Kasu:
- Võimalus luua tehisintellekti toel deterministlikku stsenaariumi, stohhastilist simulatsiooni (Monte Carlo) ja stressitesti kontseptsioone ning tõlgendada tulemusi riskikeeles
- Võimalus kavandada tehisintellektiga šokistsenaariume, nagu inflatsioon, intressid, katastroofilised kahjud ja pandeemia, ning hinnata vastutust ja kapitali mõju
- Oskus teha vahet, et tehisintellekti loodud stsenaariumid põhinevad ajaloolistel andmetel ning et kindlustusmatemaatika on esiplaanil sabariskide ja struktuursete katkestuste puhul.
Aktuaarsus on tuleviku ennustamise elukutse; Kuid tulevik ei ole üks number, see on võimaluste spekter. Ei piisa, kui öelda "Meie eeldatav kahju on 50 miljonit"; Tegelik küsimus on: "Kui tuleb halb aasta, siis mitu miljonit see maksma läheb, kas ettevõte saab sellega hakkama?" Sellele küsimusele vastuse andvad tööriistad on stsenaariumianalüüs ja stressitestid. Maavärina, kõrge inflatsiooni, intressišoki või pandeemia mõju ette mõõtmine ettevõtte kohustustele ja kapitalile on nii ettevõttesisese riskijuhtimise kui ka selliste õigusaktide nagu Solventsus II põhinõue. Selles üksuses käsitleme deterministlikku stsenaariumi, stohhastilist simulatsiooni (Monte Carlo) ja stressitestimist ning vaatame, kuidas nendes analüüsides kasutada tehisintellekti.
Tuletame algusest peale meelde: stsenaariumid põhinevad ajaloolistel andmetel ja eeldustel. AI kavandab stsenaariume, kirjutab simulatsioonikoodi ja tõlgendab tulemusi; Kuid millised šokid on realistlikud, kuidas käsitleda sabariski ja kuidas lisada struktuurseid katkestusi (sündmused, mida pole kunagi varem juhtunud), jääb kindlustusmatemaatika otsustada.
Deterministlik stsenaarium, stohhastiline simulatsioon ja stressitestimine
Oluline on eristada kolme mõistet. Deterministlik stsenaarium on valida üks eelduste kogum ja arvutada tulemus: "Mis oleks meie nõuete maksumus, kui inflatsioon oleks 40 protsenti?" Lihtne, selge ja lihtne suhelda; Kuid see näitab ainult ühte teed, mitte võimalust. Stohhastiline simulatsioon (Monte Carlo) tuletab tulemuse tõenäosusjaotuse, genereerides korduvalt tuhandeid juhuslikke stsenaariume. Nii saadakse sabainfo nagu "keskmiselt 50, aga 99,5 protsendi tasemel 78 miljonit". Stressitest on eritüüpi stsenaarium, mis mõõdab teatud tõsiste, kuid usutavate sündmuste (maavärin, turukrahh) mõju; tavaliselt määratleb regulaator.
Monte Carlo on aktuaaride üks võimsamaid tööriistu. Loogika on järgmine: eraldate sageduse ja intensiivsuse jaotusest juhuslikud väärtused ja arvutate kogu kahju; kordate seda 10 000 korda; Kogub teie käes 10 000 võimalikku kogukahju. Sellest akumulatsioonist saate lugeda keskmisi protsentiile, näiteks 75 protsenti, 99,5 protsenti ja halvimaid stsenaariume. Täpselt nii leitakse Solventsus II (halb aasta, mis tuleb ette kord 200 aasta jooksul) nõutud 99,5-protsendiline tase. AI loob selle simulatsiooni jaoks kiiresti koodi.
Järgmises tabelis võrreldakse kolme lähenemisviisi.
Lähenemine
mis annab
tugev külg
piiri
Deterministlik stsenaarium
üks tulemus
Lihtne, lihtne suhelda
Ei anna tõenäosust
Monte Carlo
Tõenäosuste jaotus
Näitab saba riski
Olenevalt eeldusest ja andmetest
stressitest
Tulemus šoki all
Testib vastupidavust
Šoki valik on kohtulik
Sabarisk: kõige olulisem ja ohtlikum ala
Aktuaarses teoorias ei seisne tegelik oht mitte keskmises, vaid sabas (jaotuse äärmuslik, väikese tõenäosusega, kuid suure mõjuga piirkond). See, mis ettevõtteid uputab, ei ole keskmine aasta, vaid haruldane, kuid laastav sündmus: suur maavärin, samal ajal tulemas palju suuri purustusi, äkiline intressišokk. Selle piirkonna mõõtmiseks kasutatakse VaR-i (Value at Risk – maksimaalne kahju antud usaldustasemel) ja TVaR/CTE (keskmine kahjum väljaspool saba). Monte Carlo on loomulik viis nende mõõtmiste arvutamiseks.
Kuid sabas peitub veel üks oht: ajaloolised andmed ei esinda saba hästi. Haruldased sündmused on definitsiooni järgi varem haruldased; seega kipub mudel neid alahindama. Tehisintellekt sobib hõlpsasti ajaloolistel andmetel põhineva jaotusega, kuid see ei mõtle spontaanselt sellele, "mis siis, kui toimub pandeemia või 100-aastane maavärin, mida see portfell pole kunagi kogenud?" Aktuaari ülesanne on lisada mudelisse struktuurilised katkestused, korrelatsiooni suurenemine (kriisi ajal kõik halveneb samal ajal) ja suundumused, nagu kliimamuutused.
Ettevaatust. Lause "Meie mudel käsitleb 99,9 protsenti stsenaariume" on lohutav, kuid pidage meeles, et mudel õpib andmetest, mille saba on möödas. Sündmus, mida kunagi ei juhtunud, on isegi parima modelli pimeala. Siin tuleb mängu eksperthinnang.
Kuidas kasutada tehisintellekti stsenaariumi- ja stressitestimisel
1) Monte Carlo simulatsioonikood:
Kirjutage liitkahjustuste Monte Carlo simulatsioon Pythoniga (koos kommentaaridega). Eeldused (annan): kahjude arv ~ Poisson(lambda=1600), kahju suurus ~ Gamma(kuju=k, skaala=teeta) [annan k ja teeta].1) 10 000 korda: tõmba kogus, tõmba see summa, liida.2) Kogukahjude keskmine, 75%, 99%, arvutage 9 protsenti. VaR(99,5%) ja TVaR(99,5%).FITTING parameetrid; ma annan selle. Raamatukogu: numpy.
2) Deterministlik stressistsenaarium:
Sinu roll: riskiassistent. Minu eeldatav kahjum on 50 miljonit TL. Seadistage järgmised 3 deterministlikku stsenaariumi: A) Inflatsioonišokk: raskusaste +30%. B) Sagedusšokk: kahjustuste arv +15%. C) Mõlemad koos. Arvutage iga stsenaariumi korral välja uus eeldatav kahju, näidake baasil põhinevat mõju protsentides ja kommenteerige, milline neist on kõige kriitilisem. Kasutage lihtsalt baasnumbrit, mille ma teile andsin.
3) Stsenaariumi kujundamise nõustamine:
Kavandan ravikindlustusportfelli stressitesti stsenaariume. - Pakkuge välja „tõsise, kuid usutava” stsenaariumi kavand pandeemia, kõrge inflatsiooni, uue kalli ravitehnoloogia ja regulatiivsete muudatuste jaoks. - Märkige, kas iga stsenaarium mõjutab sagedust, tõsidust või mõlemat. - Juhtige tähelepanu riskidele, mida ei saa ajalooliste andmetega tabada. Ma teen otsuse; Teie esitate raamistiku ja põhjenduse.
4) Tulemuse tõlkimine juhtimiseks:
Minu Monte Carlo tulemus: oodatav kahju 50M, VaR(99,5%) 78M, TVaR(99,5%) 89M. Selgitage seda direktorite nõukogule viie lausega: - Mida tähendab 99,5% ja TVaR lihtsas keeles. - Miks on "keskmise järgi planeerimine" ebapiisav? - Millist näitajat peaksid nad kapitali osas vaatama?
Nõrk viip / Tugev viip
Nõrk viip:
Tehke minu portfelli jaoks stressitest.
Ei ole baasväärtust, šoki määratlust ega jaotust. AI toodab üldist teksti, mitte teostatavat arvu.
Võimas viip:
Sinu roll: kindlustusmatemaatiliste riskide assistent. Põhieeldused (anonüümsed): eeldatav sagedus 0,12, keskmine tõsidus 30 000 TL, kokkupuude 20 000 poliisiaastat. Tehniline intress on 4%. Ülesanne: 1) Arvutage välja eeldatav kogukahjum.2) Rakendage järgmised pinged ja näidake nende mõju protsentuaalselt: - Inflatsioon: tõsidus +25% - Halb talv: sagedus +10% - Intressimäära langus: 4% -> 3% (mõju kohustuse nüüdisväärtusele)3) Kommenteerige 2 kõige kriitilisemat stsenaariumit, Carlo, miks ja miks soovitate4) kasuta minu antud numbreid; Kui see on puudu, küsige.
kolm minikarpi
Juhtum 1 – keskmise pettus. Ettevõte oli planeerinud oma kapitali eeldatava kahju (50 miljonit) põhjal. Kui Monte Carlo tehtud sai, oli näha, et 99,5 protsendi tase on 82 miljonit: kehval aastal tekkis 32 miljonit lisavajadust ja ettevõte ei suudaks seda täita. Kapitaliplaan on üle vaadatud. AI käivitas sekunditega 10 000 stsenaariumi simulatsiooni; Tõlgendust ja levitamist hindas aktuaar.
Juhtum 2 – korrelatsioonipimedus. Eraldi maavärina ja ärikatkestuse kate ilmnes portfellis madala riskina. Kuid maavärin vallandab mõlemad korraga; Sõltumatust eeldav mudel alahindas sabariski poole võrra. Kui aktuaar lisas stsenaariumile korrelatsiooni, suurenes reaalne kapitalivajadus oluliselt. Õppetund: kriisiolukorras ei ole riskid iseseisvad; Küsige AI oletatavast sõltumatuse aktsepteerimisest.
Juhtum 3 – sündmus, mida ei juhtunud. Tervishoiuteenuste portfell nägi viimase 10 aasta andmete põhjal välja väga "kindel". Pandeemia saabudes tõusid nii sagedus kui ka raskusaste samaaegselt taevasse; Mudel ei ennustanud seda kunagi, sest andmetes polnud midagi sarnast. Järgmisel perioodil lisati deterministlik pandeemiastsenaarium. AI koostas skripti mustandi; Aktuaar otsustas šoki suuruse. Õppetund: ajalooliste andmete järjekord pole täielik.
Levinud vead
- Keskmise ümber planeerimine. Ettevõtte uputab saba, mitte keskmine; Vaadake äärmuslikke mõõdikuid, nagu VaR/TVaR.
- Eeldades, et riskid on sõltumatud. Kriisi ajal korrelatsioonid suurenevad; Iseseisvuse aktsepteerimine teeb saba kergeks.
- Täielik usaldus ajalooliste andmete vastu. Andmed ei sisalda haruldasi ja struktuurseid sündmusi; Lisage eksperthinnanguga stsenaarium.
- Deterministliku ja stohhastilise segunemine. Üks stsenaarium ei anna tõenäosust; Tõenäosus nõuab Monte Carlot.
- Simulatsiooni tulemuse esitamine ilma seda kontrollimata. Kontrollige protsente ja VaR-i iseseisvalt; Parameetri viga moonutab kogu jaotust.
Näpunäide. Enne Monte Carlo tulemuste esitamist tehke lihtne järjepidevuse kontroll: kas simulatsiooni keskmine on lähedane käsitsi arvutatud eeldatavale väärtusele (sagedus × intensiivsus × kokkupuude)? Kui ei, siis on viga parameetris või koodis.
Kokkuvõttes
Tulevik ei ole üks number, vaid võimaluste spekter. Deterministlikud stsenaariumid näitavad ühte "mis siis, kui" teed, Monte Carlo näitab kogu jaotust ja sabariski, stressitestid näitavad tõsiste sündmuste mõju. Tegelik oht on sabas, mitte keskmine, ja ajaloolised andmed ei esinda saba hästi; Suurenenud korrelatsioon ja sündmused, mida pole toimunud, nõuavad kindlustusmatemaatilist hinnangut. AI kujundab stsenaariumi, kodeerib simulatsiooni ja tõlgendab tulemust; kuid šoki valik, korrelatsiooni oletus, sabaotsus ja lõplik riskiotsus lasub aktuaaril. Kontrollige tulemusi alati lihtsa järjepidevuse kontrolliga.
Rakenduse ülesanne
Määrake anonüümsed põhieeldused (sagedus, intensiivsus, kokkupuude, huvi). Paluge tehisintellektil (a) tugineda eeldatavale kahjule, (b) kolmele deterministlikule stsenaariumile, sealhulgas inflatsiooni-, sagedus- ja intressimäärašokkidele, (c) arvutada VaR ja TVaR (99,5%) Monte Carlo simulatsiooniga. Veenduge, et simulatsiooni keskmine on käsitsi arvutatud eeldatava väärtuse lähedal. Seejärel arutage tehisintellektiga, kuidas eeldades, et kaks tagatist on sõltuvad (korrelatsioonis), muudaks saba.
kontrollnimekiri
- [ ] Kas olen vaadanud ka sabamõõte (VaR, TVaR) mitte keskmist?
- [ ] Kas olen arvestanud riskide korrelatsiooniga kriisi ajal?
- [ ] Kas olen eksperthinnanguga lisanud struktuursed/haruldased stsenaariumid, mida ajaloolistes andmetes ei leidu?
- [ ] Kas ma olen teadlikult eraldanud deterministliku ja stohhastilise lähenemise?
- [ ] Kas ma olen käsitsi kontrollinud Monte Carlo keskmise vastavust eeldatavale väärtusele?
- [ ] Kas olen kirjutanud stsenaariumivalikute ja šoki suurusjärkude põhjendused?