Kasu:
- Võimalus selgitada kindlustusmatemaatilisi mõisteid, nagu kahju sagedus, kahju tõsidus ja lisatasu adekvaatsus tehisintellektiga ning koostada analüüsi mustand
- Võimalus testida hinnamudeli väljundit, andmete kvaliteeti ja eeldusi sõltumatute raamatupidamis- ja kindlustusmatemaatiliste põhimõtetega
- Võime mõista, et lõplike tariifide ja tehniliste eraldiste otsuste eest vastutavad pädevad aktuaarid ning tehisintellekt on vaid abivahend
Kindlustuse hind ei ole juhus; See arvutatakse matemaatiliselt. Aktuaar (kindlustuse valdkond, mis mõõdab riske tõenäosuse ja statistikaga ning paneb paika kindlustusmakse, eraldise ja katte tasakaalu) vastab küsimusele "mis see risk meile keskmiselt maksma läheb ja kuidas seda õiglase preemiaga katta?" Aktuaar (pädev ekspert, kes teeb selle arvutuse ja vastutab juriidiliselt) koondab kahjuandmed, trendid ja eeldused ning määrab tariifi (hinnaskaala) ja tehnilised eraldised (tulevasteks kahjunõueteks reserveeritud raha). Tehisintellekt (tarkvara, mis õpib andmetest mustreid ning genereerib teksti, kirjeldusi ja piirjooni) on selles raskes analüütilises töös võimas abimees: mõistete selgitamine, andmete kokkuvõte, analüüsi koostamine, koodi ja valemi soovitamine. Kuid aktuaarse otsusega kaasneb allkiri ja vastutus; Tehisintellekt ei saa seda allkirja anda. Selles õppetükis saate teada, kuidas tehisintellektiga selgitada ja analüüsida kindlustusmatemaatilisi põhimõisteid ning testida väljundit sõltumatute arvutuste ja kindlustusmatemaatika põhimõtetega.
Põhimõisted: sagedus, intensiivsus ja lisatasu adekvaatsus
Kolm kontseptsiooni moodustavad hinnakujunduse selgroo:
- Nõuete sagedus: nõuete arv poliisi (või ühiku) kohta antud perioodil. Näiteks kui 1000 autokindlustuse poliisil on 45 kahjujuhtumit aastas, on sagedus 0,045 (s.o 4,5%).
- Kahju raskusaste: nõude kohta makstav keskmine summa. Kui samas portfellis maksti 45 kahju eest kokku 3 150 000 TL, on raskusaste 70 000 TL.
- Kahju eeldatav maksumus (riskipreemia): sagedus × raskusaste. Näites 0,045 × 70 000 = 3150 TL. See on eeldatav puhas kahjumikulu poliisi kohta; Brutopreemia moodustub kulude, komisjonitasude ja kasumimarginaali liitmisel.
- Lisatasu piisavus: kas kogutud kindlustusmaksest piisab eeldatavate kahjude ja kulude katmiseks. Ebapiisav boonus viib ettevõtte kahjumisse; Liigne lisatasu loob ebakonkurentsivõimelise ja ebaõiglase hinnakujunduse.
AI on väga kasulik nende mõistete selgitamisel, andmekogumist sageduse/intensiivsuse kokkuvõtte väljavõtmisel ja analüüsietappide kirjeldamisel. Siiski peate alati arvulise tulemuse ümber arvutama.
Näpunäide: lasta tehisintellektil selgitada aktuaarset mõistet "numbrilise näitega, justkui 10. klassi õpilasele selgitades", on väga kasulik nii meeskonnakoolituses kui ka kliendile selgitamisel. Kuid kontrollige arvu: isegi mudeli korrutamine võib valesti minna.
Kus on tehisintellekt aktuaariumis
Punane joon aktuaaris on selge: lõpliku tariifi, kindlustustehnilise eraldise ja lisatasu piisavuse otsuse eest vastutab pädev aktuaar. AI aitab täita järgmisi ülesandeid: mõiste selgitamine, andmete kokkuvõte, uurimusliku analüüsi ülevaade, valemi/koodi soovitus, tulemuseks oleva teksti loetavaks muutmine. Tal ei saa olla viimast sõna järgmistes küsimustes: tariifi kinnitamine, eraldiste piisavuse tunnistamine, eelduste lõplikuks tunnistamine. Sest need otsused mõjutavad otseselt nii ettevõtte finantsseisundit kui ka kliendi õigust õiglasele hinnale ning alluvad õigusaktidele (SEDDK – Kindlustus- ja Erapensioni määrus ja Järelevalve Agentuuri määrused).
Tähelepanu: tehisintellekti soovitatud tariifi või määra ei avaldata kunagi ilma andmete kvaliteedi ja eelduste sõltumatu testimiseta. Vale eeldus (nt inflatsiooni mõju eiramine) võib kogu portfelli kahjustada.
Samm-sammult: tehisintellektiga toetatud kindlustusmatemaatilise analüüsi mustand
- Andmete anonüümseks muutmine ja tuvastamine. Isikuandmeid pole; ainult koondnumbrid. Määrake periood, portfell ja tagatise tüüp.
- Selgitage mõiste ja meetod. Paluge tehisintellektil visandada sageduse/intensiivsuse analüüsi etapid.
- Andmete kvaliteedi küsimine. Kas puuduvad andmed, kõrvalekalded, perioodide mittevastavus, IBNR (nõuetest veel teatamata) on mõju?
- Kirjutage eeldused selgelt. Millistel eeldustel põhinevad inflatsioon, trend, arengutegurid?
- Arvutage tulemus iseseisvalt. Saate oma arvutustabeliga taasesitada sagedust, intensiivsust ja riskipreemiat.
- Testige ja kinnitage kindlustusmatemaatilise põhimõttega. Pädev aktuaar hindab ja allkirjastab preemia piisavuse, õigluse ja seadusandluse.
kolm minikarpi
Juhtum 1 – vale oletuse tabamine. Aktuaari abi sai tehisintellektilt autokindlustustariifi analüüsi mustandi. Tehisintellekt võttis viimase 3 aasta keskmiseks kahju raskuseks 62 000 TL ja arvutas riskipreemia. Aktuaar mõistis, et vägivalda ei olnud kohandatud inflatsiooniga nüüdisväärtusele: praeguste sõidukite remondikulude juures oli vägivald tegelikult ~89 000 dollarit. See korrektsioon suurendas riskipreemiat 43%. Ilma sõltumatu kontrollita oleks tariif tõsiselt ebapiisav.
Juhtum 2 – kõrvalekalde moonutamine. Ühes portfellis olevat 500 kahjusummat kokku 40 000 000 TL; kuid 22 000 000 TL sellest tulenes ühest suurest tulekahjust. Tehisintellekt võttis keskmiseks vägivallaks kokku 80 000 TL. Aktuaar hindas seda üksikut suurt kahju eraldi (sest see ei kordu igal aastal); "Tavaliste" kahjude keskmine oli ~36 000 TL. Kõrvalväärtuse eraldamine muutis tariifi realistlikuks.
Juhtum 3 – õigluse kontroll. Tervisekindlustuse hinnaprojektis pakkus tehisintellekt teatud vanuserühmale väga suuri tõusu. Aktuaar leidis, et soovitus pärines vaid väikesest ja lärmakast valimist (väike kahjunõuete arv); See ei olnud statistiliselt usaldusväärne. Lisaks oli see vastuolus õigusaktides nõutud õiglase hinnakujunduse põhimõttega. Aktuaar tegi esmalt ulatuslikumate andmetega usaldusväärsuse arvutuse ja seejärel otsuse.
Neli kopeeritavat viipa
1) Kontseptsiooni selgitus (koolitusele/kliendile):
Käitu nagu kindlustusmatemaatiline juhendaja. Selgitage mõisteid "kahju sagedus", "kahjustuse raskusaste" ja "riskipreemia" samm-sammult ühe järjestikuse arvulise näitega (nt 1000 poliisi, 45 nõuet, kogumakse 3 150 000 TL). Näidake igas etapis valemit ja vahetulemust. Kasutage lihtsat ja arusaadavat keelt.
2) Analüüsi mustand skelett:
Järgnevalt kirjeldatakse nõuete koondandmete (ilma isikuandmeteta) sageduse ja tõsiduse analüüsi etapid: [periood, poliiside arv, nõuete arv, makse kogusumma]Igas etapis: täpsustage, mida arvutatakse, milliseid eeldusi on vaja, milline on andmete kvaliteedi risk (puuduvad andmed, kõrvalekalded, IBNR, inflatsioon). Arvutan arvulise tulemuse ümber; seadistate meetodi.
3) Andmete kvaliteedi ja eelduse küsija:
Kritiseerige vanema aktuaari vaatenurgast järgmist analüüsi mustandit: [kleepige mustand] Küsi: kas vägivalda on kohandatud inflatsiooniga? Kas kõrvalekalded eemaldati? Kas proov on usaldusväärne? Kas IBNR-i võeti arvesse? Mis on trendi oletus? Loetlege kõik nõrkused jaotises "RISK" koos parandusettepanekuga.
4) Tulemusteksti lihtsustamine:
Teisendage järgmine kontrollitud analüüsitulemus juhile, kes ei ole aktuaar, lihtsaks kokkuvõtteks: [kleebi tulemus]Ärge muutke numbreid, lisage uusi numbreid. Esitage selgelt ebakindlus ja eeldused. Lisa märkus: "Lõplik tariifiotsus tuleb heaks kiita pädeva aktuaariga."
Nõrk viip / Tugev viip
Nõrk: "Arvutage nende andmetega autokindlustusmakse ja kirjutage tariif."
Probleem: taotletakse otsetariifi (punane tsoon); puuduvad eeldused, andmete kvaliteet ja valideerimine. Mudel sobib mürarikaste andmete ebausaldusväärse kiirusega.
Tugev: "Koostage sagedus-intensiivsuse analüüsi etapid; täpsustage igal etapil eeldus ja andmete kvaliteedi risk. Arvutan numbrilise tulemuse. Ärge tehke tariifi otsust."
Miks see on hea: tehisintellekt kehtestab meetodi, aktuaar hoiab arvestuse ja otsuse; oletused muutuvad nähtavaks.
võrdlustabel
samm
AI roll
Aktuaari roll
Risk
Mõiste selgitus
Selgitab, toob näiteid
Kinnitab täpsust
vale näide
Andmete kokkuvõte
agregaadid
Kontrollib allikat
Outlier moonutus
Eelduste loetelu
Soovitab
vastu võtma / tagasi lükkama
Puuduv/vale oletus
Riskipreemia arvutamine
mustandvalem
Sõltumatud kontod
Konto viga
Tariifi/eraldise otsus
—
Otsustab ja annab märku
Ebapiisav lisatasu
Levinud vead
- Tehisintellekti arvu otse saamine. Mudel võib isegi korrutamise/liitmise ebatäpseks muuta; arvutage iga tulemus uuesti.
- Inflatsiooni ja trendi korrigeerimise vahelejätmine. Tariifide kehtestamine ilma mineviku vägivalla olevikku toomata kahjustab portfelli.
- Kõrvalväärtuse segamine keskmisega. Üks suur kahju eksitab kogu tariifi; Hinnake eraldi.
- Tuginedes väikesele valimile. Väikese arvu kahjude suhtarv on ebausaldusväärne; Vajalik on krediidivõimekuse arvestus.
- Õigluse eiramine. Statistilise müra alusel grupile ebaõiglase palgatõusu pakkumine on seadusevastane.
Kokkuvõttes
Aktuaaritöös selgitab tehisintellekt mõisteid, teeb kokkuvõtteid andmetest, visandab analüüsi ja soovitab valemeid; kuid ta ei otsusta tariifi, eraldiste ja lisatasude piisavuse üle. Kasutage õigesti sageduse, intensiivsuse ja riskipreemia mõisteid; küsi andmete kvaliteeti (kõrvalväärtus, IBNR, inflatsioon, valimi usaldusväärsus); arvutage iga number iseseisvalt; Kirjutage eeldused selgelt. Lõpliku otsuse eest vastutab pädev aktuaar ja selle kohta kehtivad SEDDK eeskirjad.
Rakenduse ülesanne
Looge tehisintellektiga sageduse ja raskusastme kokkuvõte teie olemasoleva kahjustuste andmekogumi põhjal (testimise eesmärgil, koondatud). Seejärel tehke sama arvutus ise arvutustabelis. Pange tähele kahe tulemuse erinevust; Kui on erinevus, leidke põhjus (inflatsioon, kõrvalekalle, vale korrutis). Kritiseerige oma eeldusi viipe nr 3 abil ja tuvastage vähemalt kaks andmekvaliteedi riski.
kontrollnimekiri
- [ ] Kasutasin ainult koondatud mitteisikuandmeid.
- [ ] Sageduse, intensiivsuse ja riskipreemia arvutasin ise ümber.
- [ ] Rakendasin inflatsiooni/trendi korrektsiooni.
- [ ] Eraldi hindasin kõrvalekaldeid.
- [ ] Seadsin proovi usaldusväärsuse kahtluse alla.
- [ ] Panin eeldused selgelt kirja.
- [ ] Jätsin lõpliku tariifi/eraldise otsuse tegemise pädeva aktuaari heaks.