ניתוח תרחישים ומבחן מתח: ניהול אי ודאות

רווחים:

• יכולת לבסס תרחיש דטרמיניסטי, סימולציה סטוכסטית (מונטה קרלו) ומבחן מאמץ בתמיכת בינה מלאכותית ולפרש את התוצאות בשפת סיכון
• יכולת לתכנן תרחישי זעזועים כגון אינפלציה, ריבית, נזק קטסטרופלי ומגיפה עם בינה מלאכותית והערכת אחריות והשפעת הון
• היכולת להבחין שהתרחישים המופקים על ידי בינה מלאכותית מבוססים על נתונים היסטוריים וששיפוט אקטוארי בא לידי ביטוי בסיכוני זנב ובשברים מבניים.

אקטואריזם הוא המקצוע של חיזוי העתיד; אבל העתיד הוא לא מספר בודד, הוא ספקטרום של אפשרויות. לא מספיק לומר "הנזק הצפוי שלנו הוא 50 מיליון"; השאלה האמיתית היא: "אם תגיע שנה רעה, כמה מיליונים זה יעלה, האם החברה יכולה להתמודד עם זה?" כלים העונים על שאלה זו הם ניתוח תרחישים ומבחן מאמץ. מדידה מוקדמת של ההשפעה של רעידת אדמה, אינפלציה גבוהה, זעזוע ריבית או מגיפה על התחייבויות החברה והונה היא דרישה בסיסית הן בניהול סיכונים פנימיים והן בחקיקה כמו Solvency II. ביחידה זו, נסקור תרחיש דטרמיניסטי, סימולציה סטוכסטית (Monte Carlo) ומבחני מאמץ, ונראה כיצד להשתמש ב-AI בניתוחים אלו.

נזכיר לכם מההתחלה: תרחישים מבוססים על נתונים והנחות היסטוריות. AI מעצב תרחישים, כותב קוד סימולציה ומפרש תוצאות; אבל אילו זעזועים הם מציאותיים, כיצד לטפל בסיכון הזנב וכיצד לכלול הפסקות מבניות (אירועים שמעולם לא התרחשו בעבר) נותרים לשיפוט אקטוארי.

תרחיש דטרמיניסטי, סימולציה סטוכסטית ומבחני מאמץ

חשוב להבחין בשלושה מושגים. התרחיש הדטרמיניסטי הוא לבחור קבוצה אחת של הנחות ולחשב את התוצאה: "מה היו עלות התביעות שלנו אם האינפלציה הייתה 40 אחוז?" פשוט, ברור וקל לתקשורת; אבל זה מראה רק דרך אחת, לא אפשרות. סימולציה סטוכסטית (Monte Carlo) גוזרת התפלגות הסתברות של התוצאה על ידי יצירת שוב ושוב אלפי תרחישים אקראיים. כך מתקבל מידע זנב כמו "50 בממוצע, אבל 78 מיליון ברמה של 99.5 אחוז". מבחן קיצון הוא סוג מיוחד של תרחיש שמודד את ההשפעה של אירועים חמורים אך סבירים מסוימים (רעידת אדמה, התרסקות שוק); בדרך כלל מוגדר על ידי הרגולטור.

מונטה קרלו הוא אחד הכלים החזקים ביותר של האקטואריה. ההיגיון הוא כזה: אתה מחלץ ערכים אקראיים מהתפלגות התדירות והעוצמה ומחשב את הנזק הכולל; אתה חוזר על זה 10,000 פעמים; צובר 10,000 נזקים אפשריים בידך. מתוך הצטברות זו, ניתן לקרוא את הממוצע, אחוזונים כגון 75 אחוז, 99.5 אחוז ותרחישי המקרה הגרוע ביותר. כך בדיוק מוצאים את רמת 99.5 האחוזים הנדרשת לפי Solvency II (שנה גרועה שתתרחש פעם ב-200 שנה). AI מייצר במהירות את הקוד לסימולציה זו.

הטבלה הבאה משווה בין שלוש הגישות:

גישה

מה נותן

נקודה חזקה

הגבלה

תרחיש דטרמיניסטי

תוצאה בודדת

פשוט, קל לתקשורת

לא נותן הסתברות

מונטה קרלו

התפלגות הסתברות

מעיד על סיכון זנב

תלוי בהנחה ובנתונים

מבחן מאמץ

התוצאה בהלם

בודק עמידות

בחירת הלם היא שיפוטית

סיכון זנב: האזור החשוב והמסוכן ביותר

בתיאוריה האקטוארית, הסכנה האמיתית אינה טמונה בממוצע אלא בזנב (האזור הקיצוני, בעל סבירות נמוכה אך בעל השפעה רבה של ההתפלגות). מה שמטביע חברות הוא לא שנה ממוצעת, אלא אירוע נדיר אבל הרסני: רעידת אדמה גדולה, הרבה נזקים גדולים שמגיעים במקביל, זעזוע ריבית פתאומי. כדי למדוד אזור זה, נעשה שימוש ב-VaR (Value at Risk - ההפסד המרבי ברמת ביטחון נתונה) ו-TVaR/CTE (הפסד ממוצע מעבר לזנב). מונטה קרלו היא הדרך הטבעית לחשב את המדידות הללו.

אבל יש עוד סכנה בזנב: נתונים היסטוריים אינם מייצגים היטב את הזנב. אירועים נדירים, בהגדרה, היו נדירים בעבר; אז המודל נוטה לזלזל בהם. בינה מלאכותית מתאימה בקלות להפצה המבוססת על נתונים היסטוריים, אבל היא לא שוקלת באופן ספונטני "מה אם תהיה מגיפה או רעידת אדמה של 100 שנים שהפורטפוליו הזה מעולם לא חווה?" תפקידו של האקטואר לכלול במודל הפסקות מבניות, עליות מתאם (הכל מחמיר בעת משבר) ומגמות כמו שינויי אקלים.

זהירות: המשפט "המודל שלנו מטפל בתרחישים של 99.9 אחוזים" מנחם, אבל זכרו שהמודל לומד מנתונים שזנבו עבר. אירוע שמעולם לא קרה הוא הנקודה העיוורת של אפילו הדוגמנית הטובה ביותר. כאן נכנס לתמונה שיקול הדעת של המומחים.

כיצד להשתמש בבינה מלאכותית בבדיקות תרחישים ומאמץ

1) קוד סימולציה של מונטה קרלו:

כתוב סימולציית נזק מורכב של מונטה קרלו עם Python (עם הערות). הנחות (אני נותן): מספר הנזק ~ Poisson(lambda=1600), כמות הנזק ~ Gamma(צורה=k, scale=theta) [אני אתן k and theta].1) 10,000 פעמים: צייר כמות, צייר את הכמות הזו, סופר.2) ממוצע של סך הנזקים, 75%, 99%, 99% חשב והסבר. פרמטרים VaR(99.5%) ו-TVaR(99.5%).FITTING; אני אתן את זה. ספרייה: numpy.

2) תרחיש מתח דטרמיניסטי:

תפקידך: עוזר סיכונים. ההפסד הצפוי שלי הוא 50 מיליון TL. הגדר את 3 התרחישים הדטרמיניסטיים הבאים: א) זעזוע אינפלציה: חומרה +30%. ב) הלם תדירות: מספר נזקים +15%. ג) שניהם יחד. חשב את הנזק החדש הצפוי בכל תרחיש, הראה את אחוז ההשפעה על סמך הבסיס והעיר איזה מהם הוא הקריטי ביותר. פשוט השתמש במספר הבסיס שנתתי לך.

3) ייעוץ עיצוב תרחישים:

אני מעצב תרחישי מבחני מאמץ עבור תיק ביטוח בריאות. - הצע טיוטת תרחיש 'חמור אך סביר' כל אחד עבור המגיפה, האינפלציה הגבוהה, טכנולוגיית טיפול יקרה חדשה ושינוי רגולטורי. - ציינו אם כל תרחיש משפיע על תדירות, חומרה או שניהם. - הצביעו על סיכוני זנב שלא ניתן לתפוס עם נתונים היסטוריים. אני אקבל את ההחלטה; אתה מספק את המסגרת וההצדקה.

4) תרגום התוצאה לניהול:

התוצאה שלי במונטה קרלו: נזק צפוי 50M, VaR(99.5%) 78M, TVaR(99.5%) 89M. הסבירו זאת לדירקטוריון ב-5 משפטים:- מה המשמעות של 99.5% ו-TVaR, בשפה פשוטה.- מדוע 'תכנון לפי הממוצע' אינו מספק?- על איזה נתון עליהם להסתכל במונחים של הון?

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

עשה מבחן מאמץ לתיק העבודות שלי.

אין ערך בסיס, אין הגדרת זעזוע, אין התפלגות. AI מייצר טקסט כללי, לא מספר בר ביצוע.

הנחיה עוצמתית:

תפקידך: עוזר סיכונים אקטוארי. הנחות בסיס (אנונימיות): תדירות צפויה 0.12, חומרה ממוצעת 30,000 TL, חשיפה 20,000 שנות פוליסה. הריבית הטכנית היא 4%. משימה:1) חשב את הבסיס הצפוי להפסד הכולל.2) הפעל את הלחצים הבאים והראה את אחוז ההשפעה של כל אחד מהם: - אינפלציה: חומרה +25% - חורף רע: תדירות +10% - ירידת ריבית: 4% -> 3% (השפעה על הערך הנוכחי של ההתחייבות) 3) הערה על התרחיש הקריטי 2) קרל ממליצה על התרחיש 2) הכי קריטי. סיכון, למה? פשוט השתמש במספרים שנתתי; אם זה חסר, שאל.

שלושה מיני תיקים

מקרה 1 - הונאה של הממוצע. חברה תכננה את הונה על סמך נזק צפוי (50 מיליון). כשסיימו את מונטה קרלו, ניתן היה לראות שרמת ה-99.5 אחוזים הייתה 82 מיליון: בשנה גרועה היה צורך נוסף של 32 מיליון והחברה לא תוכל לעמוד בו. תוכנית ההון תוקנה. בינה מלאכותית הריצה סימולציה של 10,000 תרחישים בשניות; האקטואר העריך את הפרשנות וההפצה.

מקרה 2 - עיוורון מתאם. כיסוי רעידות אדמה והפרעות עסקיות בנפרד נראה בסיכון נמוך בתיק. אבל רעידת אדמה מפעילה את שניהם בו זמנית; המודל בהנחה של עצמאות לא העריך את סיכון הזנב בחצי. כאשר האקטואר הוסיף מתאם לתרחיש, הצורך ההון הריאלי גדל באופן משמעותי. לקח: במשבר, הסיכונים אינם עצמאיים; שאלה לגבי ההנחה של קבלת העצמאות של AI.

מקרה 3 - אירוע שלא קרה. תיק שירותי בריאות נראה מאוד "מוצק" בהתבסס על נתונים מ-10 השנים האחרונות. כשהגיעה מגיפה, הן התדירות והן חומרת הרקיע שחקים בו-זמנית; המודל מעולם לא חזה זאת כי לא היה דבר כזה בנתונים. בתקופה הבאה התווסף תרחיש המגפה הדטרמיניסטי. AI הפיקה את טיוטת התסריט; האקטואר החליט על גודל הזעזוע. שיעור: תור הנתונים ההיסטוריים אינו שלם.

טעויות נפוצות

• תכנון סביב הממוצע. זה הזנב, לא הממוצע, שמטביע את החברה; תסתכל על מדדים קיצוניים כמו VaR/TVaR.
• בהנחה שהסיכונים הם בלתי תלויים. במהלך משבר, מתאמים גדלים; קבלת העצמאות מקללת את הזנב.
• אמון מלא בנתונים היסטוריים. אירועים נדירים ומבניים נעדרים מהנתונים; הוסף תרחיש עם שיקול דעת מומחה.
• ערבוב דטרמיניסטי וסטוכסטי. תרחיש בודד אינו נותן הסתברות; הסתברות מחייבת את מונטה קרלו.
• הצגת תוצאת הסימולציה מבלי לאמת אותה. בדוק אחוזים ו-VaR באופן עצמאי; שגיאת פרמטר מעוותת את כל ההתפלגות.

טיפ: לפני הצגת תוצאות מונטה קרלו, בצעו בדיקת עקביות פשוטה: האם ממוצע הסימולציה קרוב לערך הצפוי (תדירות × עוצמה × חשיפה) שחשבת ביד? אם לא, יש פרמטר או שגיאת קוד.

לסיכום

העתיד אינו מספר בודד, אלא ספקטרום של אפשרויות. תרחישים דטרמיניסטים מראים נתיב אחד של "מה היה אם", מונטה קרלו מציג את כל ההתפלגות וסיכון הזנב, מבחני מאמץ מראים את ההשפעה של אירועים חמורים. הסכנה האמיתית היא בזנב, לא בממוצע, ונתונים היסטוריים אינם מייצגים היטב את הזנב; מתאם מוגבר ואירועים שלא התרחשו דורשים שיקול דעת אקטוארי. AI מעצב את התרחיש, מקודד את הסימולציה ומפרש את התוצאה; אבל בחירת הלם, הנחת מתאם, שיפוט הזנב והחלטת הסיכון הסופית נמצאים בידי האקטואר. אמת תמיד את התוצאות בעזרת בדיקת עקביות פשוטה.

משימת יישום

הגדר הנחות בסיס אנונימיות (תדירות, עוצמה, חשיפה, עניין). בקש מה-AI ל- (א) לבסס נזק צפוי, (ב) 3 תרחישים דטרמיניסטיים כולל זעזועים של אינפלציה, תדירות ושיעורי ריבית, (ג) לחשב VaR ו-TVaR (99.5%) עם הדמיית מונטה קרלו. ודא שממוצע הסימולציה קרוב לערך הצפוי שחשבת באופן ידני. לאחר מכן דון עם ה-AI כיצד בהנחה ששתי הביטחונות תלויים (מתואמים) ישנה את הזנב.

רשימת בדיקה

• [ ] האם הסתכלתי גם על מידות הזנב (VaR, TVaR) ולא על הממוצע?
• [ ] האם לקחתי בחשבון את מתאם הסיכונים בזמן המשבר?
• [ ] האם הוספתי תרחישים מבניים/נדירים שלא נמצאו בנתונים היסטוריים עם שיקול דעת מומחה?
• [ ] האם הפרדתי באופן מודע בין הגישה הדטרמיניסטית לסטוכסטית?
• [ ] האם בדקתי ידנית את הממוצע של מונטה קרלו לעקביות עם הערך הצפוי?
• [ ] האם כתבתי את ההצדקה לבחירות התרחישים ולגדלי ההלם?