يحتل الأداء المالي مكانة متقدمة في اهتمامات الباحثين وصانعي القرار، ولا سيما في قطاع التأمين الذي يعد أداة لنمو الاقتصادات الصاعدة والنامية واستدامتها، إذ يعزز الاستقرار الاقتصادي للأفراد والمنظمات والحكومات بتوليه المخاطر وتوزيعها عبر السوق، ومن هنا تنبع أهمية امتلاك أدوات دقيقة لتصنيف أداء شركات التأمين والحكم على كفاءة إدارتها لأصولها ومواردها
ومع تعقد البيانات المالية وتعدد مؤشراتها برزت الحاجة إلى أساليب تحليل ذكية قادرة على التقاط الأنماط الخفية في البيانات وتصنيف الشركات بموضوعية، وفي مقدمتها الشبكات العصبية الاصطناعية التي تحاكي في بنائها طريقة معالجة المعلومات وتتعلم من البيانات التاريخية لبناء قواعد تصنيف قابلة للتطبيق على حالات جديدة، بما يتجاوز حدود التحليل التقليدي القائم على العلاقات الخطية البسيطة
وفي الأردن تحديدًا لم يحظ الأداء المالي لشركات التأمين المدرجة في بورصة عمان بدراسة تصنيفية من هذا النوع من قبل، رغم ما يوفره تصنيف الشركات إلى مرتفعة الأداء ومنخفضته من معلومات قيمة للمنظمين وصانعي السياسات لتحسين كفاءة إدارة الأصول في القطاع، كما أن تصنيف الشركات على أساس مؤشرات موضوعية يقلل من الاعتماد على الانطباعات والتقديرات الشخصية في تقييم الأداء، وهو الفراغ الذي سعت دراسة أردنية إلى ملئه بتوظيف تقنيات الشبكات العصبية الاصطناعية
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تصنيف الأداء المالي لشركات التأمين الأردنية، فشملت عينة الدراسة خمس عشرة شركة من أصل اثنتين وعشرين شركة تأمين مدرجة في بورصة عمان خلال الأعوام من 2008 إلى 2020، وطبق الباحثون نموذج المدرك متعدد الطبقات، أحد نماذج الشبكات العصبية الاصطناعية، للكشف عن مستوى معدل دوران إجمالي الأصول بوصفه مخرجًا يصنف الأداء إلى مرتفع ومنخفض، واختيرت مدخلات للنموذج شملت مبالغ الحلول المستردة والمطالبات المدفوعة والقيمة السوقية وإجمالي حقوق المساهمين، وقُيّم أداء النموذج بمعايير متعددة منها معدل الإيجابيات الكاذبة ومعدل السلبيات الكاذبة ومقياس إف والضبط والصواب العام
ثانيًا: أبرز النتائج
1. أظهرت النتائج أن نموذج المدرك متعدد الطبقات كفؤ في تصنيف الأداء المالي لشركات التأمين الأردنية، إذ أدى أداءً جيدًا في اختبارات المعايير المتعددة المستخدمة في التقييم، بما تشمله من انخفاض معدلات الخطأ في التصنيف الإيجابي والسلبي وارتفاع قيم مقياس إف والضبط والصواب العام
2. تحسن أداء النموذج تدريجيًا مع نمو عدد مرات التكرار في عملية التدريب، بما يشير إلى أن الضبط المتكرر لمعلمات الشبكة العصبية يرفع قدرتها على التقاط الأنماط المالية المميزة بين الشركات مرتفعة الأداء ومنخفضته وتمييز إشارات المؤشرات المدخلة تمييزًا أدق
3. أثبتت الدراسة أن المدخلات المختارة، وهي مبالغ الحلول المستردة والمطالبات المدفوعة والقيمة السوقية وإجمالي حقوق المساهمين، تصلح أساسًا للتمييز بين مستويي معدل دوران إجمالي الأصول، وهو المؤشر المختار ممثلًا للأداء المالي في هذا التصنيف الثنائي
ثالثًا: دلالات الدراسة وتطبيقاتها
تعد هذه الدراسة الأولى من نوعها في تقييم الأداء المالي لشركات التأمين الأردنية بهذا الأسلوب بحسب علم الباحثين، وتزود المنظمين وصانعي السياسات بمعلومات قيمة لتحسين كفاءة إدارة الأصول في القطاع، كما يشير نجاح النموذج إلى أن المؤشرات المالية التقليدية ما تزال تحمل إشارات تصنيفية قوية حين تعالج بأدوات تعلم آلي مناسبة قادرة على نمذجة العلاقات غير الخطية بينها، ويمكن لإدارات الشركات توظيف مثل هذه النماذج أداة إنذار مبكر ترصد تراجع الأداء وتدعم قرارات الاستثمار والرقابة، كما يمكن تعميم التجربة على قطاعات مالية أخرى في الأسواق الصاعدة ذات الخصائص المشابهة، ويمكن للمؤسسات المالية توظيف نتائج التصنيف في تقييم مخاطر المحافظ الاستثمارية وفي تقدير الملاءة المالية للشركات قبل الدخول في شراكات أو عمليات إعادة تأمين
وخلاصة القول إن الشبكات العصبية الاصطناعية ممثلة في نموذج المدرك متعدد الطبقات قدمت أداة كفؤة لتصنيف الأداء المالي لشركات التأمين الأردنية المدرجة في بورصة عمان، بما يدعم توظيف الذكاء الاصطناعي في التحليل المالي والرقابة على القطاعات الاقتصادية الحيوية، ولعل الأهم أن هذه التجربة تثبت جدوى النماذج الذكية في الأسواق الصاعدة حيث تتوافر البيانات التاريخية ويحتدم التنافس على الموارد
