні способи визначення конкурентоспроможності товару або послуг оперують саме цими групами показників - якісними і кількісними параметрами.

Від вибору бази порівняння залежить правильність результату оцінки конкурентоспроможності і прийняття рішення. Базою порівняння можуть виступати:

- потреби покупців;

- величина корисного ефекту;

- конкуруючий послуг;

- гіпотетичний зразок;

- група аналогів.

У тому випадку, коли базою порівняння є потреби покупців, здійснюється аналіз номенклатури і встановлюються величини параметрів потреб покупців оцінюваної і конкуруючої послуги, якими споживач користується при виборі послуг на ринку, а також визначається значимість цих параметрів у загальному наборі.

Якщо оцінювана послуга має безліч ринкових аналогів, то конкуруючий зразок моделює потреби і виступає матеріалізованою вимогою, якій повинна задовольняти оцінювана послуга.

Іноді за базу порівняння беруть гіпотетичний зразок, який представляє собою середнє значення параметрів групи виробів. Таку базу порівняння використовують в тому разі, коли інформації про конкретні ринкові аналоги недостатньо. Фактично йдеться про аналіз потреби, яка повинна розглядатися як орієнтовна і підлягаюча подальшому уточненню.

Значно частіше за базу порівняння приймається група аналогів, відібраних для узгодження класифікаційних параметрів зразка й оцінюваної продукції (послуги). З групи аналогів спочатку відбираються найбільш представницькі вироби, а потім - прогресивні вироби, які мають найкращі перспективи на ринку збуту і користуються найбільшим попитом у споживачів.

Оцінка конкурентоспроможності послуг здійснюється шляхом зіставлення параметрів аналізованої послуги з параметрами бази порівняння. Порівняння здійснюється за групами технічних і економічних параметрів. При оцінці конкурентоспроможності використовуються диференціальний і комплексний методи оцінки.

Диференціальний метод оцінки конкурентоспроможності заснований на використанні і зіставленні одиничних параметрів аналізованої продукції або послуги і бази порівняння. Якщо за базу оцінки приймається потреба, розрахунок одиничного показника конкурентоспроможності здійснюється за формулою (1.1):

(1.1)

Де - одиничний параметричний показник конкурентоспроможності за і-м параметром (і = 1, 2, 3.....n), n - кількість порівнюваних параметрів;

- величина і-го параметра для аналізованої продукції (послуги);

- величина і-го параметра, за якої потреба задовольняється повністю.

Через існування безлічі різних способів аналізу параметрів конкурентоспроможності при оцінці її за нормативними параметрами одиничний показник приймає тільки два значення -1 чи 0. Якщо аналізована продукція відповідає обов'язковим нормам і стандартам, показник дорівнює 1, якщо параметр продукції (послуги) в норми і стандарти не вкладається, то показник дорівнює 0. При оцінці за техніко-економічними параметрами одиничний показник може бути більшим чи дорівнювати 1, якщо базові значення параметрів установлені нормативно-технічною документацією, спеціальними умовами, замовленнями, договорами. Якщо аналізована послуга має параметр, значення якого перевищує потреби покупця, то зазначене підвищення не буде оцінюватися споживачем як перевага й одиничний показник за таким параметром не може мати значення більше за 100%. Отже, при розрахунках повинна використовуватися мінімальна з двох величин - 100% чи фактичне значення цього показника.

Диференціальний метод дає можливість лише констатувати факт конкурентоспроможності аналізованої продукції (послуги) чи наявності в неї недоліків у порівнянні з товаром-аналогом. Проте він не враховує вплив вагомості кожного параметра на переваги споживача при виборі ним товару.

1.2.2 Інтегральний метод оцінки конкурентоспроможності

В економічній літературі існує декілька підходів до оцінки конкурентоспроможності. Основним методом оцінки конкурентних переваг є інтегральна оцінка конкурентоспроможності. Інтегральний показник конкурентоспроможності товару або послуги є співвідношенням індексів технічних і економічних параметрів товару.

Конкурентоспроможність послуги може бути оцінена в певному приближенні. Індекс конкурентоспроможності визначається за формулою (1.2):

(1.2)

де - конкурентоспроможність пропонованого варіанту; - показник конкурентоспроможності базового аналога.

База порівняння постійно міняється через коливання кон'юнктури транспортного ринку, інноваційних процесів і т.п., унаслідок чого порівняння приймає динамічний характер.

В якості показника конкурентоспроможності може бути обраний груповий технічний, економічний або організаційний показник, що характеризує відповідність між потребами клієнтів та можливостями фірми (1.3):

, , ; , (1.3)

де , , - груповий технічний, економічний та організаційний показники;

q - одиничний показник по і-му параметру;

а - питома вага параметричного показника по відношенню до узагальненого задоволення потреб;

n - кількість параметрів, які підлягають оцінці.



2. Побудова моделі комплексної оцінки конкурентоспроможності страхової компанії

2.1 Основні елементи моделі

Теорія нечітких множин (fuzzy sets theory) бере свій початок з 1965 року, коли професор Лотфі Заде (Lotfi Zadeh) з університету Берклі в США опублікував наукову роботу “Fuzzy Sets” у журналі “Information and Control”. Прикметник “fuzzy” (нечіткий, розмитий), введено в назву нової теорії з метою відокремлення її від традиційної чіткої математики й аристотелевої логіки, що оперують з чіткими поняттями:“належить - не належить”, “істина - хибність”.

Поняття нечіткої і лінгвістичної змінних використовується при описі об'єктів і явищ за допомогою нечітких множин.

Нечітка змінна - це теж саме, що і нечітке число, тільки з додаванням імені, яким формалізується поняття, що описується цим числом. Для людини зручніше задавати значення змінної не числами, а словами. Щодня ми приймаємо рішення на основі лінгвістичної інформації типу:“дуже висока температура”; “утомлива поїздка”; “швидка відповідь”; “красивий букет”; “гармонійний смак” і тому подібне. Психологи встановили, що в людському мозку майже вся числова інформація вербально перекодується і зберігається у вигляді слів.

Нечітка змінна характеризується трійкою <a, X, A>, де:

a - найменування змінної,

X - універсальна множина (область визначення a),

A - нечітка множина на X, що описує обмеження на значення нечіткої змінної a.

Лінгвістична змінна - в теорії нечітких множин, змінна, яка може приймати значення фраз з природного або штучної мови. Наприклад, змінна “швидкість автомобіля” може набувати значень “низька”, “середня”, “висока» і “дуже висока”. В цьому випадку лінгвістичною змінною є “швидкість автомобіля”, термами - лінгвістичні оцінки “низька”, “середня”, “висока” і “дуже висока”, які і складають терм-множину.

Поняття лінгвістичної змінної відіграє важливу роль в нечіткому логічному виведенні та в ухваленні рішень на основі наближених міркувань. Формально лінгвістична змінна описується наступною п'ятіркою:

<x, T, U, G, M>,

де x - ім'я змінної; T - терм-множина, кожен елемент якої задається нечіткою множиною на універсальній множині U; G - синтаксичні правила (часто у вигляді граматики), що породжують назву термів; М - семантичні правила, що задають функції приналежності нечітких термів, породжених синтаксичними правилами з G.

Терм-множина - це множина всіх можливих значень лінгвістичної змінної.

Терм - будь-який елемент терм-множини. У теорії нечітких множин терм формалізується нечіткою множиною за допомогою функції приналежності.

Функція приналежності вказує ступінь приналежності елемента U нечіткій підмножині A. Множину М називають множиною приналежностей. Якщо М={0, 1}, то нечітка підмножина A може розглядатися як чітка множина. Чітку множину А можна розглядати як граничний випадок нечіткої множини A, функція приналежності якої набуває лише бінарних значень.

Нечіткий терм - це нечітка множина, яка має властивість, якій відповідає певне поняття.

Використовуваний різного роду експертних та керуючих системах механізм нечіткого виведення в своїй основі має базу знань, що формується фахівцями предметної області у вигляді сукупності нечітких предикативних правил вигляду:

:якщо х є , тоді y є ,

:якщо х є , тоді y є ,

…………………………….

:якщо х є , тоді y є ,

де х - вхідна змінна (ім'я для відомих значень даних), у - змінна виведення (ім'я для значення даних, яке буде обчислено); А і В - функції приналежності, визначені відповідно на х і y.

Виділяють три основних типи систем нечіткого виведення:

? 1-й тип:вихідне значення знаходиться як зважене середнє результатів виконання кожного правила, для кожного з яких дефазифікація проводиться окремо; для таких систем вихідні функції приналежності повинні бути монотонно-неспадаючими;

? 2-й тип:вихідне нечітке значення - це результат об'єднання нечітких виходів кожного правила; кожний нечіткий вихід зважено за допомогою ваг спрацьовування правил; чітке вихідне значення знаходиться в результаті дефазифікації об'єднаного нечіткого виходу;

? 3-й тип:система, побудована на правилах типа Сугено; вихідне значення є лінійною комбінацією вхідних значень плюс деяке постійне значення, загальний вихід є середнім зваженим всіх правил.

В загальному випадку в якості значень вхідних та вихідних змінних правил можна використовувати нечіткі множини, з якими не пов'язано ніяке поняття - оскільки при проведенні нечіткого виведення нечіткі терми все одно представляються нечіткими множинами і пов'язане з нечітким термом поняття не відіграє ніякої ролі.

Фазифікація (fuzzification) - це визначення ступеня виконання антецедентів правил. За допомогою фазифікації чіткому значенню ставляться у відповідність ступені його приналежності до нечітких множин.

Дефазифікація (defuzzification) - процедура перетворення нечіткої множини в чітке число за ступенем приналежності.

В системах нечіткого виведення функції консеквенти, отримані в результаті виконання правил, об'єднуються в одну функцію м(y). Існують різні методи дефазифікації цієї об'єднаної функції приналежності.

2.2 Модель комплексної оцінки конкурентоспроможності СК

В роботі чітко розмежована сутність конкурентоспроможності суб'єкта економічних відносин (страхової компанії) та конкурентоспроможності об'єкта цих відносин (страхового продукту). Конкурентоспроможність страхового продукту - це сукупність його переваг перед іншими страховими продуктами, що роблять страховий продукт привабливим для клієнтів. Конкурентоспроможність СК полягає в її здатності створювати та реалізовувати конкурентні переваги (зростання попиту на страхові продукти СК, зниження рівня фінансового та підприємницького ризиків тощо). Якісні характеристики страхового продукту впливають на конкурентоспроможність СК але не можуть бути єдиним критерієм, що забезпечує СК лідируючі позиції на страховому ринку. Зміни у зовнішньому та внутрішньому середовищах СК призводять до зміни конкурентних переваг СК, тому конкурентоспроможність не є постійною характеристикою, а визначає здатність СК протистояти конкурентам у певний проміжок часу.

Введемо поняття критерію конкурентоспроможності СК як якісної або кількісної характеристики СК, що є основою для оцінки її конкурентоспроможності. По відношенню до кількості врахованих показників розрізняють одиничні та групові критерії конкурентоспроможності. При прийнятті стратегічних рішень керівництвом СК зручним у використанні є узагальнений показник оцінки конкурентоспроможності - рівень конкурентоспроможності Y. Чим більше значення Y, тим більша доля страхового ринку належить СК.

Модель оцінки конкурентоспроможності СК представляє собою

функціональне відображення виду (2.1):

, (2.1)

де - частинні критерії конкурентоспроможності, які характеризують різні сторони діяльності СК і є найбільш важливими для оцінки конкурентоспроможності СК; N - кількість врахованих критеріїв.

Модель (2.1) представлена на рис. 2.1 у вигляді ієрархічного дерева логічного виведення, що визначає структуру моделі.

Размещено на http://www.allbest.ru/

Рисунок 2.1 - Ієрархічне дерево логічного виведення

Елементи дерева інтерпретуються таким чином:

1) корінь дерева - рівень конкурентоспроможності СК (Y);

2) дуги графа, що виходять із нетермінальних вершин - частинні критерії конкурентоспроможності ();

3) нетермінальні вершини (подвійні кола) - згортка частинних критеріїв конкурентоспроможності та згортки частинних показників конкурентоспроможності , , , де N -кількість груп показників, - кількість показників в i -й групі;

4) термінальні вершини - частинні показники конкурентоспроможності.

Дереву логічного виведення (рис. 2.1) відповідає система відношень:

, (2.2)

, (2.3)

, (2.4)

…

. (2.5)

Значення Y та , , знаходяться за алгоритмом нечіткого логічного виведення Мамдані [3] з використанням нечітких баз знань, що апроксимують залежності (2.2) - (2.5). Частинні критерії конкурентоспроможності та показники конкурентоспроможності визначаються як лінгвістичні змінні, що задані на своїх універсальних множинах і оцінюються за допомогою нечітких термів. Чим більше термів має лінгвістична змінна, тим точніша її оцінка. Використання більше 9 термів недоцільно, бо в оперативній пам'яті людини одночасно утримується не більше 7 ± 2 понять-ознак [4].

Розглянемо основні етапи моделювання комплексної оцінки конкурентоспроможності СК.

Етап 1. Визначення факторів впливу на конкурентоспроможність

Критерії конкурентоспроможності , формуються експертом-страховиком. Пропонуються такі частинні критерії конкурентоспроможності СК:

1) - конкурентоспроможність страхових продуктів;

2) - фінансовий стан СК;

3) - ефективність діяльності зі збуту та супроводу страхових продуктів;

4) - ефективність операційної діяльності;

5) - ефективність інвестиційної діяльності;

6) - ефективність управління;

7) - соціальна ефективність;

8) - імідж СК.

Для кожного групового критерію експертом-страховиком формується набір показників конкурентоспроможності . Нижче представлений один із можливих варіантів групування показників конкурентоспроможності СК.

Рівень конкурентоспроможності страхових продуктів може бути оцінений на основі розмірів тарифних ставок (), якості страхових продуктів (), рівня диференціації страхових продуктів (унікальності, інноваційності, відображення цінностей цільових груп клієнтів) ().

Фінансовий стан може бути оцінений на основі показників рентабельності, платоспроможності, ділової активності та фінансової стійкості.

Ефективність діяльності зі збуту та супроводу страхових продуктів можна визначити на основі рентабельності продажу, ступеня диверсифікації каналів продажу, їх ефективності, рівня розвиненості регіональної мережі, рівня використання CRM-технологій.

Ефективність операційної діяльності можна визначити на основі даних про собівартість страхових продуктів, розміру страхового портфеля, рівня андерайтингу та врегулювання збитків, користування послугами сторонніх організацій, ефективності автоматизованої інформаційної системи, рівня продуктивності праці та кваліфікації персоналу.

Ефективність інвестиційної діяльності можна визначити на основі рівня дохідності, ліквідності, надійності, диверсифікації інвестиційних вкладів, розміру інвестиційного портфеля.

Ефективність управління можна визначити на основі рівня організації управлінської праці, обґрунтованості управлінських рішень, оперативності роботи та економічності апарату управління, компетентності управлінського персоналу, оптимальності системи управління.

Соціальна ефективність визначається на основі рівня плинності кадрів, умов і рівня оплати праці.

Імідж СК можна визначити на основі компетентності керівника, зручності розташування офісів СК, досвіду роботи СК на страховому ринку, якості обслуговування клієнтів, строків і розмірів страхових виплат, ефективності рекламної діяльності, рівня рекламацій (претензій клієнтів), рівня розкриття інформації, надійності програм перестрахування.

Етап 2. Завдання лінгвістичних змінних

Для лінгвістичних змінних та , , визначаються універсальні множини (інтервали значень ) та вигляд функцій належності до нечітких термів. Функція належності відображає елементи з універсальної множини певної лінгвістичної змінної на множину чисел в інтервалі [0,1], які вказують ступінь належності кожного елемента універсальної множини до нечіткого терму. Для оцінки значень лінгвістичних змінних змінних та використовувалась єдина шкала нечітких термів T:Н - низький; НС - нижче середнього; С - середній; ВС - вище середнього; В - високий.

У загальному випадку лінгвістичні змінні X можуть мати різніфункції належності до нечітких термів T, для спрощення моделі використовувалась тільки узагальнена дзвіноподібна функція належності (2.6):

, (2.6)

де - коефіцієнт концентрації; - координата максимуму.

Вибір функції (2.6) обумовлений тим, що вона добре апроксимує функції належності, отримані за експертним методом парних порівнянь.

Розмежування нечітких термів лінгвістичних змінних та настройка параметрів відповідних функцій належності здійснюється експертом-страховиком на основі нормативних значень (визначених, зокрема, у Законі України “Про страхування”), експертних суджень і порівняння значень окремих показників для різних СК в певний проміжок часу.

Етап 3. Створення нечітких баз знань

Далі необхідно виконати апроксимацію залежностей (2.2) - (2.5) за допомогою нечітких баз знань, які експерту-страховику потрібно створити, і операцій над нечіткими множинами. Цей процес називається нечітким логічним виведенням. Системи нечіткого логічного виведення являються універсальними аппроксиматорами складних нелінійних залежностей [4].

В загальному випадку механізм логічного виведення складається з чотирьох етапів:введення нечіткості (фазифікація), нечітке логічне виведення, композиція і приведення до чіткості (дефазифікація).

Функції належності, визначені на універсальних множинах вхідних змінних , застосовуються до фактичних значень змінних для визначення міри істинності кожної передумови кожного правила бази знань (відбувається фазифікація). Нечітке логічне виведення здійснюєтьсяна основі продукційних правил з бази знань, яка формалізується у вигляді:

, (2.7)

де - нечіткий терм, що оцінює значення змінної у p-му рядку кон'юнкцій j-го правила бази знань (p=1,2, …, );

- кількість рядків-кон'юнкцій, у яких вихід Y оцінюється нечітким термом (j=1,2,…,m);

m - кількість термів, що оцінюють значення виходу Y;

- вага p-го рядка кон'юнкцій j-го правила бази знань.

На підставі мір істинності передумов правил визначається міра істинності висновку кожного правила бази знань. Потім нечіткі множини, отримані для вихідної змінної Y в усіх правилах, об'єднуються (відбувається композиція) і формується одна нечітка множина для вихідної змінної Y, що і перетворюється далі в чітке число.

Нечітке логічне виведення по ієрархічному дереву дозволяє зробити математично обґрунтований висновок щодо рівня конкурентоспроможності СК із врахуванням кількісних і якісних показників конкурентоспроможності.

Етап 4. Настройка параметрів нечіткої моделі

Якість логічного виведення можна підвищити, якщо провести настройку параметрів нечіткої моделі за статистичними даними. В нечітких базах знань типу Мамдані настроюють параметри функцій належності (2.6) нечітких термів і ваги правил в базах знань (2.7).

Для навчання нечіткої моделі статистичні дані представимо у вигляді:

, (2.8)

де - вектор значень вхідних змінних (в розробленій моделі значення лінгвістичних змінних можна задавати як числами так і нечіткими термами);

- значення вихідної змінної (доля регіонального страхового ринку, що належить CК, визначається за даними маркетингових досліджень);

M - обсяг вибірки.

Введемо наступні позначення:I - вектор параметрів функцій належності нечітких термів вхідних змінних, O - вектор параметрів функцій належності нечітких термів вихідної змінної, W - вектор ваг правил нечітких баз знань. Задача настройки параметрів нечіткої моделі полягає в знаходженні таких векторів I, O та W, що забезпечують мінімальне значення середньоквадратичної похибки:

, (2.9)

де - модельна оцінка рівня конкурентоспроможності досліджуваної СК;

- модельна оцінка рівня конкурентоспроможності i-ої конкуруючої СК, ;

L - кількість конкуруючих СК в момент часу, що розглядається.

На значення параметрів, представлених векторами I, O і W, накладаються певні обмеження, що забезпечують лінійну впорядкованість елементів терм-множин лінгвістичних змінних. Система нечіткого логічного виведення представляється в робочій області пакету MATLAB у вигляді структури даних FIS [3]. Настройка ієрархічної моделі оцінки конкурентоспроможності СК здійснювалась в пакеті MATLAB шляхом написання m-сценарію, в якому використовувались функції модуля Fuzzy Logic Toolbox, структура даних FIS і функція нелінійної оптимізації fmincon() модуля Optimization Toolbox.

Для забезпечення більшої ніж у конкурентів долі страхового ринку необхідно, щоб рівень конкурентоспроможності СК був вищим ніж у конкурентів. Досягти запланованого рівня конкурентоспроможності можна змінюючи значення факторів впливу на конкурентоспроможність СК. Задача досягнення запланованого рівня конкурентоспроможності при мінімальних витратах на покращання показників конкурентоспроможності формалізується в наступному вигляді:

(2.10)

,

, (2.11)

,

.

де - значення частинних критеріїв конкурентоспроможності, які розраховуються за запропонованою нечіткою моделлю;

- початкові значення показників конкурентоспроможності , , де N - кількість груп показників, - кількість показників в i-й групі;

[ - інтервал можливих значень показника конкурентоспроможності ;

- грошові витрати на збільшення (зменшення) значення показника конкурентоспроможності на одиницю;

- запланований рівень конкурентоспроможності СК;

В деяких випадках задачу підвищення конкурентоспроможності СК зручно ставити як задачу оптимального розподілу обмежених ресурсів (2.12):

(2.12)

,

, (2.13)

,

,

де С - обсяг грошових ресурсів, що виділені на підвищення конкурентоспроможності СК.



3. Комп'ютерна реалізація комплексної моделі оцінки конкурентоспроможності страхової компанії

Для створення моделі комплексної оцінки конкурентоспроможності страхової компанії на основі нечіткої логіки необхідно побудувати нечітку систему засобами MATLAB. В даній системі моделювання передбачено ряд можливостей для візуального та математичного моделювання систем нечіткого логічного висновку, які приймають рішення, яке ґрунтується на базі правил типу “Якщо - Тоді”.. Це насамперед пакет Fuzzy Logic Toolbox та візуальний FIS-редактор.

Для виклику редактора нечітких систем в командному вікні MATLAB виконуємо команду fuzzy.

У FIS-редакторі створюємо нову систему типу Мамдані з кількістю вхідних змінних рівною вісім і однією вихідною змінною.

Входами системи є значення критеріїв конкурентоспроможності, які формуються експертом-страховиком:

1) X1 - конкурентоспроможність страхових продуктів;

2) X2 - фінансовий стан СК;

3) X3 - ефективність діяльності зі збуту та супроводу страхових продуктів;

4) X4 - ефективність операційної діяльності;

5) X5 - ефективність інвестиційної діяльності;

6) X6 - ефективність управління;

7) X7 - соціальна ефективність;

8) X8 - імідж СК.

На виході системи одержуємо значення лінгвістичної змінної Y, яка відповідає оцінці рівня конкурентоспроможності.

Діапазон змінних належить інтервалу [0 1], де нулю відповідає мінімальне, а одиниці відповідає максимальне значення рівня конкурентоспроможності страхової компанії.

На вхідні змінні задаємо по п'ять термів:Н - низький, НС - нижче середнього, С - середній, ВС - вище середнього, В - високий.

Вихідна змінна задається трьома термами:Н - низький, С - середній, В - високий.

В таблиці 3.1 і 3.2 подані координати максимумів та коефіцієнти концентрації гаусівських функцій належності вхідних і вихідної змінних.

Таблиця 3.1 - Параметри функцій належності вхідних змінних

Назва функції належності	Координата максимуму	Коефіцієнт концентрації
Н	0	0.1062
НС	0,25	0.1062
С	0,5	0.1062
ВС	0,75	0.1062
В	1	0.1062

Таблиця 3.2 - Параметри функцій належності вихідної змінної

Назва функції належності	Координата максимуму	Коефіцієнт концентрації
Н	0	0.2123
С	0,5	0.2123
В	1	0.2123

Наступним етапом є формування бази знань системи. База знань, що представляє собою набір правил типу “Якщо - Тоді”, подана нижче.

1. If (X1 is B) and (X2 is BC) and (X3 is BC) and (X4 is B) and (X5 is C) and (X6 is BC) and (X7 is BC) and (X8 is BC) then (Y is B) (1)

2. If (X1 is B) and (X2 is BC) and (X3 is B) and (X4 is C) and (X5 is B) and (X6 is BC) and (X7 is BC) and (X8 is BC) then (Y is B) (1)

3. If (X1 is BC) and (X2 is B) and (X3 is BC) and (X4 is BC) and (X5 is C) and (X6 is BC) and (X7 is B) and (X8 is BC) then (Y is B) (1)

4. If (X1 is BC) and (X2 is BC) and (X3 is B) and (X4 is C) and (X5 is BC) and (X6 is B) and (X7 is B) and (X8 is BC) then (Y is B) (1)

5. If (X1 is B) and (X2 is B) and (X3 is HC) and (X4 is B) and (X5 is B) and (X6 is B) and (X7 is B) and (X8 is B) then (Y is B) (1)

6. If (X1 is HC) and (X2 is B) and (X3 is B) and (X4 is B) and (X5 is B) and (X6 is BC) and (X7 is BC) and (X8 is B) then (Y is B) (1)

7. If (X1 is B) and (X2 is C) and (X3 is BC) and (X4 is B) and (X5 is B) and (X6 is B) and (X7 is B) and (X8 is B) then (Y is B) (1)

8. If (X1 is BC) and (X2 is BC) and (X3 is BC) and (X4 is BC) and (X5 is BC) and (X6 is H) and (X7 is B) and (X8 is BC) then (Y is B) (1)

9. If (X1 is H) and (X2 is BC) and (X3 is BC) and (X4 is B) and (X5 is BC) and (X6 is BC) and (X7 is BC) and (X8 is BC) then (Y is B) (1)

10. If (X1 is C) and (X2 is C) and (X3 is BC) and (X4 is BC) and (X5 is B) and (X6 is B) and (X7 is B) and (X8 is B) then (Y is B) (1)

11. If (X1 is B) and (X2 is C) and (X3 is BC) and (X4 is B) and (X5 is C) and (X6 is B) and (X7 is BC) and (X8 is B) then (Y is B) (1)

12. If (X1 is BC) and (X2 is B) and (X3 is B) and (X4 is BC) and (X5 is C) and (X6 is C) and (X7 is BC) and (X8 is B) then (Y is B) (1)

13. If (X1 is B) and (X2 is B) and (X3 is B) and (X4 is B) and (X5 is B) and (X6 is B) and (X7 is B) and (X8 is B) then (Y is B) (1)

14. If (X1 is BC) and (X2 is BC) and (X3 is BC) and (X4 is BC) and (X5 is BC) and (X6 is BC) and (X7 is BC) and (X8 is BC) then (Y is B) (1)

15. If (X1 is BC) and (X2 is B) and (X3 is B) and (X4 is BC) and (X5 is BC) and (X6 is BC) and (X7 is BC) and (X8 is BC) then (Y is B) (1)

16. If (X1 is B) and (X2 is B) and (X3 is B) and (X4 is H) and (X5 is H) and (X6 is C) and (X7 is H) and (X8 is B) then (Y is C) (1)

17. If (X1 is H) and (X2 is H) and (X3 is B) and (X4 is HC) and (X5 is H) and (X6 is B) and (X7 is B) and (X8 is B) then (Y is C) (1)

18. If (X1 is HC) and (X2 is HC) and (X3 is HC) and (X4 is C) and (X5 is C) and (X6 is C) and (X7 is B) and (X8 is B) then (Y is C) (1)

19. If (X1 is C) and (X2 is C) and (X3 is C) and (X4 is C) and (X5 is C) and (X6 is C) and (X7 is C) and (X8 is C) then (Y is C) (1)

20. If (X1 is B) and (X2 is B) and (X3 is C) and (X4 is HC) and (X5 is C) and (X6 is HC) and (X7 is C) and (X8 is HC) then (Y is C) (1)

21. If (X1 is C) and (X2 is B) and (X3 is C) and (X4 is C) and (X5 is C) and (X6 is H) and (X7 is C) and (X8 is C) then (Y is C) (1)

22. If (X1 is BC) and (X2 is C) and (X3 is C) and (X4 is C) and (X5 is BC) and (X6 is C) and (X7 is C) and (X8 is H) then (Y is C) (1)

23. If (X1 is H) and (X2 is H) and (X3 is C) and (X4 is C) and (X5 is C) and (X6 is B) and (X7 is C) and (X8 is C) then (Y is C) (1)

24. If (X1 is C) and (X2 is C) and (X3 is B) and (X4 is H) and (X5 is C) and (X6 is C) and (X7 is C) and (X8 is BC) then (Y is C) (1)

25. If (X1 is HC) and (X2 is HC) and (X3 is HC) and (X4 is HC) and (X5 is HC) and (X6 is HC) and (X7 is HC) and (X8 is HC) then (Y is H) (1)

26. If (X1 is H) and (X2 is H) and (X3 is H) and (X4 is H) and (X5 is H) and (X6 is H) and (X7 is H) and (X8 is H) then (Y is H) (1)

27. If (X1 is H) and (X2 is HC) and (X3 is HC) and (X4 is H) and (X5 is C) and (X6 is HC) and (X7 is HC) and (X8 is HC) then (Y is H) (1)

28. If (X1 is B) and (X2 is H) and (X3 is H) and (X4 is H) and (X5 is H) and (X6 is H) and (X7 is H) and (X8 is H) then (Y is H) (1)

29. If (X1 is H) and (X2 is B) and (X3 is B) and (X4 is H) and (X5 is H) and (X6 is H) and (X7 is H) and (X8 is H) then (Y is H) (1)

30. If (X1 is H) and (X2 is H) and (X3 is H) and (X4 is HC) and (X5 is B) and (X6 is H) and (X7 is H) and (X8 is H) then (Y is H) (1)

31. If (X1 is H) and (X2 is HC) and (X3 is H) and (X4 is H) and (X5 is H) and (X6 is H) and (X7 is B) and (X8 is H) then (Y is H) (1)

32. If (X1 is HC) and (X2 is H) and (X3 is H) and (X4 is C) and (X5 is H) and (X6 is H) and (X7 is C) and (X8 is H) then (Y is H) (1)

33. If (X1 is H) and (X2 is H) and (X3 is H) and (X4 is HC) and (X5 is H) and (X6 is H) and (X7 is H) and (X8 is HC) then (Y is H) (1)

34. If (X1 is H) and (X2 is H) and (X3 is H) and (X4 is H) and (X5 is H) and (X6 is B) and (X7 is H) and (X8 is B) then (Y is H) (1)

35. If (X1 is H) and (X2 is C) and (X3 is H) and (X4 is H) and (X5 is C) and (X6 is H) and (X7 is H) and (X8 is H) then (Y is H) (1)

36. If (X1 is HC) and (X2 is H) and (X3 is HC) and (X4 is HC) and (X5 is H) and (X6 is HC) and (X7 is C) and (X8 is H) then (Y is H) (1)

37. If (X1 is HC) and (X2 is HC) and (X3 is H) and (X4 is C) and (X5 is HC) and (X6 is H) and (X7 is H) and (X8 is HC) then (Y is H) (1)

38. If (X1 is C) and (X2 is H) and (X3 is H) and (X4 is HC) and (X5 is HC) and (X6 is C) and (X7 is H) and (X8 is H) then (Y is H) (1)

В результаті одержано нечітку систему, яка має структуру відповідно до рис. 3.1.

Рисунок 3.1 - Структура нечіткої системи для оцінки конкурентоспроможності страхової компанії

Для одержання графіків функцій належності нечітких лінгвістичних змінних, поверхні відгуку системи та її основних параметрів запускаємо на виконання програму, лістинг якої наведено нижче.

Вивід даних про основні параметри нечіткої системи

getfis(RK);

%Одержання структури нечіткої системи у вигляді схеми

plotfis(RK);

%Вивід графіків функцій належності вхідних змінних системи

subplot(4,2,1);

plotmf(RK, 'input', 1);

grid on;

subplot(4,2,2);

plotmf(RK, 'input', 2);

grid on;

subplot(4,2,3);

plotmf(RK, 'input', 3);

grid on;

subplot(4,2,4);

plotmf(RK, 'input', 4);

grid on;

subplot(4,2,5);

plotmf(RK, 'input', 5);

grid on;

subplot(4,2,6);

plotmf(RK, 'input', 6);

grid on;

subplot(4,2,7);

plotmf(RK, 'input', 7);

grid on;

subplot(4,2,8);

plotmf(RK, 'input', 8);

grid on;

%Вивід графіка функцій належності вихідної змінної системи

plotmf(RK, 'output', 1);

grid on;

%Одержання основних параметрів функцій належності

showfis(RK);

%Одержання бази знань нечіткої системи

showrule(RK);

%Вивід поверхні відгуку нечіткої системи

gensurf(RK);

grid on;

В результаті виконання програми ми одержали графіки функцій належності вхідних (рис. 3.2) та вихідної змінної (рис. 3.3).

Рисунок 3.2 - Графіки функцій належності гаусівського типу вхідних змінних нечіткої системи



Рисунок 3.3 - Графіки функцій належності вихідної змінної нечіткої системи

страховий компанія конкурентоспроможність оцінка

На рис. 3.4 зображені поверхні відгуку системи при різних варіантах сталих та варіативних значеннях вхідних змінних.

Рисунок 3.4 - Поверхні відгуку нечіткої системи

У додатку Б подана структура файлу створеної fis-системи типу Мамдані.

3.1 Процес навчання нечіткої експертної системи

Аналіз поверхонь нечіткого логічного висновку дозволив зробити висновок про те, що створена нечітка система недостатньою мірою відображає залежність оцінки рівня конкурентоспроможності страхової компанії оскільки при її розробці в базу знань було занесено надто мала кількість правил (38) відносно максимально можливої (390 625 (оскільки максимальна кількість правил визначається nm, де n - кількість функцій належності однієї вхідної змінної, а m - кількість вхідних змінних). Реально людині практично неможливо створити хоча б половину такої кількості правил, тому потрібно вдаватися до методів автоматичного налаштування нечіткої системи. Один з методів - це метод налаштування параметрів нечіткої системи за допомогою функції оптимізації fmincon пакету Optimization Toolbox системи MATLAB, який запропонував у своїй праці к.т.н. С.Д.Штовба [link].

Він передбачає зміну параметрів нечіткої системи, таких як координати максимумів функцій належності змінних та коофіцієнти концентрації, а також зміну ваг правил. Для успішного застосування даного методу потрібна наявність в базі знань системи хоча б тої частини правил, при якій похибка системи суттєво не погіршується (так зване явище «Плато насичення» [link Корчемний]). В MATLAB передбачений ефективний алгоритм навчання нечітких систем ANFIS (adaptive neuro fuzzy inference system). За даним алгоритмом можна здійснити тільки оптимізацію нечітких систем логічного висновку типу Сугено. За допомогою функції mam2sug конвертуємо раніше створену систему Мамдані в Сугено.

RKs=mam2sug(RK),

RK - система логічного висновку Мамдані;

RKs - новоутворена система типу Сугено.

Основні відомості про конвертовану систему:

RKs =

name:'RK'

type:'sugeno'

andMethod:'min'

orMethod:'max'

defuzzMethod:'wtaver'

impMethod:'min'

aggMethod:'max'

input:[1x8 struct]

output:[1x1 struct]

rule:[1x38 struct]

Отже, для здійснення зміни параметрів системи необхідно сформувати вибірку даних, по яких буде проводитися оптимізація. Програма створення навчальної вибірки (tr_data):

Завдання вектора значень вхідних змінних

k=0:0.5:1;

Обчислення довжини вектора 'k'

n=length(k);

Формування тренувальної вибірки

i=1;

for x1=1:n

for x2=1:n

for x3=1:n

for x4=1:n

for x5=1:n

for x6=1:n

for x7=1:n

for x8=1:n

tr_data(i,1)=k(x1);

tr_data(i,2)=k(x2);

tr_data(i,3)=k(x3);

tr_data(i,4)=k(x4);

tr_data(i,5)=k(x5);

tr_data(i,6)=k(x6);

tr_data(i,7)=k(x7);

tr_data(i,8)=k(x8); tr_data(i,9)=(k(x1)+k(x2)+k(x3)+k(x4)+k(x5)+k(x6)+k(x7)+k(x8))/8;

i=i+1;

end

end

end

end

end

end

end

end

Формування матриці входів

inp=tr_data(:, 1:8);



Формування стовпця вихідних значень

out=tr_data(:, 9);

На рис. 3.5 ми можемо бачити значення матриці тренувальної вибірки у вікні workspace ситсеми MATLAB.

Рисунок 3.5 - Вікно перегляду змінної tr_data

Для здійснення навчання відкриваємо FIS-редактор і завантажуємо систему RKs логічного висновку Сугено.

Переходимо у редакторі до пункту меню Edit\Anfis. У вікні anfis-редактора у вкладці Load data завантажуємо тренувальну матрицю для подальшого навчання системи за її даними. На рис. 3.6 зображений графік контрольних точок навчальної вибірки.



Рисунок 3.6 - Графік контрольних точок навчальної вибірки

Проводимо навчання системи натиснувши кнопку Train. На рис. 3.7 показаний графік залежності величини похибки від епох навчання системи.

Рисунок 3.7 - Графік величини похибки системи

Навчання було здійснено гібридним методом, що включає в себе зміну параметрів функцій належності нечітких змінних, яка відбувається на основі генетичних алгоритмів. Структуру гібридної мережі показано на рис. 3.8.



Рисунок 3.8 - Структура гібридної нейро-нечіткої мережі

Після оптимізації ми одержали поверхню відгуку системи, що зображена на рис. 3.9.

Рисунок 3.9 - Поверхня відгуку оптимізованої нечіткої системи



На основі створеної та налаштованої системи створено модель комплексної оцінки конкурентоспроможності страхової компанії методом візуального моделювання пакету Simulink середовища MATLAB.

Для завдання значень вхідних змінних використано блоки Constant. Блок Mux об'єднує значення факторів, що впливають на рівень конкурентоспроможності в один вектор, який є входом в блок Fuzzy Logic Controller бібліотеки Fuzzy Logic Toolbox (рис. 3.10). Даний блок виконує роль нечіткого контролера, логіка відгуку якого ґрунтується на базі знань створеної експертної системи і є фактично підсистемою, що складається з блоків Simulink (рис. 3.11). Оцінка рівня конкурентоспроможності відображається в блоці Display.

Рисунок 3.10 - Модель нечіткої системи для визначення рівня конкурентоспроможності страхової компанії



Рисунок 3.11 - Фрагмент моделі нечіткого логічного висновку

3.2 Приклад застосування комплексної моделі для оцінки конкурентоспроможності СК

Було розглянуто приклад застосування комплексної моделі щодо оцінки конкурентоспроможності страхової компанії.

Десять експертів-страховиків ставлять свої оцінки по кожному з восьми значень критеріїв конкурентоспроможності десятьом страховим компаніям (Додаток А).

Таблиця. 3.3 - Тестування моделі нечіткої системи

СК	X1	X2	X3	X4	X5	X6	X7	X8	Y
I (“Український страховий дім”)	0.54	1	0.78	0.98	1	0.6	0.5	1	0.7953
II (“Провідна”)	1	0.98	0.9	0.96	0.98	1	1	0.94	0.972
III (“Оранта”)	0.8	0.8	0.75	0.6	0.56	0.78	0.49	0.96	0.7194
IV (“Універсальна”)	1	1	0.99	0.98	1	0.87	0.96	0.9	0.9647
V (“Брокбізнес”)	0.5	0.72	0.43	0.52	0.5	0.59	0.32	0.6	0.5227
VI (“Еталон”)	0.52	0.65	0.35	0.48	0.55	0.51	0.44	0.6	0.5128
VII (“Омега”)	0.5	0.72	0.43	0.9	0.8	0.59	0.67	0.6	0.652
VIII (“Аска”)	0.2	0.24	0.3	0.5	0.15	0.05	0.6	0.46	0.3167
IX (“Добробут та захист”)	0.34	0.2	0.3	0.5	0.15	0.2	0.16	0.35	0.2736
X (“Вусо”)	0.2	0.12	0.184	0.3	0.14	0.16	0.21	0.09	0.1692

Проведене тестування дозволяє виділити три нечітких стани конкурентоспроможності, залежно від факторів впливу, а саме:Y є [0;0,25] - низький рівень конкурентоспроможності, Y є [0,25;0,75] - середній рівень конкурентоспроможності і Y є [0,75;1] - високий рівень конкурентоспроможності.

З 10 страхових компаній 1 СК має низький рівень конкурентоспроможності (“Вусо”), 6 СК мають середній рівень конкурентоспроможності (“Оранта”, “Брокбізнес”, “Еталон”, “Омега”, “Аска”, “Добробут та захист”) та 3 СК - високий рівень конкурентоспроможності (“Український страховий дім”, “Провідна”, “Універсальна” ).



Висновки

У роботі розглянуто існуючі методи оцінки конкурентоспроможності підприємства.

На основі бази нечітких правил побудовано систему нечіткого логічного висновку у формі Мамдані, яка дає змогу отримати оцінку конкурентоспроможності СК. Побудовану модель реалізовано в середовищі Matlab, що дало змогу з певною ймовірністю визначити рівень конкурентоспроможності 10 СК.

Проведене тестування дозволяє виділити три нечітких стани конкурентоспроможності, залежно від факторів впливу, а саме:Y є [0;0,25] - низький рівень конкурентоспроможності, Y є [0,25;0,75] - середній рівень конкурентоспроможності і Y є [0,75;1] - високий рівень конкурентоспроможності.

З 10 страхових компаній 1 СК має низький рівень конкурентоспроможності, 6 СК мають середній рівень конкурентоспроможності та 3 СК - високий рівень конкурентоспроможності.



Перелік посилань

1. Грищенко Н.Б. Основы страховой деятельности / Н.Б. Грищенко. - М.:Фінанси і статистика, 2006. - 352с.

2. Журавин С.Г. Страховые компании в условиях глобализации / С.Г. Журавин. - М.:Анкил, 2005. - 176 с.

3. Леоненков А.В. Нечеткое моделирование в среде Matlab и fuzzyTECH / А.В. Леоненков. - М. БХВ, 2005. - 736 с.

4. Конкурентоспроможність [Електронний ресурс]. - Режим доступу:http://www.grandars.ru/college/ekonomika-konkurentosposobnost.html (дата звернення 02.03.14).

5. Нечітка логіка [Електронний ресурс]. - Режим доступу:http:// www. victoria. lviv. ua / html /oio / html / theme 11_1.htm #11_8 (дата звернення 04.03.14).

6. Конкурентоспроможність [Електронний ресурс]. - Режим доступу:http://www.financialguide.ru/encyclopedia/konkurentosposobnost (дата звернення 08.04.14).

7. Фактори, що впливають на конкурентоспроможність підприємства [Електронний ресурс]. - Режим доступу:http://library.if.ua/book/14/1233.html (дата звернення 08.04.14).

8. Нечітка логіка в Matlab [Електронний ресурс]. - Режим доступу:https://www.google.ru/#newwindow=1&q=нечітка+логіка+в+matlab (дата звернення 12.04.14).

9. Методи оцінювання конкурентоспроможності підприємства [Електронний ресурс]. - Режим доступу:http://pidruchniki.ws/19570411/marketing/metodi_otsinyuvannya_konkurentospromozhnosti_pidpriyemstva (дата звернення 16.04.14).

10. Діяльність страхових компаній [Електронний ресурс]. - Режим доступу:http://pidruchniki.ws/1163/finansi/diyalnist_strahovih_kompaniy_uk (дата звернення 16.04.14).

11. Балабанова Л.В. Маркетинг / Л.В. Балабанова. - К.:Знання-прес,2006. - 640 с.

12. Штовба С.Д. Проектирование нечетких систем средствами MATLAB / С.Д. Штовба. - М.:Телеком, 2007. - 288с.