Uru:
- Ikike iji guzobe ọnọdụ deterministic, simulation stochastic (Monte Carlo) na echiche ule nrụgide site na nkwado nke ọgụgụ isi na ịkọwa nsonaazụ na asụsụ dị ize ndụ.
- Ikike imepụta ọnọdụ akpata oyi n'ahụ dị ka ọnụ ahịa, mmasị, mbibi mbibi na ọrịa na-efe efe nwere ọgụgụ isi na atụmatụ atụmatụ na mmetụta isi obodo.
- Inwe ike ịmata ọdịiche dị na ọnọdụ ndapụta nke ọgụgụ isi na-emepụta na-adabere na data akụkọ ihe mere eme na mkpebi ikpe na-apụta ìhè n'ihe egwu ọdụ na nkwụsị nhazi.
Actuarialism bụ ọrụ nke ịkọ ọdịnihu; Ma ọdịnihu abụghị otu nọmba, ọ bụ ụdịdị dị iche iche nke ohere. O zughị ezu ịsị "Nbibi anyị na-atụ anya bụ nde 50"; Ezigbo ajụjụ bụ: "Ọ bụrụ na afọ ọjọọ abịa, nde ole ka ọ ga-efu, ụlọ ọrụ ahụ nwere ike ijikwa ya?" Ngwa ndị na-aza ajụjụ a bụ nyocha ọnọdụ na nnwale nrụgide. Ịtụle n'ihu mmetụta nke ala ọma jijiji, ọnụ ahịa dị elu, ujo ọmụrụ nwa ma ọ bụ ọrịa na-efe efe na ụgwọ ụlọ ọrụ na isi obodo bụ ihe dị mkpa achọrọ ma njikwa ihe egwu dị n'ime yana iwu dịka Solvency II. Na nkeji a, anyị ga-ekpuchi ọnọdụ deterministic, simulation stochastic (Monte Carlo) na ule nrụgide, wee hụ ka esi eji AI na nyocha ndị a.
Ka anyị chetara gị site na mmalite: ihe ndapụta dabere na data akụkọ ihe mere eme na echiche. AI na-echepụta ọnọdụ, na-ede koodu ịme anwansị, ma kọwaa nsonaazụ; Mana nke ihe mgbagwoju anya bụ ihe ezi uche dị na ya, otu esi ejikwa ihe ize ndụ ọdụ, na otu esi agụnye nkwụsịtụ nhazi (ihe omume ndị na-emetụbeghị n'oge gara aga) na-ahapụ ya ka ọ bụrụ ikpe ziri ezi.
Ihe nleba anya, stochastic simulation na nnwale nrụgide
Ọ dị mkpa ịmata ọdịiche echiche atọ. Ihe nleba anya na-ekpebi bụ ịhọrọ otu echiche nke echiche wee gbakọọ nsonaazụ: "Gịnị ga-eri anyị ma ọ bụrụ na onu oriri bụ pasent 40?" Dị mfe, doro anya ma dị mfe nkwurịta okwu; Mana ọ na-egosi naanị otu ụzọ, ọ bụghị ihe nwere ike ime. Simulation Stochastic (Monte Carlo) na-enweta nkesa puru omume nke nsonaazụ ya site n'ịmepụta ọtụtụ puku ihe ndapụta ugboro ugboro. Ya mere, a na-enweta ozi ọdụ dị ka "50 na nkezi, mana nde 78 na ọkwa pasent 99.5". Nnwale nrụgide bụ ụdị ọnọdụ pụrụ iche nke na-atụle mmetụta nke ụfọdụ ihe omume siri ike mana nke nwere ike ịpụta (ala ọma jijiji, mkpọka ahịa); A na-akọwakarị ya site na nchịkwa.
Monte Carlo bụ otu n'ime akụrụngwa kacha ike nke actuarial. Echiche bụ nke a: ị na-ewepụ ụkpụrụ na-enweghị usoro site na nkesa ugboro na ike ma gbakọọ mmebi ahụ zuru oke; ị na-ekwughachi nke a ugboro 10,000; Na-achịkọta 10,000 mkpokọta mmebi n'aka gị. Site na mkpokọta a, ị nwere ike ịgụ nkezi, pasenti dị ka 75 pasent, 99.5 pasent na ọnọdụ kacha njọ. Nke a bụ otu esi enweta ọkwa pasentị 99.5 nke Solvency II chọrọ (afọ ọjọọ nke ga-eme otu ugboro n'ime afọ 200). AI ngwa ngwa na-emepụta koodu maka ịme anwansị a.
Tebụl na-esonụ na-atụnyere ụzọ atọ a:
Ụzọ
ihe na-enye
isi ihe siri ike
oke
Ihe nleba anya
otu nsonaazụ
Dị mfe, dị mfe nkwurịta okwu
Ọ naghị enye ohere
Monte Carlo
Nkesa puru omume
Na-egosi ihe egwu ọdụ
Dabere na echiche na data
ule nrụgide
Nsonaazụ n'okpuru ujo
Na-anwale ịdịte aka
Nhọrọ ujo bụ ikpe
Ihe ize ndụ ọdụ: mpaghara kachasị mkpa na nke dị ize ndụ
N'echiche nke eziokwu, ezigbo ihe ize ndụ adịghị adị na nkenke ma na ọdụ (oke, obere ihe gbasara nke puru omume ma mpaghara mmetụta dị elu nke nkesa). Ihe na-eme ka ụlọ ọrụ na-akụda abụghị nkezi afọ, kama ọ bụ ihe na-adịghị ahụkebe ma na-agbawa obi: nnukwu ala ọma jijiji, nnukwu mmebi na-abịa n'otu oge ahụ, ihe mgbagwoju anya ọnụego ọmụrụ nwa mberede. Iji tụọ mpaghara a, a na-eji VaR (Uru dị n'ihe ize ndụ - oke ọnwụ na ọkwa ntụkwasị obi enyere) na TVaR / CTE (nkezi ọnwụ gafere ọdụ). Monte Carlo bụ ụzọ ebumpụta ụwa iji gbakọọ nha ndị a.
Ma enwere ihe ize ndụ ọzọ na ọdụ: data akụkọ ihe mere eme anaghị anọchi anya ọdụ ahụ nke ọma. Ihe omume ndị na-adịghị ahụkebe, site na nkọwa, dị ụkọ n'oge gara aga; ya mere ihe nlereanya ahụ na-eleda ha anya. AI na-adabara nkesa ngwa ngwa dabere na data akụkọ ihe mere eme, mana ọ naghị echebara onwe ya echiche "gịnị ma ọ bụrụ na enwere ọrịa na-efe efe ma ọ bụ ala ọma jijiji afọ 100 nke Pọtụfoliyo a na-enwetụbeghị mbụ?" Ọ bụ ọrụ onye na-eme ihe nkiri ịgụnye nkwụsị nhazi, mmekọrịta na-abawanye (ihe niile na-akawanye njọ n'otu oge n'oge nsogbu) yana usoro dịka mgbanwe ihu igwe n'ime ihe nlereanya.
Kpachara anya: Ahịrịokwu ahụ "Ihe nlereanya anyị na-edozi ọnọdụ pasent 99.9" na-akasi obi, mana cheta na ihe nlereanya ahụ na-amụta site na data nke ọdụ ya gafere. Ihe omume na-emetụbeghị bụ ebe kpuru ìsì nke ọbụna ihe nlereanya kacha mma. Nke a bụ ebe ikpe ndị ọkachamara na-abata.
Otu esi eji AI n'ihe atụ na nnwale nrụgide
1) Koodu ịme anwansị Monte Carlo:
Jiri Python dee ihe mebiri emebi nke Monte Carlo (ya na nkọwa). Echiche (M na-enye): ọnụ ọgụgụ nke mmebi ~ Poisson (lambda = 1600), ọnụ ọgụgụ mmebi ~ Gamma (ụdị = k, scale = theta) [M ga-enye k na theta].1) 10,000 ugboro: see ọnụọgụgụ, see ego ahụ, tinye .2) Nkezi nke mmebi, 75%, 99%, % Calagete, 99.5, nkọwa na Calage. VaR (99.5%) na TVaR (99.5%). FITTING parameters; M ga-enye ya. Ụlọ akwụkwọ: numpy.
2) Ọnọdụ mgbakasị ahụ nwere ike ikpebi:
Ọrụ gị: onye enyemaka egwu. Isi m tụrụ anya na mfu bụ 50 nde TL. Hazie ihe ngosi 3 ndị a: A) Ujo onu oriri: oke +30%. B) Ugboro ugboro: ọnụọgụ nke mmebi + 15%. C) Ha abụọ ọnụ. Gbakọọ mmebi ọhụrụ a tụrụ anya na ọnọdụ ọ bụla, gosi mmetụta pasentị dabere na isi wee kwuo nke kacha mkpa. Naanị jiri akara nọmba m nyere gị.
3) Ndụmọdụ imewe ọnọdụ:
Ana m echepụta ọnọdụ ule nrụgide maka pọtụfoliyo mkpuchi ahụike. - Wepụta ihe ngosi 'dị njọ mana ọ ga-ekwe omume' nke ọ bụla maka ọrịa na-efe efe, ọnụ ahịa dị elu, teknụzụ ọgwụgwọ dị oke ọnụ ọhụrụ yana mgbanwe nhazi. - Kwupụta ma ọnọdụ ọ bụla ọ na-emetụta ugboro ole, ogo ma ọ bụ ha abụọ. - Tụọ aka n'ihe egwu ọdụ nke enweghị ike iji data akụkọ ihe mere eme jide. M ga-eme mkpebi; Ị na-enye usoro na izi ezi.
4) Ịsụgharị nsonaazụ ka ọ bụrụ njikwa:
Nsonaazụ Monte Carlo m: mmebi a tụrụ anya ya 50M, VaR(99.5%) 78M, TVaR(99.5%) 89M. Kọwaara ndị otu ndị isi na nkebi ahịrịokwu ise nke a: - Gịnị ka 99.5% na TVaR pụtara, n'asụsụ doro anya - Gịnị kpatara 'atụmatụ site na nkezi' ezughị oke? - Kedu ọnụ ọgụgụ ha kwesịrị ileba anya n'ihe gbasara isi obodo?
Ngwa ngwa adịghị ike / Ike siri ike
Ngwa ngwa adịghị ike:
Mee ule nrụgide maka pọtụfoliyo m.
Enweghị uru isi, enweghị nkọwa ujo, enweghị nkesa. AI na-ewepụta ederede izugbe, ọ bụghị ọnụọgụ nwere ike ime.
Mgbasa ozi siri ike:
Ọrụ gị: onye enyemaka ihe egwu n'ezie. Echiche ntọala (nke a na-amaghị aha): ugboro ole a na-atụ anya 0.12, nkezi ogo 30,000 TL, mkpughe 20,000 amụma-afọ. Nka na ụzụ mmasị bụ 4% .Task: 1) Gbakọọ isi na-atụ anya ngụkọta ọnwụ .2) Tinye ndị na-esonụ nrụgide na-egosi mmetụta pasent nke ọ bụla: - onu oriri: ịdị arọ +25% - Bad oyi: ugboro + 10% - Mmasị ọnụego ibelata: 4% -> 3% (mmetụta na ugbu uru nke ụgwọ) 3) Kwuo ihe mere na 2 kasị dị oké egwu na-atụ aro 4 Carlos . gịnị mere? Naanị jiri nọmba m nyere; Ọ bụrụ na ọ na-efu, jụọ.
Obere ikpe atọ
Ikpe 1 - The aghụghọ nke nkezi. Otu ụlọ ọrụ zubere isi obodo ya dabere na mmebi a na-atụ anya ya (nde 50). Mgbe Monte Carlo mere, a hụrụ na 99.5 pasent ọkwa bụ 82 nde: n'ime afọ ọjọọ, e nwere mkpa ọzọ nke 32 nde na ụlọ ọrụ agaghị enwe ike izute ya. Atụgharịla atụmatụ isi obodo. AI na-agba ọsọ ịme anwansị nke 10,000 ndapụta na sekọnd; The actuary tụlere nkọwa na nkesa.
Ikpe 2 - Mmekọrịta kpuru ìsì. Mkpuchi nkwụsịtụ ala ọma jijiji na azụmahịa dị iche iche pụtara obere ihe egwu na pọtụfoliyo. Ma ala ọma jijiji na-ebute ma n'otu oge; Ihe nlereanya na-ewere nnwere onwe eledaghị ihe ize ndụ ọdụ anya site na ọkara. Mgbe onye na-eme ihe nkiri gbakwunyere njikọ na ọnọdụ ahụ, ezigbo isi obodo mkpa abawanyela nke ukwuu. Ihe nkuzi: na nsogbu, ihe ize ndụ anaghị adabere na ya; Ajụjụ AI chere na nnabata nke nnwere onwe.
Ikpe 3 - Ihe omume na-emeghị. Pọtụfoliyo nlekọta ahụike dị ezigbo "siri ike" dabere na data sitere na afọ 10 gara aga. Mgbe ọrịa na-efe efe bịarutere, ma ugboro ole na oke siri ike gbagoro n'otu oge; Ihe nlereanya ahụ ebughị amụma nke a n'ihi na ọ dịghị ihe dị ka ya na data. N'ime oge na-esote, agbakwunyere ọnọdụ ọrịa deterministic. AI mepụtara edemede edemede; Onye na-eme ihe nkiri kpebiri oke ujo ahụ. Ihe ọmụmụ: kwụ n'ahịrị data akụkọ ihe mere eme ezughị.
Mmejọ ndị nkịtị
- Na-eme atụmatụ gburugburu nkezi. Ọ bụ ọdụ, ọ bụghị nkezi, na-emikpu ụlọ ọrụ ahụ; Lelee oke metrik dị ka VaR/TVaR.
- Na-eche na ihe egwu nwere onwe ya. N'oge nsogbu, mmekọrịta na-abawanye; Nnabata nke nnwere onwe na-eme ka ìhè ọdụ.
- Ntụkwasị obi zuru oke na data akụkọ ihe mere eme. Ihe omume na-adịghị ahụkebe na nhazi adịghị na data ahụ; Tinye ihe atụ site na mkpebi ndị ọkachamara.
- Ịgwakọta deterministic na stochastic. Otu ihe atụ anaghị enye ohere; Ihe gbasara omume chọrọ Monte Carlo.
- Na-egosi nsonaazụ simulation na-egosighi ya. Lelee pasentị na VaR n'adabereghị; Njehie oke na-agbagọ nkesa niile.
NDỤMỌDỤ: Tupu igosi rịzọlt Monte Carlo, mee nlele ngbanwe dị mfe: simulation ọ pụtara nso uru a na-atụ anya ya (ugboro × ike × ikpughe) nke i ji aka gbakọọ? Ọ bụrụ na ọ bụghị, enwere oke ma ọ bụ njehie koodu.
Na nchịkọta
Ọdịnihu abụghị otu ọnụọgụgụ, mana ụdị dị iche iche nke ohere. Ihe nleba anya na-egosi otu "gịnị ma ọ bụrụ" ụzọ, Monte Carlo na-egosi nkesa dum na ọdụ ọdụ, ule nrụgide na-egosi mmetụta nke ihe omume siri ike. Ezigbo ihe ize ndụ dị na ọdụ, ọ bụghị nkezi, na data akụkọ ihe mere eme adịghị anọchi anya ọdụ ahụ nke ọma; Mmụba mmekọrịta yana ihe omume na-emebeghị na-achọ mkpebi n'ezie. AI na-echepụta ọnọdụ ahụ, na-edepụta simulation ma kọwaa nsonaazụ ya; mana nhọpụta ujo, echiche mmekọrịta, ikpe ọdụ, na mkpebi ihe egwu ikpeazụ na-adabere na ihe omume. Jiri nlele ngbanwe dị mfe nyochaa nsonaazụ ya mgbe niile.
Ọrụ ngwa
Tọọ echiche ntọala na-amaghị aha (ugboro, ike, mkpughe, mmasị). Rịọ AI ka ọ bụrụ (a) mmebi a na-atụ anya ya, (b) 3 ihe nleba anya na-ekpebi ihe gụnyere mmụba, ugboro ole na ọmụrụ nwa, (c) gbakọọ VaR na TVaR (99.5%) na simulation Monte Carlo. Nyochaa na simulation pụtara dị nso na uru a tụrụ anya ka ị jiri aka gbakọọ. Mgbe ahụ, gị na AI kparịta otu esi eche na nkwekọrịta abụọ ahụ dabere (ejikọtara) ga-agbanwe ọdụ ahụ.
ndetu
- [] M lekwara anya na nha ọdụ (VaR, TVaR) karịa nkezi?
- [] Enwere m n'uche njikọ nke ihe egwu n'oge nsogbu ahụ?
- [] Agbakwunyela m ọnọdụ nhazi/adịghị ahụkebe na data akụkọ ihe mere eme na mkpebi ndị ọkachamara?
- [ ] kewapụwo m ´nkebi mma ụzọ ekpebisi ike na stochastic?
- [ ] Ejila m aka nyochaa Monte Carlo pụtara maka nkwekọ na uru a tụrụ anya ya?
- [ ] Edela m ihe ziri ezi maka nhọrọ ọnọdụ na oke ujo?