નફો:
- ડેટા એન્ટ્રીથી લઈને અંતિમ હસ્તાક્ષરિત રિપોર્ટ સુધી, આર્ટિફિશિયલ ઈન્ટેલિજન્સ દ્વારા સપોર્ટેડ એન્ડ-ટુ-એન્ડ પ્રક્રિયા તરીકે સમગ્ર એક્ચ્યુરિયલ વર્કફ્લોને ડિઝાઇન કરવાની ક્ષમતા
- વર્કફ્લોમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ ટૂલ્સને એકીકૃત કરતી વખતે વર્ઝન કંટ્રોલ, ઑડિટ ટ્રેઇલ અને રિપીટીબિલિટી શિસ્ત સ્થાપિત કરવાની ક્ષમતા
- કૃત્રિમ બુદ્ધિમત્તાના યુગમાં એક્ચ્યુરિયલ વ્યવસાય કેવી રીતે બદલાઈ રહ્યો છે તે સમજવાની ક્ષમતા અને વ્યક્તિના પોતાના કૌશલ્ય વિકાસ અને વ્યાવસાયિક જવાબદારીઓનું આયોજન કરવાની ક્ષમતા.
મોડ્યુલ પરીક્ષા
1. એક એક્ચ્યુરી એઆઈને પૂછે છે કે "ગયા વર્ષે અમારા પોર્ટફોલિયોની ખોટની આવર્તન શું હતી?" પોલિસી ડેટા આપ્યા વિના. તે પૂછે છે, અને મોડેલ વિશ્વાસપૂર્વક નંબર આપે છે. આ પરિસ્થિતિ કયા જોખમનું સૌથી વધુ ઉદાહરણ આપે છે?
- A) ભ્રમણા: મોડેલ ડેટાની ઍક્સેસ વિના બનાવેલ નંબર બનાવે છે ✔
- બી) ઓવરફિટિંગ
- સી) ડેટા લીકેજ
- ડી) મૃત્યુદર સુધારણા
સમજૂતી: જ્યારે મોડેલને કોઈ ડેટા આપવામાં આવતો નથી, ત્યારે તે જે નંબર ઉત્પન્ન કરે છે તે આભાસ છે: એક અસ્ખલિત પરંતુ બનાવેલ આઉટપુટ જે વાસ્તવિક ડેટા પર આધારિત નથી. સંખ્યાત્મક પરિણામો જેમ કે આવર્તન હંમેશા સંસ્થાના પોતાના ડેટામાંથી ગણતરી કરવી જોઈએ.
2. નુકસાન મોડેલિંગમાં "આવર્તન" અને "તીવ્રતા" વચ્ચેના તફાવતનું મુખ્ય કારણ શું છે?
- A) કારણ કે કાયદો મોડેલિંગ આવર્તન અને તીવ્રતાને એકસાથે પ્રતિબંધિત કરે છે
- બી) કારણ કે તે માત્ર જીવન વીમા માટે જ માન્ય છે
- સી) આવર્તન અને તીવ્રતા વિવિધ વિતરણોને અનુસરે છે; અલગથી મોડેલિંગ અને તેમને સંયોજિત કરવાથી કુલ નુકસાનની વધુ ચોક્કસ આગાહી કરવામાં આવે છે ✔
- ડી) આવર્તન અને તીવ્રતા હંમેશા સમાન મૂલ્ય લેતી હોવાથી, તેમાંથી એકની ગણતરી કરવા માટે તે પૂરતું છે.
સમજૂતી: નુકસાનની સંખ્યા (આવર્તન) અને નુકસાન દીઠ રકમ (તીવ્રતા) અલગ અલગ વર્તણૂકો અને વિવિધ સંભાવનાઓનું વિતરણ ધરાવે છે; કુલ નુકસાન (જોખમ પ્રીમિયમ) મોડેલિંગ અને અલગથી ગુણાકાર દ્વારા મેળવવામાં આવે છે. આ તફાવત બંનેની વધુ સચોટ આગાહી કરવાની મંજૂરી આપે છે.
3. IBNR સમકક્ષનો અર્થ શું થાય છે?
- A) પ્રીમિયમ રિફંડ માટે ફાળવેલ કાનૂની ભંડોળ
- બી) થયેલા નુકસાનની જોગવાઈ પરંતુ હજુ સુધી જાણ કરવામાં આવી નથી ✔
- સી) રિઇન્શ્યોરર પાસેથી કમિશન મેળવવું
- ડી) ચૂકવેલ અને બંધ નુકસાનની કુલ
સમજૂતી: IBNR (ખર્ચ કરેલ પરંતુ જાણ કરેલ નથી) એ નુકસાનના ભાવિ ખર્ચ માટે અલગ રાખવામાં આવેલ જોગવાઈ છે જે થયું છે પરંતુ કંપનીને હજુ સુધી જાણ કરવામાં આવી નથી. તે સાંકળની સીડી જેવી પદ્ધતિઓ દ્વારા અંદાજવામાં આવે છે.
4. સાંકળ-નિસરણી પદ્ધતિમાં "વિકાસ પરિબળ" નો ઉપયોગ શું છે?
- A) ફુગાવા અનુસાર પ્રીમિયમ અપડેટ કરે છે
- બી) નીતિઓની સંખ્યાને વર્ષોથી વિભાજિત કરે છે
- સી) મૂડીની જરૂરિયાતની સીધી ગણતરી કરે છે
- ડી) તેનો ઉપયોગ એક વિકાસના સમયગાળાથી બીજા સમય સુધીના સંચિત નુકસાનનો વૃદ્ધિ દર આપીને અંતિમ નુકસાનની આગાહી કરવા માટે થાય છે. ✔
સમજૂતી: વૃદ્ધિ પરિબળ સૂચવે છે કે વિકાસના એક વર્ષથી બીજા વર્ષ સુધી નુકસાનના સમયગાળાનું સંચિત નુકસાન કેટલી વખત વધે છે; આ પરિબળોનો ઉપયોગ કરીને, અપરિપક્વ તબક્કાના અંતિમ નુકસાનનો અંદાજ છે.
5. શા માટે GLM (સામાન્યકૃત લીનિયર મોડલ)નો ઉપયોગ ભાવ નિર્ધારણમાં વ્યાપકપણે એક્ચ્યુઅરીમાં કરવામાં આવે છે?
- A) કારણ કે તે હંમેશા ઉચ્ચતમ આગાહી ચોકસાઈ આપે છે
- બી) ગુણાંક અર્થઘટન કરી શકાય તેવા હોવાથી, પ્રીમિયમ પર જોખમી પરિબળોની અસર પારદર્શક રીતે સમજાવી શકાય છે ✔
- C) કારણ કે તે ડેટાની જરૂર વગર કામ કરે છે
- ડી) કારણ કે કાયદો ફક્ત GLM ને મંજૂરી આપે છે
વર્ણન: GLM પ્રીમિયમ પરના દરેક જોખમ પરિબળની અસર પારદર્શક રીતે દર્શાવે છે કારણ કે તેના ગુણાંક અર્થઘટન કરી શકાય તેવા છે; કાયદા, ઓડિટીંગ અને જોબ વર્ણનની દ્રષ્ટિએ આ એક મહત્વપૂર્ણ ફાયદો છે.
6. મૃત્યુદર કોષ્ટક પર qx મૂલ્ય શું સૂચવે છે?
- A) એક વર્ષની અંદર x વયની વ્યક્તિના મૃત્યુની સંભાવના ✔
- બી) ઉંમર x સુધી ચૂકવવામાં આવેલ કુલ પ્રીમિયમ
- C) x-વર્ષ વાર્ષિકીનું વર્તમાન મૂલ્ય
- ડી) ટેકનિકલ વ્યાજ દર
સમજૂતી: qx એ સંભાવના છે કે જે વ્યક્તિ x વર્ષની વયે પહોંચી છે તે એક વર્ષમાં મૃત્યુ પામે છે. તે જીવન વીમા અને નિવૃત્તિ ખાતાનો મૂળભૂત ઇનપુટ છે; અસ્તિત્વની સંભાવના px = 1 - qx દ્વારા જોવા મળે છે.
7. વાર્ષિકી ખાતામાં ટેકનિકલ વ્યાજ (ડિસ્કાઉન્ટ) દરમાં વધારો ભાવિ ચૂકવણીના વર્તમાન મૂલ્યને કેવી રીતે અસર કરે છે?
- એ) વર્તમાન મૂલ્યમાં વધારો કરે છે
- બી) તે બિલકુલ અસર કરતું નથી
- C) વર્તમાન મૂલ્ય ઘટાડે છે ✔
- ડી) તે માત્ર મૃત્યુદરમાં ફેરફાર કરે છે
સમજૂતી: જેમ જેમ ડિસ્કાઉન્ટ દર વધે છે તેમ, ભાવિ ચૂકવણીનું વર્તમાન મૂલ્ય ઘટે છે કારણ કે નાણાંનું સમય મૂલ્ય વધુ મજબૂત રીતે લાગુ કરવામાં આવે છે. તેથી, વ્યાજની ધારણા જવાબદારી મૂલ્યને સીધી અસર કરે છે અને કાળજીપૂર્વક પસંદ કરવામાં આવે છે.
8. ફીચર એન્જિનિયરિંગમાં "ડેટા લિકેજ" નો અર્થ શું થાય છે?
- એ) એન્ક્રિપ્શન વિના ડેટા સ્ટોર કરવો
- બી) સરેરાશ સાથે ખૂટતા મૂલ્યો ભરવા
- સી) ડેટાનો બેકઅપ ન લેવો
- ડી) જે માહિતી અનુમાન સમયે વાસ્તવમાં ઉપલબ્ધ ન હોય તે મોડેલમાં ભળી જાય છે અને ગેરમાર્ગે દોરનારી કામગીરીને વધારી દે છે ✔
સમજૂતી: ડેટા લિકેજ એ મોડેલમાં માહિતીનો પરિચય છે જે આગાહીના સમયે વાસ્તવમાં અસ્તિત્વમાં નથી (ઉદાહરણ તરીકે, ભવિષ્યને સમાવતી ચલ). આ કૃત્રિમ રીતે પરીક્ષણ પ્રદર્શનને વધારે છે અને વાસ્તવિક દુનિયામાં મોડેલ નિષ્ફળ થવાનું કારણ બને છે.
9. મોન્ટે કાર્લો સિમ્યુલેશન આવશ્યકપણે એક્ચ્યુરીને શું પ્રદાન કરે છે?
- A) પરિણામને એક અને ચોક્કસ સંખ્યા સુધી ઘટાડે છે
- બી) તે મોટી સંખ્યામાં રેન્ડમ દૃશ્યો જનરેટ કરીને પરિણામની સંભાવનાનું વિતરણ અને પૂંછડીનું જોખમ જોવાની મંજૂરી આપે છે ✔
- સી) તે ઐતિહાસિક માહિતીની જરૂરિયાત વિના સચોટ અનુમાનો આપે છે.
- ડી) કાયદાનું લખાણ આપમેળે લખે છે
સમજૂતી: મોન્ટે કાર્લો રેન્ડમ દૃશ્યોને ઘણી વખત પુનરાવર્તિત કરે છે જેથી પરિણામને એક બિંદુને બદલે સંભવિતતા વિતરણ (દા.ત. પૂંછડીનું જોખમ, 99.5% સ્તર) તરીકે જોવામાં આવે. તે અનિશ્ચિતતાને માપવાની એક શક્તિશાળી રીત છે.
10. સોલ્વન્સી II ના માળખામાં SCR (સોલ્વન્સી કેપિટલ જરૂરીયાત) નો અર્થ શું છે?
- A) કુલ વાર્ષિક પ્રીમિયમ આવક
- બી) ચૂકવેલ નુકસાનની કુલ
- C) 99.5% આત્મવિશ્વાસના સ્તરે એક વર્ષના નુકસાનને આવરી લેવા માટે મૂડીની આવશ્યકતા ✔
- ડી) રિઇન્શ્યોરન્સ કમિશન રેટ
સમજૂતી: SCR એ મૂડીની આવશ્યકતા છે જે કંપનીએ 99.5% આત્મવિશ્વાસના સ્તરે એક વર્ષની અંદર તેની જવાબદારીઓને પૂર્ણ કરવા માટે જાળવી રાખવી જોઈએ (એક ખરાબ પરિસ્થિતિમાં જે 200 વર્ષમાં લગભગ એક વાર થશે). તે વીમાદાતાની નાણાકીય સ્થિતિસ્થાપકતાનું મુખ્ય માપદંડ છે.
11. આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા ઉત્પાદિત કિંમતના મોડેલમાં "પરોક્ષ ભેદભાવ" કેવી રીતે થાય છે?
- A) પ્રતિબંધિત ચલ સાથે સંકળાયેલ પ્રોક્સી વેરીએબલ પરોક્ષ રીતે સમાન ભેદભાવપૂર્ણ અસર ધરાવે છે ✔
- બી) મોડેલ ખૂબ ઓછા ડેટાનો ઉપયોગ કરે છે
- સી) પ્રીમિયમ ઊંચા સેટિંગ
- ડી) ઓછી તકનીકી રુચિ પસંદ કરવી
સમજૂતી: જો મૉડલમાંથી પ્રતિબંધિત ચલ (દા.ત. વંશીયતા) દૂર કરવામાં આવે તો પણ, મજબૂત રીતે સંબંધિત સરોગેટ ચલ (દા.ત. નેબરહુડ/ઝિપ કોડ) આડકતરી રીતે સમાન ભેદભાવપૂર્ણ અસર લઈ શકે છે. તેથી, મોડેલને માત્ર સ્પષ્ટ જ નહીં પણ પરોક્ષ ભેદભાવ માટે પણ તપાસવાની જરૂર છે.
12. સાર્વજનિક રૂપે ઉપલબ્ધ આર્ટિફિશિયલ ઇન્ટેલિજન્સ ટૂલ વડે નીતિ અને દાવા ડેટાનું વિશ્લેષણ કરતી વખતે મૂળભૂત ગોપનીયતા નિયમ શું છે?
- A) જો ડેટા નાનો હોય, તો અનામીની જરૂર નથી
- બી) તમામ કેસોમાં ફક્ત નામ બદલવું પૂરતું છે
- સી) જો ડેટા એન્ક્રિપ્ટેડ હોય, તો તેને કોઈપણ વાહન પર અપલોડ કરી શકાય છે
- ડી) વ્યક્તિગત/ખાનગી ડેટાને અનામી બનાવો, બિનજરૂરી ડેટા શેર કરશો નહીં અને સુરક્ષિત/સંસ્થાકીય સાધન પસંદ કરો ✔
સમજૂતી: વ્યક્તિગત અને વિશેષ ડેટા (TR ID, નામ, નિદાન, પ્રોટોકોલ) શેર કરતા પહેલા અનામી હોવું જોઈએ; જો શક્ય હોય તો, ડેટા પ્રોસેસિંગ કોન્ટ્રાક્ટ સાથેના કોર્પોરેટ સાધનો કે જે મોડેલ તાલીમમાં ડેટાનો ઉપયોગ કરતા નથી તેને પ્રાધાન્ય આપવું જોઈએ. KVKK ને આની જરૂર છે.
13. બોર્નહ્યુટર-ફર્ગ્યુસન (BF) પદ્ધતિ સાથે સાંકળની સીડીની સરખામણી કરનાર એક્ચ્યુરી ઘણીવાર અપરિપક્વ (નવા) નુકસાનના સમયગાળા માટે BF પસંદ કરે છે?
- A) કારણ કે BF કાયદા દ્વારા ફરજિયાત છે
- B) કારણ કે BF ને ડેટાની જરૂર નથી
- સી) નવા સમયગાળામાં, સાંકળની સીડીના પરિબળો ખૂબ જ અસ્થિર બની જાય છે; BF અપેક્ષિત નુકસાન દરનો ઉપયોગ કરીને વધુ સ્થિર આગાહી આપે છે ✔
- D) કારણ કે સાંકળની સીડી ફક્ત જીવન વીમામાં જ કામ કરે છે
સમજૂતી: નવા સમયગાળામાં બહુ ઓછું નુકસાન થતું હોવાથી, સાંકળની સીડીના વિકાસના પરિબળો નાના વધઘટ માટે અત્યંત સંવેદનશીલ અને અસ્થિર બની જાય છે. BF અપેક્ષિત નુકશાન દર (પ્રાયોરી) માહિતીનો ઉપયોગ કરીને આ અસ્થિરતાને સરળ બનાવે છે અને વધુ સ્થિર આગાહી આપે છે.
14. જો કોઈ એક્ચ્યુરી AI-જનરેટેડ રિઝર્વ એકાઉન્ટ પર સીધી સહી કરે અને તેને રેગ્યુલેટરને મોકલે તો મુખ્ય સમસ્યા શું છે?
- A) જવાબદારી અને અંતિમ મંજૂરી એક્ચ્યુરીની છે; વણચકાસાયેલ પ્રિન્ટઆઉટ પર સહી કરવાથી વ્યાવસાયિક અને કાનૂની જોખમ દૂર થતું નથી ✔
- બી) આર્ટિફિશિયલ ઈન્ટેલિજન્સ આઉટપુટ હંમેશા અચોક્કસ હોય છે અને તેનો ઉપયોગ થવો જોઈએ નહીં
- C) નિયમનકારે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ કરવા પર સંપૂર્ણ પ્રતિબંધ મૂક્યો છે
- ડી) આર્ટિફિશિયલ ઇન્ટેલિજન્સ આઉટપુટને સહીની જરૂર નથી
વર્ણન: AI આઉટપુટ એક ડ્રાફ્ટ છે; પદ્ધતિની પસંદગી, ધારણાઓ અને અંતિમ આકૃતિ માટેની જવાબદારી સહી કરનાર એક્ચ્યુરીની છે. વણચકાસાયેલ આઉટપુટ પર સહી કરવી એ સહી વિનાના અહેવાલને પ્રકાશિત કરવા જેટલું જોખમી છે અને તે વ્યાવસાયિક/કાનૂની જવાબદારીને દૂર કરતું નથી.