রিজার্ভ (প্রভিশন) অ্যাকাউন্ট: আইবিএনআর, চেইন ল্যাডার এবং কৃত্রিম বুদ্ধিমত্তা দিয়ে যাচাইকরণ

লাভ:

• কৃত্রিম বুদ্ধিমত্তার সহায়তায় ক্ষতির উন্নয়ন ত্রিভুজ, আইবিএনআর (আকারিত কিন্তু অপ্রতিবেদিত ক্ষতি) এবং চেইন-মই পদ্ধতি স্থাপন এবং উন্নয়নের কারণগুলি ব্যাখ্যা করার ক্ষমতা
• বিকল্প পদ্ধতি যেমন Bornhuetter-Ferguson এবং Mack এর সাথে ফলাফল তুলনা করার ক্ষমতা এবং কৃত্রিম বুদ্ধিমত্তার সাথে রিজার্ভ অনিশ্চয়তা (পরিবর্তনশীলতা, আত্মবিশ্বাসের ব্যবধান) ব্যাখ্যা করার ক্ষমতা
• কৃত্রিম বুদ্ধিমত্তা দ্বারা গণনা করা বিধানের চিত্রটি একটি খসড়া, চূড়ান্ত নয় এবং উন্নয়ন ফ্যাক্টর এবং বিচারিক সংশোধনের পছন্দটি দায়িত্বশীল অ্যাকচুয়ারির অন্তর্গত তা বজায় রাখতে সক্ষম হওয়া।

যখন একটি বীমা কোম্পানী আজ ক্ষতির জন্য অর্থ প্রদান করে, এটি আসলে অতীতে বিক্রি করা একটি পলিসির ঋণ পরিশোধ করে। কিন্তু প্রতিটি ক্ষয়ক্ষতি অবিলম্বে রিপোর্ট করা হয় না এবং রিপোর্ট করা প্রতিটি ক্ষতি অবিলম্বে সম্পূর্ণ পরিশোধ করা হয় না। আজ একটি ট্র্যাফিক দুর্ঘটনা ঘটে, তিন মাস পরে কোম্পানিকে অবহিত করা হয়, আদালতের প্রক্রিয়ায় দুই বছর সময় লাগে, এবং চূড়ান্ত অর্থপ্রদান চার বছর পরে পরিষ্কার হয়ে যায়। অতএব, কোম্পানিকে আজই সেই ক্ষতির জন্য অর্থ সংরক্ষণ করতে হবে যেগুলি এখনও সম্পূর্ণরূপে পরিশোধ করা হয়নি বা এখনও রিপোর্ট করা হয়নি। এই অর্থকে রিজার্ভ বলা হয় এবং এর সঠিক গণনা একটি বীমা কোম্পানির সবচেয়ে গুরুত্বপূর্ণ অ্যাকচুয়ারিয়াল কাজ। তিনি কম ছেড়ে দিলে কোম্পানিটি দেউলিয়া হয়ে যাবে; খুব বেশি বরাদ্দ থাকলে পুঁজি অযথা বেঁধে যায় এবং মুনাফা লুকিয়ে থাকে।

এই ইউনিটে, আমরা বিধান অ্যাকাউন্টিংয়ের কেন্দ্রে তিনটি ধারণা কভার করব: ক্ষতির উন্নয়ন ত্রিভুজ, আইবিএনআর এবং চেইন-মই পদ্ধতি। তারপর আমরা বিকল্প পদ্ধতি (Bornhuetter-Ferguson, Mack) এবং অনিশ্চয়তা বিবেচনা করব। AI এই গণনার জন্য কোড লেখে, ত্রিভুজ পূরণ করে, গুণনীয়ক গণনা করে এবং ফলাফল ব্যাখ্যা করে; কিন্তু উন্নয়ন ফ্যাক্টর নির্বাচন, বিচার বিভাগীয় সংশোধন এবং চূড়ান্ত বিধান চিত্রের দায়িত্ব দায়ী অ্যাকচুয়ারির উপর।

ক্ষতি উন্নয়ন ত্রিভুজ কি?

বিধান গণনার ভিত্তি হল উন্নয়ন ত্রিভুজ / রান-অফ ত্রিভুজ। সারিগুলি দেখায় যে সময়ে ক্ষতি হয়েছিল (দুর্ঘটনা বছর), এবং কলামগুলি দেখায় যে সেই ক্ষতির জন্য কত অর্থ প্রদান করা হয়েছিল (উন্নয়ন বছর)। এটি এই মত পড়ে: 2021 দুর্ঘটনা বছরের 1ম উন্নয়ন বছরে 4 মিলিয়ন প্রদান করা হয়েছিল, 2য় বছরে একটি ক্রমিক 6.2 মিলিয়ন এবং 3য় বছরে 7 মিলিয়ন প্রদান করা হয়েছিল। পুরানো দুর্ঘটনার বছরগুলি পরিপক্ক হয়েছে (প্রায় সমস্ত অর্থ প্রদান করা হয়েছে), যখন নতুন বছরগুলি এখনও বিকাশ করছে৷ তাই ত্রিভুজটির নাম: নীচের ডান কোণটি খালি, কারণ নতুন বছরের আরও বিকাশ এখনও ঘটেনি। অ্যাকচুয়ারির কাজ এই খালি কোণার অনুমান করা।

IBNR (ব্যয় হয়েছে কিন্তু রিপোর্ট করা হয়নি) এই ফাঁকের অবিকল অংশ: দাবির ভবিষ্যত খরচ যা হয়েছে কিন্তু কোম্পানিকে এখনও জানানো হয়নি। এছাড়াও রয়েছে IBNER (অতিরিক্ত উন্নয়ন রিপোর্ট করা কিন্তু কম সংরক্ষিত দাবি)। অনুশীলনে, ত্রিভুজ পদ্ধতি মোট প্রয়োজনীয় বিধান অনুমান করে (প্রদান + ভবিষ্যত উন্নয়ন); আপনি প্রদত্ত অংশ বিয়োগ করলে, IBNR সহ অবশিষ্ট বিধান অবশিষ্ট থাকে।

টিপ: আপনি দুটি ভিন্ন ভিত্তির উপর ত্রিভুজ সেট আপ করতে পারেন: "ক্ষতি পরিশোধিত" এবং "ক্ষতি হয়েছে (প্রদেয় + পরিচিত রিজার্ভ)"। দুটি একসাথে পরীক্ষা করা আপনাকে দাবি টিমের বুকিং আচরণের পরিবর্তন ক্যাপচার করতে সহায়তা করে।

শিকল-মই ধাপে ধাপে

চেইন ল্যাডার হল সবচেয়ে সাধারণ প্রতিক্রিয়া পদ্ধতি, এবং এর যুক্তি হল স্বজ্ঞাত: যদি অতীতে ক্ষতি একটি নির্দিষ্ট হারে গড়ে এক উন্নয়ন বছর থেকে পরবর্তী বছর পর্যন্ত বৃদ্ধি পায়, নতুন বছর একই হারে বৃদ্ধি পাবে। পদক্ষেপ:

1. ক্রমবর্ধমান ত্রিভুজ সেট আপ করুন। উন্নয়নের বছর অনুসারে প্রতিটি দুর্ঘটনার জন্য ক্রমবর্ধমান অর্থপ্রদানের দাবিগুলি সাজান।
2. বিকাশের কারণগুলি গণনা করুন। প্রতিটি কলাম পাসের জন্য: পরবর্তী কলামের যোগফল / বর্তমান কলামের যোগফল (শুধুমাত্র উভয় কলামের সাথে সারি ব্যবহার করে)। উদাহরণস্বরূপ, গুণনীয়ক 1→2 হল 1.45; গুণনীয়ক 2→3 1.12 হতে পারে। এই ফ্যাক্টরকে বয়স থেকে বয়সের ফ্যাক্টর বলা হয়।
3. ক্রমবর্ধমান (স্ট্যাকড) ফ্যাক্টর খুঁজুন। প্রতি বছরের ফাইনালে পৌঁছানোর জন্য অবশিষ্ট ফ্যাক্টরগুলিকে গুণ করা হচ্ছে।
4. খালি কোণটি পূরণ করুন। প্রতিটি নতুন দুর্ঘটনা বছরের শেষ পরিচিত মানকে অবশিষ্ট কারণগুলির দ্বারা গুণ করে চূড়ান্ত ক্ষতি অনুমান করুন।
5. প্রতিক্রিয়া গণনা করুন। চূড়ান্ত ক্ষতি - তারিখে পরিশোধ করা = ভবিষ্যতে প্রদেয় বিধান (আইবিএনআর সহ)।

নিম্নলিখিত টেবিলটি একটি ছোট উদাহরণ (ক্রমবর্ধমান অর্থপ্রদানের ক্ষতি, মিলিয়ন TL):

দুর্ঘটনার বছর

চলো। 1

চলো। 2

চলো। 3

চলো। 4

2021

4.0

6.0

৬.৮

7.0

2022

4.4

6.5

7.3

?

2023

4.8

7.0

?

?

2024

5.2

?

?

?

এই ত্রিভুজে, ফ্যাক্টর 1→2 প্রায় 1.47; 2→3 প্রায় 1.12; 3→4 প্রায় 1.03 এর সমান। 2024 চূড়ান্ত 5.2 × 1.47 × 1.12 × 1.03 ≈ 8.82 মিলিয়ন; যেহেতু প্রদত্ত পরিমাণ 5.2, বিধান হল ≈ 3.62 মিলিয়ন TL। AI এই পাটিগণিত সেকেন্ডের মধ্যে করে, কিন্তু অ্যাকচুয়ারি সিদ্ধান্ত নেয় কারণগুলি যুক্তিসঙ্গত কিনা।

বিকল্প পদ্ধতি এবং অনিশ্চয়তা

একা শৃঙ্খল মই যথেষ্ট নয় কারণ উন্নয়নের কারণগুলি ছোট ওঠানামার জন্য অত্যন্ত সংবেদনশীল কারণ সাম্প্রতিক দুর্ঘটনার বছরগুলিতে খুব কম ডেটা রয়েছে; একটি একক বড় ক্ষতি সমগ্র অনুমান উড়িয়ে দিতে পারে। এই কারণেই Bornhuetter-Ferguson (BF) পদ্ধতি ব্যবহার করা হয়: BF একটি বাহ্যিক প্রত্যাশিত ক্ষতি অনুপাতের তথ্য ব্যবহার করে অনুন্নত অংশ অনুমান করে এবং এইভাবে অস্থিরতাকে মসৃণ করে। পরিপক্ক বছরগুলিতে চেইন মই পছন্দ করা হয়, নতুন এবং অপরিণত বছরে BF পছন্দ করা হয়; একসাথে তারা একটি সুষম অনুমান দেয়।

অনিশ্চয়তা পরিমাপ করতে, ম্যাক পদ্ধতিটি ব্যবহার করা হয়: এটি বিশ্লেষণাত্মকভাবে চেইন ল্যাডার অনুমানের মান ত্রুটি (পরিবর্তনশীলতা) দেয়। উপরন্তু, বুটস্ট্র্যাপ দ্বারা প্রতিক্রিয়ার একটি সম্পূর্ণ সম্ভাব্যতা বন্টন করা যেতে পারে (বারবার ডেটা নমুনা করে সিমুলেশন); এটি "সবচেয়ে খারাপ পরিস্থিতিতে আমাদের প্রতিক্রিয়া কী হবে?" এর প্রশ্নের (সল্ভেন্সি II-এর জন্য গুরুত্বপূর্ণ) উত্তর দেয়। এআই কোড তৈরি করতে এবং এই পদ্ধতিগুলির তুলনা করার ক্ষেত্রে খুব শক্তিশালী।

সতর্কতা: গ্রোথ ফ্যাক্টর নির্বাচন যান্ত্রিক নয়। এক বছরে, আইনের পরিবর্তন, মামলার একটি বড় তরঙ্গ, বা দাবি প্রদানের হারে পরিবর্তনের কারণগুলি ব্যাহত হতে পারে। "সরল গড়, ওজনযুক্ত গড়, গত 3 বছর" পছন্দটি বিচারিক এবং অবশ্যই ন্যায্য হবে৷

রিজার্ভ অ্যাকাউন্টিং এ এআই কিভাবে ব্যবহার করবেন

1) চেইন মই কোড:

পাইথনে একটি মন্তব্য করা কোড লিখুন যা চেইন-মই গণনা করে। ইনপুট: ক্রমবর্ধমান অর্থপ্রদানের ক্ষতির ত্রিভুজ (তালিকাগুলির তালিকা, অনুপস্থিত কোষগুলি নেই)। 1) প্রতিটি কলাম পাসের জন্য ভলিউম-ওয়েটেড বয়স ফ্যাক্টর গণনা করুন। 2) ক্রমবর্ধমান কারণগুলি খুঁজুন। 3) ফাঁকা কোণে পূরণ করুন এবং প্রতিটি দুর্ঘটনা বছরের জন্য চূড়ান্ত ক্ষতি অনুমান করুন। 4) গণনা করুন এবং ক্ষতিপূরণ যোগ করুন (চূড়ান্ত - প্রদত্ত)। পর্দায় প্রতিটি মধ্যবর্তী ধাপ মুদ্রণ করুন; একটি লাইব্রেরি তৈরি করবেন না, মৌলিক পাইথন ব্যবহার করুন।

2) পদ্ধতি তুলনা:

একজন অ্যাকচুয়ারীকে চেইন ল্যাডার এবং বোর্নহুয়েটার-ফার্গুসনের মধ্যে পার্থক্য ব্যাখ্যা করুন।- কোন পরিস্থিতিতে কোনটি বেশি নির্ভরযোগ্য?- কেন নতুন (অপরিপক্ক) দুর্ঘটনা বছরে BF পছন্দ করা হয়?- আমি কীভাবে BF-এর জন্য প্রয়োজনীয় 'প্রত্যাশিত ক্ষতির হার' নির্ধারণ করব? একটি সারণীতে সুবিধা/অসুবিধাগুলি সংক্ষিপ্ত করুন।

3) ফ্যাক্টর সম্ভাব্যতা পরীক্ষা:

আমার নিম্নলিখিত বয়স থেকে বয়সের কারণ রয়েছে: 1->2: 1.47; 2->3: 1.12; 3->4: 1.03; 4->5: 1,45. 4->5 ফ্যাক্টর অন্যদের তুলনায় অদ্ভুত দেখাচ্ছে।- এই লাফের সম্ভাব্য কারণগুলি কী হতে পারে (নিয়ন্ত্রক, বড় ক্ষতি, ডেটা ত্রুটি)?- যাচাই করার জন্য আমার কী পরীক্ষা করা উচিত? সিদ্ধান্ত গ্রহণ; আমাকে একটি চেকলিস্ট দিন.

4) অনিশ্চয়তা ব্যাখ্যা:

আমার চেইন মই সেরা অনুমান বিধান হল 42 মিলিয়ন TL, ম্যাক স্ট্যান্ডার্ড ত্রুটি 5.3 মিলিয়ন। একজন ম্যানেজার এবং একজন নিয়ন্ত্রককে আমি কীভাবে এটি ব্যাখ্যা করব?- 75% এবং 99.5% স্তরের অর্থ কী তা সরল ভাষায় ব্যাখ্যা করুন।- আমি কীভাবে 'একক সংখ্যার পরিবর্তে পরিসর' বার্তাটি জানাতে পারি?

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

আমার পুরস্কার গণনা.

কোন ত্রিভুজ নেই, কোন পদ্ধতি নেই, কোন তথ্য নেই। AI ফাঁক ফিট করে.

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: বুকিং সহকারী। আমি আপনাকে ক্রমবর্ধমান অর্থপ্রদানের দাবির ত্রিভুজ (অজ্ঞাতনামা, মিলিয়ন TL) দেব:2021: [4.0, 6.0, 6.8, 7.0]2022: [4.4, 6.5, 7.3]2023: [4.8, 7.0]2024: [5.2]-তথ্য অনুযায়ী বয়স নির্ণয় করা হয়েছে। দেখান। তাই ব্যাখ্যা করুন কেন আপনার অনুমান আরো অনিশ্চিত। আমাকে মধ্যবর্তী নম্বরগুলি দেখান যাতে আমি সেগুলি ম্যানুয়ালি যাচাই করতে পারি৷ আমি আপনাকে যে ডেটা দিচ্ছি তা ব্যবহার করুন।

তিনটি মিনি কেস

কেস 1 - অপর্যাপ্ত বিধান। একটি কোম্পানী তার দ্রুত বর্ধনশীল ট্রাফিক পোর্টফোলিওতে গত দুটি দুর্ঘটনার বছর গণনা করেছে একটি সোজা চেইন মই দিয়ে। যেহেতু নতুন বছরের কারণগুলি কম ছিল, তাই বিধানটি 31 মিলিয়ন TL অনুমান করা হয়েছিল। যখন অ্যাকচুয়ারি BF এর সাথে পরীক্ষা করে এবং প্রত্যাশিত ক্ষতির হার ব্যবহার করে, তখন বাস্তবসম্মত প্রতিক্রিয়া ছিল 44 মিলিয়ন TL। 13 মিলিয়নের পার্থক্য এক বছর পরে প্রকৃত ক্ষতির সাথে নিশ্চিত করা হয়েছিল। পাঠ: নতুন বছরে, নিছক শৃঙ্খল মইকে প্রতারণা করে।

কেস 2 - দূষিত ফ্যাক্টর। একজন সহকারী অভিযুক্ত 1.42 এর একটি 3→4 ফ্যাক্টর দেখেছেন AI যে ত্রিভুজটি তৈরি করেছে; যেখানে ঐতিহাসিক গড় ছিল 1.05। প্রশ্ন ছাড়াই পাস হলে, প্রতিক্রিয়া প্রায় 30 শতাংশ বেড়ে যেত। তদন্তে জানা গেছে যে ডেটা লোডিং ত্রুটির কারণে দুটি দুর্ঘটনা বছর স্থানান্তরিত হয়েছে। এআই ত্রুটিটি তৈরি করেনি, তবে এটি লক্ষ্য করেনি; অ্যাকচুয়ারির যুক্তিসঙ্গততা যাচাই করা হয়েছে।

কেস 3 - অনিশ্চয়তার সঠিক উপস্থাপনা। একজন দায়িত্বশীল অ্যাকচুয়ারি ম্যানেজমেন্টকে শুধু বলেছিলেন যে "বিধান ৪২ মিলিয়ন।" ম্যানেজমেন্ট এটাকে নিশ্চিত মনে করে লাভ বন্টন করে। পরের বছর, যখন আসল সংখ্যা ছিল 48 মিলিয়ন, তখন একটি সংকট দেখা দেয়। পরবর্তী মেয়াদে, অ্যাকচুয়ারি ম্যাক এবং বুটস্ট্র্যাপের সাথে একটি পরিসরের প্রস্তাব দিয়েছিলেন যে "সর্বোত্তম অনুমান হল 42, কিন্তু 75% স্তর হল 46, 99.5% স্তর হল 55 মিলিয়ন"; প্রশাসন সে অনুযায়ী সিদ্ধান্ত নিয়েছে। এটি AI বুটস্ট্র্যাপ কোড এবং চার্ট প্রস্তুত করতে অনেক সময় বাঁচিয়েছে।

সাধারণ ভুল

• সাম্প্রতিক বছরগুলোতে দুর্ঘটনার ক্ষেত্রে শুধুমাত্র চেইন ল্যাডার ব্যবহার করা হচ্ছে। কম ডেটা মানে উদ্বায়ী ফ্যাক্টর; BF এর সাথে ভারসাম্য।
• যৌক্তিকতা নিয়ন্ত্রণের জন্য উন্নয়ন কারণের বিষয় না. একটি দুর্নীতিগ্রস্ত কারণ সমগ্র প্রতিক্রিয়া দূরে উড়িয়ে দেয়; ঐতিহাসিক প্যাটার্নের সাথে তুলনা করুন।
• একটি একক সঠিক সংখ্যা হিসাবে পারস্পরিক উপস্থাপন। প্রতিক্রিয়া একটি অনুমান; একটি অনিশ্চয়তা পরিসীমা (ম্যাক, বুটস্ট্র্যাপ) ছাড়া এটি উপস্থাপন করা বিভ্রান্তিকর।
• পরিশোধিত এবং উপলব্ধি ত্রিভুজ বিভ্রান্তিকর. দুটি ভিন্ন জিনিস পরিমাপ; একটি ভিত্তিতে ধারাবাহিকভাবে কাজ করুন বা সচেতনভাবে দুটি তুলনা করুন।
• মুদ্রাস্ফীতি এবং নিয়ন্ত্রক বিরতি উপেক্ষা করা। অতীত উন্নয়ন প্যাটার্ন ভবিষ্যতে একই থাকবে না; এছাড়াও কাঠামোগত পরিবর্তন বিবেচনা করুন.

সংক্ষেপে

রিজার্ভ হল ভবিষ্যৎ দায়বদ্ধতার বর্তমান অনুমান এবং এটি বীমা কোম্পানির সবচেয়ে গুরুত্বপূর্ণ অ্যাচুয়ারিয়াল গণনা। অতীতের অর্থপ্রদানের ধরণটি উন্নয়ন ত্রিভুজের সাথে দেখা হয়; শৃঙ্খল মই খালি কোণে বয়স-বয়সের কারণগুলি দিয়ে পূরণ করে এবং IBNR সহ চূড়ান্ত ক্ষতি এবং ক্ষতিপূরণ অনুমান করে। নতুন বছরে, BF আরো স্থিতিশীল; অনিশ্চয়তা ম্যাক এবং বুটস্ট্র্যাপ দ্বারা পরিমাপ করা হয়। এআই ত্রিভুজটি পূরণ করে, কোড লেখে এবং পদ্ধতিগুলি তুলনা করে; কিন্তু ফ্যাক্টর নির্বাচন, যুক্তিসঙ্গততা যাচাই এবং চূড়ান্ত চিত্র নির্ভর করে দায়ী অভিযুক্তের রায় এবং স্বাক্ষরের উপর।

আবেদন টাস্ক

ক্রমবর্ধমান অর্থপ্রদানের দাবিগুলির একটি বেনামী ক্ষুদ্র ত্রিভুজ তৈরি করুন (4 দুর্ঘটনা বছর × 4 বিকাশ বছর পর্যন্ত)। AI কে চেইন ল্যাডার দিয়ে সমতুল্য গণনা করতে বলুন। ম্যানুয়ালি বয়স-বয়স ফ্যাক্টর এবং 2 বছরের চূড়ান্ত যাচাই করুন। তারপর AI কে জিজ্ঞাসা করুন "কিভাবে BF সাম্প্রতিক বছরের জন্য একটি ভিন্ন ফলাফল তৈরি করবে" এবং দুটি পদ্ধতির তুলনা করুন। সচেতনভাবে কারণগুলির মধ্যে একটিকে বিকৃত করুন (উদাহরণস্বরূপ, একটি ঘরকে 10 গুণ বড় করুন) এবং পর্যবেক্ষণ করুন কীভাবে AI এর প্রতিক্রিয়া পরিবর্তন হয় এবং কীভাবে সম্ভাব্যতা পরীক্ষা এটি ধরবে।

চেকলিস্ট

• [ ] আমি কি সঙ্গতিপূর্ণ যে আমি ত্রিভুজটি প্রদত্ত ক্ষতি বা ক্ষতির ভিত্তিতে সেট আপ করেছি?
• [ ] আমি কি ঐতিহাসিক প্যাটার্নের সাথে বয়স-বয়সের কারণগুলির তুলনা করে প্রশংসনীয়তা পরীক্ষা করেছি?
• [ ] আমি কি নতুন/ অপরিণত বছরের জন্য BF এর সাথে ক্রস-চেক করেছি?
• [ ] আমি কি একক সংখ্যার পরিবর্তে একটি অনিশ্চয়তার পরিসর দিয়ে প্রতিক্রিয়া উপস্থাপন করেছি?
• [ ] আমি কি স্বাধীনভাবে চূড়ান্ত ক্ষতি এবং পাল্টা পাটিগণিত পুনরায় গণনা করেছি?
• [ ] আমি কি আমার ফ্যাক্টর নির্বাচনের (গড় ধরন, সময়কাল) ন্যায্যতা লিখিতভাবে রেখেছি?