लाभ:
- कृत्रिम बुद्धिमत्ता के समर्थन से क्षति की आवृत्ति और क्षति की मात्रा (गंभीरता), उचित वितरण (पॉइसन, नकारात्मक द्विपद, गामा) और समग्र मॉडल तर्क के बीच अंतर स्थापित करने और व्याख्या करने में सक्षम होना।
- सही प्रश्नों और डेटा के साथ कृत्रिम बुद्धिमत्ता में अत्यधिक बड़े नुकसान (आउटलेयर/बड़े नुकसान), डेटा कैपिंग और प्रवृत्ति/विकास सुधार को सुलझाना।
- यह समझने की क्षमता कि कृत्रिम बुद्धिमत्ता द्वारा उत्पादित वितरण चयन और मापदंडों की पुष्टि गुडनेस-ऑफ-फिट परीक्षणों और बीमांकिक तर्क द्वारा की जानी चाहिए।
एक बीमा कंपनी के लिए सबसे बुनियादी सवाल यह है: "अगले वर्ष हम इस पॉलिसी समूह के लिए कितना नुकसान भुगतान करेंगे?" इस प्रश्न का सही उत्तर देना प्रीमियम को सही ढंग से निर्धारित करने और पर्याप्त भंडार आवंटित करने दोनों के लिए एक शर्त है। बीमांकिक इस प्रश्न का उत्तर दो भागों में विभाजित करके देते हैं; क्योंकि एक टुकड़े में कुल क्षति का अनुमान लगाने के बजाय दो अलग-अलग व्यवहारों को अलग-अलग मॉडल करना अधिक सटीक है। ये दो भाग हैं आवृत्ति और तीव्रता।
आवृत्ति (क्षति की आवृत्ति) यह है कि दिए गए जोखिम के अनुसार कितनी क्षति होती है; उदाहरण के लिए, प्रति वर्ष 100 वाहन - 8 दुर्घटनाएँ। गंभीरता प्रत्येक क्षति की औसत राशि है; उदाहरण के लिए, प्रति दुर्घटना 30,000 टीएल। दोनों को गुणा करने पर जोखिम प्रीमियम मिलता है: प्रति एक्सपोज़र अपेक्षित क्षति लागत (0.08 × 30,000 = $2,400)। इस इकाई में हम चरण दर चरण देखेंगे कि इस अंतर को स्थापित करने के लिए एआई का उपयोग कैसे करें, सही संभाव्यता वितरण का चयन करें और आउटलेर्स का प्रबंधन करें। आइए शुरुआत से याद दिलाएं: एआई वितरण का प्रस्ताव करता है और कोड लिखता है, लेकिन यह बीमांकिक पर निर्भर है कि वह फिट-ऑफ-फिट परीक्षणों और निर्णय के माध्यम से वितरण की पसंद की पुष्टि करे।
आवृत्ति और तीव्रता को अलग-अलग क्यों मॉडल किया गया है?
आवृत्ति और तीव्रता अलग-अलग सांख्यिकीय व्यवहार दर्शाती है। दावों की संख्या एक गिनती चर (0, 1, 2, 3...) है और आमतौर पर इसे पॉइसन वितरण या नकारात्मक द्विपद वितरण के साथ तैयार किया जाता है यदि अधिक फैलाव (विचरण > माध्य) हो। पॉइसन शास्त्रीय वितरण है जो दुर्लभ और स्वतंत्र घटनाओं की संख्या को दर्शाता है। क्षति की राशि एक सतत और दाएं-तिरछा चर है: अधिकांश दावे छोटे हैं, कुछ दावे बहुत बड़े हैं। इसलिए, गंभीरता को अक्सर गामा या असामान्य वितरण के साथ प्रतिरूपित किया जाता है; ये सकारात्मक और दाएं-तिरछे वितरण हैं।
दोनों को अलग-अलग मॉडल करने के तीन ठोस लाभ हैं। सबसे पहले, आप देख सकते हैं कि प्रत्येक के अपने ड्राइवर हैं (जोखिम कारक): युवा ड्राइवर आवृत्ति बढ़ाता है, महंगा वाहन हिंसा बढ़ाता है। दूसरा, जब डेटा बदलता है, तो आप इसका कारण बता सकते हैं: क्या क्षति लागत या दावों की संख्या में वृद्धि हुई है? तीसरा, आप केवल हिंसा पक्ष पर अलग से अत्यधिक बड़े नुकसान पर विचार कर सकते हैं। इन दोनों के संयोजन को यौगिक मॉडल कहा जाता है; अपेक्षित कुल क्षति = अपेक्षित आवृत्ति × अपेक्षित गंभीरता।
संकेत: वाक्य "हमारा नुकसान/प्रीमियम अनुपात बढ़ गया है" अपने आप में कुछ नहीं कहता है। इस प्रश्न को अलग करें कि क्या आवृत्ति या तीव्रता में वृद्धि हुई है; हस्तक्षेप (कीमत, कवरेज, क्षति प्रबंधन) पूरी तरह से अलग होगा।
आउटलेर्स, ट्रंकेशन और ट्रेंड सुधार
कच्चे रूप में नुकसान का डेटा मॉडल निर्माण के लिए तैयार नहीं है। तीन सुधार लगभग हमेशा आवश्यक होते हैं। पहला है अत्यधिक/बड़ी क्षति का वर्गीकरण: कुछ बड़ी क्षतियाँ (उदाहरण के लिए फ़ैक्टरी में आग) औसत को कम कर देती हैं; इन्हें एक अलग "प्रमुख क्षति भार" के रूप में तैयार किया गया है। दूसरा है कैपिंग: एक निश्चित छत पर बहुत बड़ी क्षति को ठीक करना (उदाहरण के लिए 1,000,000 टीएल) और ऊपरी हिस्से की अलग से गणना करना मॉडल को स्थिर बनाता है। तीसरा, प्रवृत्ति और विकास सुधार: पिछले दावों को मुद्रास्फीति के साथ आज के मूल्य स्तर (रुझान) के अनुसार अद्यतन किया जाना चाहिए, और जिन दावों का अभी तक पूरा भुगतान नहीं किया गया है उन्हें उनके अंतिम स्तर पर लाया जाना चाहिए (विकास - हम इस विषय को इकाई 3 में कवर करेंगे)।
निम्न तालिका दो घटकों के गुणों की तुलना करती है:
सुविधा
आवृत्ति (आवृत्ति)
हिंसा (राशि)
परिवर्तनशील प्रकार
गिनती (0,1,2...)
स्थिर, सकारात्मक
विशिष्ट वितरण
पॉइसन, ऋणात्मक द्विपद
गामा, लॉगनॉर्मल
मास्टर ड्राइवर उदाहरण
आयु, अनुभव, क्षेत्र, उपयोग
वाहन का मूल्य, कवरेज सीमा, मरम्मत लागत
बाह्य समस्या
कम
उच्च (प्रमुख क्षति)
महंगाई का असर
कमजोर
मजबूत
क्षति मॉडलिंग में एआई का उपयोग कैसे करें
जहां एआई सबसे मजबूत है वह वितरण विकल्प पर चर्चा करना, कोड लिखना और परिणाम की व्याख्या करना है। नीचे चार प्रतिलिपि योग्य टेम्पलेट हैं।
1) वितरण चयन पर चर्चा करें:
आपकी भूमिका: बीमांकिक मॉडलिंग सहायक। मेरे पास बीमा दावे की राशि का डेटा है (अनाम, 1,600 दावे)। सारांश: माध्य 30,300 टीएल, माध्य 12,500 टीएल, अधिकतम 940,000 टीएल, तिरछापन अधिक है। प्रश्न: क्या गंभीरता मॉडल के लिए गामा या लॉगनॉर्मल अधिक उपयुक्त होगा? प्रत्येक की धारणा क्या है, प्लस/माइनस और किस अच्छाई-की-फिट परीक्षण के साथ (उदाहरण के लिए बताएं कि मैं एक निर्णय लूंगा (क्यूक्यू चार्ट, केएस टेस्ट, एआईसी)। एक निश्चित निर्णय लेना; मुझे एक तुलना फ्रेम दें।
2) आवृत्ति-तीव्रता गणना कोड:
पायथन + पांडा के साथ एक टिप्पणी कोड लिखें जो निम्नलिखित चरण करता है: 1) डीएफ में 'एक्सपोज़र', 'क्लेम_काउंट', 'क्लेम_एमाउंट' कॉलम हैं। 2) सामान्य आवृत्ति = कुल दावा संख्या / कुल एक्सपोज़र। 3) औसत गंभीरता = कुल दावा_राशि / कुल दावा_गणना। 4) जोखिम प्रीमियम = आवृत्ति × गंभीरता। 5) प्रत्येक मध्यवर्ती परिणाम को स्क्रीन पर प्रिंट करें ताकि मैं इसे मैन्युअल रूप से सत्यापित कर सकूं। पुस्तकालय फिटिंग; बस पांडा का उपयोग करें।
3) अत्यधिक मूल्य / कटऑफ विश्लेषण:
मेरे पास एक गुमनाम दावा राशि वितरण है। 950,000, 720,000, 610,000 टीएल जैसे दावे कुल राशि का 22% हैं। मुझे अपने कैपिंग दृष्टिकोण के बारे में बताएं: - कौन से कैप विकल्प उचित हैं (जैसे 500K, 750K, 1M)? - मैं कटे हुए हिस्से को एक अलग "प्रमुख क्षति भार" के रूप में कैसे वापस जोड़ सकता हूँ? - मुझे चरण दर चरण दिखाएँ कि यह निर्णय जोखिम प्रीमियम को कैसे प्रभावित करता है।
4) परिणाम का व्यावसायिक भाषा में अनुवाद करना:
मेरी आवृत्ति 0.13 से बढ़कर 0.15 हो गई; औसत हिंसा 28,000 से बढ़कर 34,000 टीएल हो गई। इसे 4 वाक्यों में संक्षेपित करें जिसे एक प्रबंधक समझ सके: - क्या हुआ, कौन सा घटक कितना बढ़ा? - जोखिम प्रीमियम पर कुल प्रभाव क्या है? - संभावित कारण और 2 धारणाएँ लिखें जिन्हें मुझे सत्यापित करने की आवश्यकता है।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
मेरा हानि मॉडल सेट करें और प्रीमियम की गणना करें।
अस्पष्ट: कौन सा डेटा, कौन सा घटक, कौन सा वितरण, कौन सी अवधि? एआई इस अंतर को निर्माण से भर देता है।
शक्तिशाली संकेत:
आपकी भूमिका: बीमांकिक मॉडलिंग सहायक। डेटा (गुमनाम, यातायात शाखा, 2024): एक्सपोज़र 20,000 पॉलिसी-वर्ष, दावों की संख्या 2,600, कुल क्षति 91,000,000 टीएल, 5 सबसे बड़ी क्षति कुल 12,000,000 टीएल। कार्य: 1) आवृत्ति और कच्ची औसत गंभीरता की गणना करें, सूत्र दिखाएं। 2) 5 सबसे बड़ी क्षति इसे 1,000,000 टीएल तक सीमित करें और समायोजित गंभीरता की फिर से गणना करें। 3) सीमा के साथ और बिना सीमा के जोखिम प्रीमियम की तुलना करें, अंतर पर टिप्पणी करें। 4) प्रत्येक चरण को मध्यवर्ती संख्याओं के साथ लिखें ताकि मैं इसे मैन्युअल रूप से सत्यापित कर सकूं। बस मेरे द्वारा दिए गए नंबरों का उपयोग करें; यदि यह गायब है, तो पूछें।
तीन मिनी मामले
केस 1 - पृथक्करण की शक्ति। एक बीमांकिक ने देखा कि आवास शाखा में हानि/प्रीमियम अनुपात एक वर्ष में 68 प्रतिशत से बढ़कर 81 प्रतिशत हो गया। घबराहट की कीमत में वृद्धि का सुझाव देने से पहले, एक आवृत्ति-गंभीरता भेद किया गया था: आवृत्ति लगभग स्थिर थी (0.041 → 0.043), लेकिन औसत गंभीरता 14,200 टीएल से बढ़कर 19,800 टीएल हो गई थी। इसका कारण निर्माण लागत मुद्रास्फीति थी, पॉलिसियों या जोखिम भरे ग्राहकों की संख्या नहीं। सही हस्तक्षेप कवरेज राशि को अद्यतन करना था, न कि अंधाधुंध प्रीमियम वृद्धि करना।
केस 2 - बाहरी जाल। व्यवसाय बीमा पोर्टफोलियो में 1,800 दावों का औसत 42,000 टीएल था। हालाँकि, अकेले 6.4 मिलियन टीएल की एक आग क्षति ने इस औसत को लगभग 3,500 टीएल बढ़ा दिया। जब इस बड़ी क्षति को एक अलग "प्रमुख क्षति बोझ" के रूप में मॉडल और कैप किया गया, तो आधार गंभीरता घटकर 38,500 टीएल हो गई और प्रीमियम अधिक उचित हो गया। एआई ने तेजी से कैपिंग कोड और वैकल्पिक कैप तैयार किए; बीमांकिक ने निर्णय लिया.
केस 3 - गलत वितरण। बिना किसी प्रश्न के, एक सहायक ने एक एआई कोड चलाया जिसने गंभीरता के लिए एक सामान्य (गाऊसी) वितरण का चयन किया। क्योंकि सामान्य वितरण नकारात्मक मूल्यों और समरूपता के लिए अनुमति देता है, यह सही-तिरछी क्षति डेटा में फिट नहीं होता है; मॉडल ने छोटी क्षतियों को अधिक और बड़ी क्षतियों को कम करके आंका। जब Q-Q प्लॉट और AIC की तुलना की गई, तो देखा गया कि गामा काफी बेहतर तरीके से फिट बैठता है। पाठ: एआई द्वारा प्रस्तावित वितरण का परीक्षण हमेशा फिट परीक्षण द्वारा किया जाता है।
सामान्य गलतियाँ
- आवृत्ति और तीव्रता का संयोजन और एक मॉडल के साथ भविष्यवाणी करना। यह दो अलग-अलग व्यवहार छुपाता है; आपने ड्राइवर खो दिया है और क्यों।
- अत्यधिक/बड़ी क्षति को समाप्त किए बिना औसतीकरण। कुछ बड़ी क्षतियाँ पूरी तस्वीर को विकृत कर देती हैं; प्रीमियम कृत्रिम रूप से बढ़ाया गया है।
- मुद्रास्फीति की प्रवृत्ति को लागू किए बिना पुरानी क्षति का उपयोग करना। 2019 की क्षति आज की कीमत के समान नहीं है; प्रवृत्ति सुधार आवश्यक है.
- दाएं-तिरछे डेटा में सामान्य वितरण फ़िट करना। नकारात्मक मान और समरूपता की धारणा क्षति डेटा के विपरीत है; गामा/लॉगनॉर्मल सोचो।
- फिट परीक्षण के साथ वितरण विकल्प की पुष्टि नहीं करना। एआई का प्रस्ताव एक शुरुआत है; Q-Q, K-S, AIC से पुष्टि करें।
ध्यान दें: कैप (काटने) का स्तर मनमाने ढंग से नहीं चुना गया है। बहुत नीची छत बड़ी क्षति के जोखिम को छुपाती है; बहुत ऊंची छत ट्रिम को बेकार कर देती है। पोर्टफोलियो के पिछले बड़े नुकसान के अनुभव और पुनर्बीमा शर्तों को देखकर चुनें।
संक्षेप में
कुल क्षति का सटीक अनुमान लगाने का तरीका इसे आवृत्ति (आवृत्ति) और गंभीरता (राशि) में विभाजित करना है। आवृत्ति को पॉइसन/नकारात्मक द्विपद द्वारा, तीव्रता को गामा/लॉगनॉर्मल द्वारा प्रतिरूपित किया जाता है; जोखिम प्रीमियम दोनों को गुणा करके पाया जाता है। कच्चे डेटा को बाहरी निष्कासन, काट-छाँट और प्रवृत्ति सुधार की आवश्यकता होती है। एआई वितरण चर्चा कोड और टिप्पणी के लिए एक उत्कृष्ट सहायक है; लेकिन वितरण चयन और कैप निर्णय की पुष्टि फिट परीक्षण और बीमांकिक निर्णय द्वारा की जाती है।
आवेदन कार्य
एक अनाम क्षति सारांश तैयार करें (जोखिम, दावों की संख्या, कुल क्षति, शीर्ष 3-5 दावे)। एआई से (ए) कच्ची आवृत्ति-गंभीरता-जोखिम प्रीमियम की गणना करने के लिए कहें, (बी) बड़े नुकसान को सीमित करने और समायोजित जोखिम प्रीमियम की गणना करने के लिए कहें। दोनों परिणामों को हाथ से सत्यापित करें और नोट करें कि कितने प्रतिशत कैपिंग से जोखिम प्रीमियम में परिवर्तन होता है। फिर एआई से "हिंसा के लिए गामा या लॉगनॉर्मल" प्रश्न पूछें और उसके द्वारा दिए गए तुलना फ्रेम को अपने शब्दों में सारांशित करें।
चेकलिस्ट
- [ ] क्या मैंने आवृत्ति और तीव्रता की अलग-अलग गणना की, या क्या मैंने उन्हें एक टुकड़े के रूप में देखा?
- [ ] क्या मैंने बड़ी/अत्यधिक क्षति की पहचान की है और उससे अलग से निपटा है?
- [ ] क्या मैंने पुराने दावों पर मुद्रास्फीति/प्रवृत्ति समायोजन लागू किया है?
- [ ] क्या मैंने फिट-ऑफ-फिट परीक्षण के साथ तीव्रता वितरण का सत्यापन किया है?
- [ ] क्या मैंने स्वतंत्र रूप से जोखिम प्रीमियम (आवृत्ति × गंभीरता) की पुनर्गणना की है?
- [ ] क्या मैंने एआई द्वारा सुझाए गए वितरण और कैप स्तर पर सवाल उठाया और निर्णय के साथ इसकी पुष्टि की?