Печалби:
- Способност за създаване на детерминистичен сценарий, стохастична симулация (Монте Карло) и концепции за стрес тестове с подкрепата на изкуствен интелект и интерпретиране на резултатите на езика на риска
- Възможност за проектиране на шокови сценарии като инфлация, лихва, катастрофални щети и пандемия с изкуствен интелект и оценка на отговорността и капиталовото въздействие
- Възможността да се разграничи, че сценариите, произведени от изкуствения интелект, се основават на исторически данни и че актюерската преценка излиза на преден план при опашните рискове и структурни прекъсвания.
Актюерството е професията на предсказване на бъдещето; Но бъдещето не е едно число, то е спектър от възможности. Не е достатъчно да се каже „Очакваните щети са 50 милиона“; Истинският въпрос е: "Ако дойде лоша година, колко милиона ще струва, ще се справи ли компанията?" Инструментите, които отговарят на този въпрос, са анализ на сценарии и стрес тестове. Предварителното измерване на въздействието на земетресение, висока инфлация, лихвен шок или пандемия върху задълженията и капитала на компанията е основно изискване както на вътрешното управление на риска, така и на законодателството като Solvency II. В този модул ще разгледаме детерминистичен сценарий, стохастична симулация (Монте Карло) и стрес тестове и ще видим как да използваме AI в тези анализи.
Нека ви напомним от самото начало: сценариите се основават на исторически данни и предположения. AI проектира сценарии, пише симулационен код и интерпретира резултатите; Но кои сътресения са реалистични, как да се справим с риска от опашката и как да включим структурни прекъсвания (събития, които никога не са се случвали в миналото) са оставени на актюерска преценка.
Детерминистичен сценарий, стохастична симулация и стрес тестване
Важно е да се разграничат три понятия. Детерминистичният сценарий е да се избере един набор от предположения и да се изчисли резултатът: „Каква би била цената на нашите искове, ако инфлацията беше 40 процента?“ Прост, ясен и лесен за комуникация; Но показва само един начин, а не възможност. Стохастичната симулация (Монте Карло) извлича вероятностно разпределение на резултата чрез многократно генериране на хиляди произволни сценарии. По този начин се получава информация от опашка като "50 средно, но 78 милиона на ниво 99,5 процента". Стрес тестът е специален тип сценарий, който измерва въздействието на определени тежки, но правдоподобни събития (земетресение, пазарен срив); обикновено се определя от регулатора.
Монте Карло е един от най-мощните актюерски инструменти. Логиката е следната: извличате произволни стойности от разпределенията на честотата и интензитета и изчислявате общите щети; повтаряте това 10 000 пъти; Натрупва 10 000 възможни общи щети в ръката ви. От това натрупване можете да прочетете средната стойност, процентили като 75 процента, 99,5 процента и най-лошите сценарии. Точно така се намира нивото от 99,5 процента, изисквано от Платежоспособност II (лоша година, която се случва веднъж на 200 години). AI бързо създава кода за тази симулация.
Следната таблица сравнява трите подхода:
подход
какво дава
силна страна
лимит
Детерминистичен сценарий
единичен резултат
Прост, лесен за общуване
Не дава вероятност
Монте Карло
Разпределение на вероятностите
Показва риск от опашката
Зависи от предположенията и данните
стрес тест
Резултат под шок
Тества издръжливостта
Шокова селекция е съдебен
Риск за опашката: най-важната и най-опасната зона
В актюерската теория истинската опасност не се крие в средната, а в опашката (екстремната област на разпределението с ниска вероятност, но силно въздействие). Това, което потъва компаниите, не е средна година, а рядко, но опустошително събитие: голямо земетресение, много големи щети, идващи по едно и също време, внезапен шок на лихвените проценти. За измерване на този регион се използват VaR (Value at Risk — максималната загуба при дадено ниво на достоверност) и TVaR/CTE (средна загуба отвъд опашката). Монте Карло е естественият начин за изчисляване на тези измервания.
Но има друга опасност в опашката: историческите данни не представят добре опашката. Редките събития по дефиниция са били редки в миналото; така че моделът е склонен да ги подценява. AI лесно се вписва в разпределение, базирано на исторически данни, но не обмисля спонтанно „ами ако има пандемия или 100-годишно земетресение, което това портфолио никога не е преживявало?“ Работата на актюера е да включи в модела структурни прекъсвания, увеличения на корелацията (всичко се влошава едновременно по време на криза) и тенденции като изменението на климата.
Внимание: Изречението „Нашият модел обработва 99,9 процента сценарии“ е утешително, но не забравяйте, че моделът се учи от данни, чиято опашка е минала. Събитие, което никога не се е случило, е сляпото петно дори на най-добрия модел. Тук влиза в действие експертната преценка.
Как да използвате AI в сценарии и стрес тестове
1) Симулационен код на Монте Карло:
Напишете симулация на сложни щети Монте Карло с Python (с коментари). Предположения (давам): брой щети ~ Poisson(ламбда=1600), размер на щетите ~ Гама(форма=k, мащаб=тета) [ще дам k и тита].1) 10 000 пъти: изтеглете количество, изтеглете тази сума, добавете.2) Средна стойност на общите щети, 75%, 99%, 99,5% проценти отпечатайте.3) Изчислете и обяснете Параметри на VaR(99.5%) и TVaR(99.5%).FITTING; ще го дам. Библиотека: numpy.
2) Детерминистичен стрес сценарий:
Вашата роля: асистент по риска. Моята основна очаквана загуба е 50 милиона TL. Настройте следните 3 детерминистични сценария: A) Инфлационен шок: тежест +30%. B) Честотен шок: брой повреди +15%. В) И двете заедно. Изчислете новите очаквани щети във всеки сценарий, покажете процентното въздействие въз основа на основата и коментирайте кой е най-критичният. Просто използвайте основния номер, който ви дадох.
3) Консултации за проектиране на сценарий:
Проектирам сценарии за стрес тестове за здравноосигурителен портфейл. - Предложете проект на „тежък, но правдоподобен“ сценарий всеки за пандемията, високата инфлация, новата скъпа технология за лечение и регулаторната промяна. - Посочете дали всеки сценарий засяга честотата, тежестта или и двете. - Посочете рисковете от опашката, които не могат да бъдат обхванати с исторически данни. Аз ще взема решението; Вие предоставяте рамката и обосновката.
4) Превръщане на резултата в управление:
Моят резултат от Монте Карло: очаквани щети 50 милиона, VaR(99,5%) 78 милиона, TVaR(99,5%) 89 милиона. Обяснете това на борда на директорите в 5 изречения: - Какво означава 99,5% и TVaR на разбираем език. - Защо „планирането според средната стойност“ е неадекватно? - Каква цифра трябва да гледат по отношение на капитала?
Слаба подкана / Силна подкана
Слаба подкана:
Направете стрес тест за моето портфолио.
Няма базова стойност, няма дефиниция на шока, няма разпределение. AI създава общ текст, а не възможен брой.
Мощна подкана:
Вашата роля: асистент по актюерски риск. Основни предположения (анонимни): очаквана честота 0,12, средна тежест 30 000 TL, експозиция 20 000 полице-години. Техническата лихва е 4%. Задача: 1) Изчислете базовата очаквана обща загуба. 2) Приложете следните напрежения и покажете процентното въздействие на всяко: - Инфлация: тежест +25% - Лоша зима: честота +10% - Намаляване на лихвения процент: 4% -> 3% (въздействие върху настоящата стойност на задължението) 3) Коментирайте 2-та най-критични сценария и защо. 4) Препоръчвате ли Монте Карло за опашка риск, защо? Просто използвайте числата, които дадох; Ако липсва, попитайте.
три мини калъфа
Случай 1 — Коварството на средното. Една компания е планирала капитала си въз основа на очакваните щети (50 милиона). Когато Монте Карло приключи, се видя, че нивото от 99,5 процента е 82 милиона: в лоша година имаше допълнителна нужда от 32 милиона и компанията нямаше да може да ги посрещне. Капиталният план е преработен. AI изпълни симулация на 10 000 сценария за секунди; Актюерът оцени тълкуването и разпределението.
Случай 2 — Корелационна слепота. Покритието за земетресение и прекъсване на бизнеса поотделно изглеждаше с нисък риск в портфолио. Но едно земетресение предизвиква и двете едновременно; Моделът, предполагащ независимост, подценява риска от опашката наполовина. Когато актюерът добави корелация към сценария, реалната нужда от капитал се увеличи значително. Поука: в криза рисковете не са независими; Въпрос на предполагаемото приемане на независимостта от AI.
Случай 3 — Събитие, което не се е случило. Портфолиото от здравеопазване изглеждаше много „солидно“ въз основа на данни от последните 10 години. Когато настъпи пандемия, както честотата, така и тежестта скочиха едновременно; Моделът никога не е предвиждал това, защото в данните няма нищо подобно. В следващия период беше добавен детерминистичният пандемичен сценарий. AI изготви черновата на сценария; Актюерът определи мащаба на шока. Урок: опашката с исторически данни не е пълна.
Често срещани грешки
- Планиране около средното. Това е опашката, а не средното, което потъва компанията; Погледнете екстремни показатели като VaR/TVaR.
- Приемайки, че рисковете са независими. По време на криза корелациите се увеличават; Приемането на независимостта омаловажава опашката.
- Пълна увереност в исторически данни. В данните липсват редки и структурни събития; Добавете сценарий с експертна преценка.
- Смесване на детерминистично и стохастично. Единичен сценарий не дава вероятност; Вероятността изисква Монте Карло.
- Представяне на резултата от симулацията без проверката му. Проверете независимо процентите и VaR; Грешката в параметъра изкривява цялото разпределение.
Съвет: Преди да представите резултатите от Монте Карло, направете проста проверка за последователност: близка ли е средната стойност на симулацията до очакваната стойност (честота × интензитет × експозиция), която сте изчислили на ръка? Ако не, има грешка в параметър или код.
В обобщение
Бъдещето не е едно число, а спектър от възможности. Детерминистичните сценарии показват един единствен път „какво ако“, Монте Карло показва цялото разпределение и опашката на риска, стрес тестовете показват въздействието на сериозни събития. Истинската опасност е в опашката, а не средната стойност, а историческите данни не представят добре опашката; Повишената корелация и събитията, които не са се случили, изискват актюерска преценка. AI проектира сценария, кодира симулацията и интерпретира резултата; но изборът на шок, предположението за корелация, крайната преценка и окончателното решение за риск остават на актюера. Винаги проверявайте резултатите с проста проверка за последователност.
Задача за приложение
Задайте анонимни основни предположения (честота, интензивност, експозиция, интерес). Помолете изкуствения интелект да (а) базира очакваните щети, (б) 3 детерминистични сценария, включително шокове на инфлация, честота и лихвен процент, (в) да изчисли VaR и TVaR (99,5%) със симулация на Монте Карло. Проверете дали средната стойност на симулацията е близка до очакваната стойност, която сте изчислили ръчно. След това обсъдете с AI как ако приемем, че двете обезпечения са зависими (корелирани) ще промени опашката.
контролен списък
- [ ] Гледал ли съм също и крайните мерки (VaR, TVaR), а не средната стойност?
- [ ] Взех ли предвид съотношението на рисковете по време на кризата?
- [ ] Добавих ли структурни/редки сценарии, които не се срещат в исторически данни с експертна преценка?
- [ ] Съзнателно ли съм разделил детерминистичния и стохастичния подход?
- [ ] Проверил ли съм ръчно средната стойност на Монте Карло за съответствие с очакваната стойност?
- [ ] Написал ли съм обосновката за избора на сценарии и магнитудите на шока?