परिदृश्य विश्लेषण और तनाव परीक्षण: अनिश्चितता का प्रबंधन

लाभ:

• कृत्रिम बुद्धिमत्ता के समर्थन से नियतात्मक परिदृश्य, स्टोकेस्टिक सिमुलेशन (मोंटे कार्लो) और तनाव परीक्षण अवधारणाओं को स्थापित करने और जोखिम भाषा में परिणामों की व्याख्या करने की क्षमता
• कृत्रिम बुद्धिमत्ता के साथ मुद्रास्फीति, ब्याज, विनाशकारी क्षति और महामारी जैसे सदमे परिदृश्यों को डिजाइन करने और देयता और पूंजी प्रभाव का अनुमान लगाने की क्षमता
• यह भेद करने में सक्षम होना कि कृत्रिम बुद्धिमत्ता द्वारा निर्मित परिदृश्य ऐतिहासिक डेटा पर आधारित हैं और बीमांकिक निर्णय पूंछ जोखिमों और संरचनात्मक टूटने में सामने आता है।

बीमांकिकवाद भविष्य की भविष्यवाणी करने का पेशा है; लेकिन भविष्य कोई एक संख्या नहीं है, यह संभावनाओं का एक स्पेक्ट्रम है। यह कहना पर्याप्त नहीं है कि "हमारी अनुमानित क्षति 50 मिलियन है"; असली सवाल यह है: "यदि कोई बुरा वर्ष आता है, तो कितने करोड़ का खर्च आएगा, क्या कंपनी इसे संभाल सकती है?" इस प्रश्न का उत्तर देने वाले उपकरण परिदृश्य विश्लेषण और तनाव परीक्षण हैं। कंपनी की देनदारियों और पूंजी पर भूकंप, उच्च मुद्रास्फीति, ब्याज दर के झटके या महामारी के प्रभाव को पहले से मापना आंतरिक जोखिम प्रबंधन और सॉल्वेंसी II जैसे कानून दोनों की मूलभूत आवश्यकता है। इस इकाई में, हम नियतात्मक परिदृश्य, स्टोकेस्टिक सिमुलेशन (मोंटे कार्लो) और तनाव परीक्षण को कवर करेंगे, और देखेंगे कि इन विश्लेषणों में एआई का उपयोग कैसे करें।

आइए आपको शुरुआत से याद दिलाएं: परिदृश्य ऐतिहासिक डेटा और मान्यताओं पर आधारित होते हैं। एआई परिदृश्य डिजाइन करता है, सिमुलेशन कोड लिखता है, और परिणामों की व्याख्या करता है; लेकिन कौन से झटके यथार्थवादी हैं, पूंछ जोखिम को कैसे संभालना है, और संरचनात्मक ब्रेक को कैसे शामिल करना है (ऐसी घटनाएं जो अतीत में कभी नहीं हुई हैं) को बीमांकिक निर्णय पर छोड़ दिया गया है।

नियतात्मक परिदृश्य, स्टोकेस्टिक सिमुलेशन और तनाव परीक्षण

तीन अवधारणाओं में अंतर करना महत्वपूर्ण है। नियतात्मक परिदृश्य मान्यताओं का एक सेट चुनना और परिणाम की गणना करना है: "यदि मुद्रास्फीति 40 प्रतिशत थी तो हमारे दावों की लागत क्या होगी?" सरल, स्पष्ट और संवाद करने में आसान; लेकिन यह सिर्फ एक रास्ता दिखाता है, संभावना नहीं. स्टोकेस्टिक सिमुलेशन (मोंटे कार्लो) हजारों यादृच्छिक परिदृश्यों को बार-बार उत्पन्न करके परिणाम का संभाव्यता वितरण प्राप्त करता है। इस प्रकार, "औसतन 50, लेकिन 99.5 प्रतिशत स्तर पर 78 मिलियन" जैसी पूंछ जानकारी प्राप्त होती है। तनाव परीक्षण एक विशेष प्रकार का परिदृश्य है जो कुछ गंभीर लेकिन संभावित घटनाओं (भूकंप, बाजार दुर्घटना) के प्रभाव को मापता है; आमतौर पर नियामक द्वारा परिभाषित किया गया है।

मोंटे कार्लो बीमांकिक के सबसे शक्तिशाली उपकरणों में से एक है। तर्क यह है: आप आवृत्ति और तीव्रता वितरण से यादृच्छिक मान निकालते हैं और कुल क्षति की गणना करते हैं; आप इसे 10,000 बार दोहराएँ; आपके हाथ में 10,000 संभावित कुल क्षति जमा हो जाती है। इस संचय से, आप औसत, प्रतिशत जैसे 75 प्रतिशत, 99.5 प्रतिशत और सबसे खराब स्थिति पढ़ सकते हैं। यह ठीक इसी प्रकार है कि सॉल्वेंसी II (एक बुरा वर्ष जो 200 वर्षों में एक बार होगा) के लिए आवश्यक 99.5 प्रतिशत स्तर पाया जाता है। AI इस सिमुलेशन के लिए तुरंत कोड तैयार करता है।

निम्न तालिका तीन दृष्टिकोणों की तुलना करती है:

दृष्टिकोण

क्या देता है

मजबूत बिंदु

सीमा

नियतिवादी परिदृश्य

एकल परिणाम

सरल, संवाद करने में आसान

संभाव्यता नहीं देता

मोंटे कार्लो

संभाव्यता वितरण

पूंछ जोखिम को इंगित करता है

धारणा और डेटा पर निर्भर

तनाव परीक्षण

परिणाम सदमे में है

स्थायित्व का परीक्षण करता है

शॉक सेलेक्शन न्यायिक है

टेल रिस्क: सबसे महत्वपूर्ण और सबसे खतरनाक क्षेत्र

बीमांकिक सिद्धांत में, वास्तविक ख़तरा माध्य में नहीं बल्कि अंतिम भाग (वितरण का चरम, कम-संभावना लेकिन उच्च-प्रभाव वाला क्षेत्र) में निहित है। जो चीज़ कंपनियों को डुबाती है वह कोई औसत वर्ष नहीं है, बल्कि एक दुर्लभ लेकिन विनाशकारी घटना है: एक बड़ा भूकंप, एक ही समय में बहुत सारी बड़ी क्षति, अचानक ब्याज दर का झटका। इस क्षेत्र को मापने के लिए, वीएआर (जोखिम पर मूल्य - किसी दिए गए आत्मविश्वास स्तर पर अधिकतम हानि) और टीवीएआर/सीटीई (पूंछ से परे औसत हानि) का उपयोग किया जाता है। मोंटे कार्लो इन मापों की गणना करने का प्राकृतिक तरीका है।

लेकिन पूंछ में एक और खतरा है: ऐतिहासिक डेटा पूंछ का अच्छी तरह से प्रतिनिधित्व नहीं करता है। परिभाषा के अनुसार, दुर्लभ घटनाएँ अतीत में दुर्लभ रही हैं; इसलिए मॉडल उन्हें कम आंकता है। एआई ऐतिहासिक डेटा के आधार पर आसानी से वितरण में फिट बैठता है, लेकिन यह अनायास इस पर विचार नहीं करता है कि "क्या होगा यदि कोई महामारी या 100 साल का भूकंप हो जिसका इस पोर्टफोलियो ने कभी अनुभव नहीं किया हो?" मॉडल में संरचनात्मक टूटने, सहसंबंध बढ़ने (संकट के दौरान एक ही समय में सब कुछ खराब हो जाना) और जलवायु परिवर्तन जैसे रुझानों को शामिल करना एक्चुअरी का काम है।

सावधानी: वाक्य "हमारा मॉडल 99.9 प्रतिशत परिदृश्यों को संभालता है" आरामदायक है, लेकिन याद रखें कि मॉडल उस डेटा से सीखता है जिसकी पूंछ अतीत हो चुकी है। एक ऐसी घटना जो कभी नहीं घटी, वह सबसे अच्छे मॉडल का भी अंधियारा है। यहीं पर विशेषज्ञ का निर्णय काम आता है।

परिदृश्य और तनाव परीक्षण में एआई का उपयोग कैसे करें

1) मोंटे कार्लो सिमुलेशन कोड:

पायथन के साथ एक यौगिक क्षति मोंटे कार्लो सिमुलेशन लिखें (टिप्पणियों के साथ)। अनुमान (मैं देता हूं): क्षति की संख्या ~ पॉइसन (लैम्ब्डा = 1600), क्षति की मात्रा ~ गामा (आकार = के, स्केल = थीटा) [मैं के और थीटा दूंगा]। 1) 10,000 बार: मात्रा निकालें, वह राशि निकालें, जोड़ें। 2) कुल क्षति का औसत, 75%, 99%, 99.5% प्रतिशत प्रिंट। 3) वीएआर की गणना करें और समझाएं (99.5%) और TVaR(99.5%).फिटिंग पैरामीटर; मैं दे दूँगा. पुस्तकालय: सुन्न.

2) नियतात्मक तनाव परिदृश्य:

आपकी भूमिका: जोखिम सहायक. मेरा आधार अपेक्षित नुकसान 50 मिलियन टीएल है। निम्नलिखित 3 नियतात्मक परिदृश्य स्थापित करें: ए) मुद्रास्फीति का झटका: गंभीरता +30%। बी) आवृत्ति झटका: क्षति की संख्या +15%। ग) दोनों एक साथ। प्रत्येक परिदृश्य में नई अपेक्षित क्षति की गणना करें, आधार के आधार पर प्रतिशत प्रभाव दिखाएं और टिप्पणी करें कि कौन सा सबसे महत्वपूर्ण है। बस मेरे द्वारा दिए गए आधार नंबर का उपयोग करें।

3) परिदृश्य डिजाइन परामर्श:

मैं स्वास्थ्य बीमा पोर्टफोलियो के लिए तनाव परीक्षण परिदृश्य तैयार कर रहा हूं। - महामारी, उच्च मुद्रास्फीति, नई महंगी उपचार तकनीक और नियामक परिवर्तन के लिए प्रत्येक 'गंभीर लेकिन प्रशंसनीय' परिदृश्य का मसौदा प्रस्तावित करें। - बताएं कि क्या प्रत्येक परिदृश्य आवृत्ति, गंभीरता या दोनों को प्रभावित करता है। - उन अंतिम जोखिमों को इंगित करें जिन्हें ऐतिहासिक डेटा के साथ कैप्चर नहीं किया जा सकता है। मैं निर्णय लूंगा; आप रूपरेखा और औचित्य प्रदान करते हैं।

4) परिणाम को प्रबंधन में अनुवाद करना:

मेरा मोंटे कार्लो परिणाम: अपेक्षित क्षति 50एम, वीएआर(99.5%) 78एम, टीवीएआर(99.5%) 89एम। इसे 5 वाक्यों में निदेशक मंडल को समझाएं: - 99.5% और टीवीएआर का सरल भाषा में क्या मतलब है। - 'औसत द्वारा योजना बनाना' अपर्याप्त क्यों है? - पूंजी के संदर्भ में उन्हें किस आंकड़े पर ध्यान देना चाहिए?

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत:

मेरे पोर्टफोलियो के लिए एक तनाव परीक्षण करें।

इसका कोई आधार मूल्य नहीं है, कोई शॉक परिभाषा नहीं है, कोई वितरण नहीं है। एआई एक सामान्य पाठ तैयार करता है, कोई व्यवहार्य संख्या नहीं।

शक्तिशाली संकेत:

आपकी भूमिका: बीमांकिक जोखिम सहायक। आधार धारणाएँ (गुमनाम): अपेक्षित आवृत्ति 0.12, औसत गंभीरता 30,000 टीएल, एक्सपोज़र 20,000 पॉलिसी-वर्ष। तकनीकी रुचि 4% है। कार्य:1) अपेक्षित कुल हानि के आधार की गणना करें। 2) निम्नलिखित तनावों को लागू करें और प्रत्येक का प्रतिशत प्रभाव दिखाएं: - मुद्रास्फीति: गंभीरता +25% - खराब सर्दी: आवृत्ति +10% - ब्याज दर में गिरावट: 4% -> 3% (देयता के वर्तमान मूल्य पर प्रभाव)3) 2 सबसे महत्वपूर्ण परिदृश्यों पर टिप्पणी करें और क्यों।4) क्या आप पूंछ जोखिम के लिए मोंटे कार्लो की सिफारिश करते हैं, क्यों?बस मेरे द्वारा दिए गए नंबरों का उपयोग करें; यदि यह गायब है, तो पूछें।

तीन मिनी मामले

केस 1 - औसत की धोखाधड़ी। एक कंपनी ने अपेक्षित क्षति (50 मिलियन) के आधार पर अपनी पूंजी की योजना बनाई थी। जब मोंटे कार्लो का काम पूरा हुआ तो देखा गया कि 99.5 प्रतिशत का स्तर 82 मिलियन था: एक बुरे वर्ष में 32 मिलियन की अतिरिक्त आवश्यकता थी और कंपनी इसे पूरा नहीं कर पाएगी। पूंजी योजना को संशोधित किया गया है. एआई ने सेकंडों में 10,000 परिदृश्यों का अनुकरण चलाया; बीमांकिक ने व्याख्या और वितरण का मूल्यांकन किया।

केस 2 - सहसंबंध अंधापन। भूकंप और व्यापार रुकावट कवरेज अलग से एक पोर्टफोलियो में कम जोखिम दिखाई दिया। लेकिन भूकंप दोनों को एक ही समय में ट्रिगर करता है; स्वतंत्रता मानने वाले मॉडल ने पूंछ जोखिम को आधे से कम करके आंका। जब बीमांकिक ने परिदृश्य में सहसंबंध जोड़ा, तो वास्तविक पूंजी की आवश्यकता में उल्लेखनीय वृद्धि हुई। सबक: संकट में जोखिम स्वतंत्र नहीं होते; प्रश्न एआई ने स्वतंत्रता की स्वीकृति मान ली है।

केस 3 - एक घटना जो घटित नहीं हुई। पिछले 10 वर्षों के आंकड़ों के आधार पर स्वास्थ्य सेवा पोर्टफोलियो बहुत "ठोस" दिखता है। जब एक महामारी आई, तो आवृत्ति और गंभीरता दोनों एक साथ बढ़ गईं; मॉडल ने कभी इसकी भविष्यवाणी नहीं की क्योंकि डेटा में ऐसा कुछ भी नहीं था। अगली अवधि में, नियतिवादी महामारी परिदृश्य जोड़ा गया। एआई ने ड्राफ्ट स्क्रिप्ट तैयार की; बीमांकिक ने झटके की भयावहता तय की। पाठ: ऐतिहासिक डेटा कतार पूरी नहीं है.

सामान्य गलतियाँ

• औसत के आसपास योजना बनाना. यह पूंछ है, औसत नहीं, जो कंपनी को डुबाती है; वीएआर/टीवीएआर जैसे चरम मेट्रिक्स को देखें।
• यह मानते हुए कि जोखिम स्वतंत्र हैं। संकट के दौरान, सहसंबंध बढ़ जाते हैं; स्वतंत्रता की स्वीकृति पूँछ का प्रकाश बनाती है।
• ऐतिहासिक आंकड़ों पर पूरा भरोसा. दुर्लभ और संरचनात्मक घटनाएँ डेटा से अनुपस्थित हैं; विशेषज्ञ निर्णय के साथ परिदृश्य जोड़ें.
• नियतिवादी और स्टोकेस्टिक का मिश्रण। एक भी परिदृश्य संभाव्यता नहीं देता है; संभाव्यता के लिए मोंटे कार्लो की आवश्यकता है।
• सिमुलेशन परिणाम को सत्यापित किए बिना प्रस्तुत करना। स्वतंत्र रूप से प्रतिशत और वीएआर की जाँच करें; पैरामीटर त्रुटि संपूर्ण वितरण को विकृत कर देती है।

युक्ति: मोंटे कार्लो परिणाम प्रस्तुत करने से पहले, एक सरल स्थिरता जांच करें: क्या सिमुलेशन का मतलब अपेक्षित मूल्य (आवृत्ति × तीव्रता × एक्सपोज़र) के करीब है जिसे आपने हाथ से गणना की है? यदि नहीं, तो कोई पैरामीटर या कोड त्रुटि है.

सारांश

भविष्य कोई एक संख्या नहीं, बल्कि संभावनाओं का एक स्पेक्ट्रम है। नियतात्मक परिदृश्य एकल "क्या होगा अगर" पथ दिखाते हैं, मोंटे कार्लो संपूर्ण वितरण और पूंछ जोखिम दिखाता है, तनाव परीक्षण गंभीर घटनाओं का प्रभाव दिखाते हैं। वास्तविक खतरा पूंछ में है, औसत में नहीं, और ऐतिहासिक डेटा पूंछ का अच्छी तरह से प्रतिनिधित्व नहीं करता है; बढ़े हुए सहसंबंध और जो घटनाएँ घटित नहीं हुई हैं, उनके लिए बीमांकिक निर्णय की आवश्यकता होती है। एआई परिदृश्य को डिजाइन करता है, सिमुलेशन को कोड करता है और परिणाम की व्याख्या करता है; लेकिन शॉक चयन, सहसंबंध धारणा, पूंछ निर्णय और अंतिम जोखिम निर्णय बीमांकिक पर निर्भर करता है। परिणामों को हमेशा एक साधारण स्थिरता जांच से सत्यापित करें।

आवेदन कार्य

अनाम आधार धारणाएँ (आवृत्ति, तीव्रता, एक्सपोज़र, रुचि) सेट करें। एआई से पूछें (ए) अपेक्षित क्षति का आधार, (बी) मुद्रास्फीति, आवृत्ति और ब्याज दर के झटके सहित 3 नियतात्मक परिदृश्य, (सी) मोंटे कार्लो सिमुलेशन के साथ वीएआर और टीवीएआर (99.5%) की गणना करें। सत्यापित करें कि सिमुलेशन माध्य आपके द्वारा मैन्युअल रूप से गणना किए गए अपेक्षित मान के करीब है। फिर एआई के साथ चर्चा करें कि कैसे मान लिया जाए कि दो संपार्श्विक निर्भर (सहसंबद्ध) हैं तो पूंछ बदल जाएगी।

जांच सूची

• [ ] क्या मैंने औसत के बजाय टेल माप (VaR, TVaR) पर भी ध्यान दिया है?
• [ ] क्या मैंने संकट के समय जोखिमों के सहसंबंध को ध्यान में रखा है?
• [ ] क्या मैंने विशेषज्ञ निर्णय के साथ ऐतिहासिक डेटा में नहीं पाए गए संरचनात्मक/दुर्लभ परिदृश्यों को जोड़ा है?
• [ ] क्या मैंने जानबूझकर नियतिवादी और स्टोकेस्टिक दृष्टिकोण को अलग कर दिया है?
• [ ] क्या मैंने अपेक्षित मूल्य के साथ स्थिरता के लिए मोंटे कार्लो माध्य को मैन्युअल रूप से जांचा है?
• [ ] क्या मैंने परिदृश्य विकल्पों और आघात परिमाणों का औचित्य लिखा है?