Табыстар:
- Жасанды интеллект көмегімен зақымдану жиілігі мен зиян мөлшері (ауырлық), сәйкес таралулар (Пуассон, теріс биномдық, гамма) және композиттік модель логикасы арасындағы айырмашылықты орнату және түсіндіре білу.
- Дұрыс сұрақтар мен деректермен жасанды интеллектке өте үлкен шығындарды (өткізу/үлкен жоғалтулар), деректерді шектеу және тренд/даму түзетулерін сұрыптау.
- Жасанды интеллект арқылы шығарылатын үлестіру таңдауы мен параметрлері жарамдылық сынақтарымен және актуарлық негіздемелермен расталуы керек екенін түсіну қабілеті.
Сақтандыру компаниясы үшін ең негізгі сұрақ: «Келесі жылы осы полис тобына қанша шығын төлейміз?». Бұл сұраққа дұрыс жауап беру сыйлықақыны дұрыс белгілеудің де, жеткілікті резервтерді бөлудің де міндетті шарты болып табылады. Бұл сұраққа актуарийлер екіге бөлу арқылы жауап береді; өйткені жалпы залалды бір бөлікте бағалаудың орнына екі бөлек мінез-құлықты бөлек модельдеу әлдеқайда дәлірек. Бұл екі бөлік жиілік пен қарқындылық болып табылады.
Жиілігі (зақымдану жиілігі) – берілген әсерде қанша зақымдану орын алатыны; Мысалы, 100 көлік – жылына 8 апат. Ауырлық – әрбір келтірілген зиянның орташа мөлшері; мысалы, бір апатқа 30 000 TL. Екеуін көбейту тәуекел үстемдігін береді: бір әсерге күтілетін шығын құны (0,08 × 30 000 = 2 400 доллар). Бұл бөлімде біз осы айырмашылықты орнату, дұрыс ықтималдық үлестірімін таңдау және ауытқуларды басқару үшін AI қалай пайдалану керектігін кезең-кезеңімен көреміз. Басынан еске түсірейік: AI таратуды ұсынады және кодты жазады, бірақ жарамдылық сынақтары мен пайымдаулар арқылы таратуды таңдауды растау актуарийге байланысты.
Неліктен жиілік пен қарқындылық бөлек модельденеді?
Жиілігі мен қарқындылығы әртүрлі статистикалық мінез-құлықты көрсетеді. Шағымдар саны санау айнымалысы болып табылады (0, 1, 2, 3...) және әдетте Пуассон үлестірімімен немесе артық дисперсия болса (дисперсия > орташа мән) теріс биномдық үлестіріммен модельденеді. Пуассон – сирек және тәуелсіз оқиғалардың санын модельдейтін классикалық үлестірім. Зақымдану мөлшері үздіксіз және оңға қисайған айнымалы болып табылады: шағымдардың көпшілігі шағын, аздаған шағымдар өте үлкен. Сондықтан ауырлық жиі гамма немесе логнормальдық үлестіріммен модельденеді; бұл оң және оңға қиғаш үлестірім.
Екеуін бөлек модельдеудің үш нақты артықшылығы бар. Біріншіден, әрқайсысының өз жүргізушілері (қауіпті факторлар) бар екенін көруге болады: жас жүргізуші жиілікті арттырады, қымбат көлік зорлық-зомбылықты арттырады. Екіншіден, деректер өзгерген кезде, сіз неге диагноз қоя аласыз: залал құны немесе шағымдардың саны өсті ме? Үшіншіден, зорлық-зомбылық жағынан тек төтенше үлкен шығындарды бөлек қарастыруға болады. Осы екеуінің қосындысы құрама модель деп аталады; күтілетін жалпы зиян = күтілетін жиілік × күтілетін ауырлық.
Нұсқау: «Біздің шығын/сыйлық қатынасымыз өсті» деген сөйлем өздігінен ештеңе айтпайды. Жиіліктің немесе қарқындылықтың жоғарылауы туралы сұрақты ажыратыңыз; араласу (баға, жабу, залалды басқару) мүлдем басқаша болар еді.
Шектеулер, қысқартулар және трендтерді түзету
Зақымдану деректері оның бастапқы түрінде үлгі құруға дайын емес. Үш түзету әрқашан дерлік қажет. Біріншісі – төтенше/ірі зақымдар бойынша сұрыптау: бірнеше үлкен зақымдар (мысалы, зауыттағы өрт) орташа мәнді бұрмалайды; олар жеке «үлкен зақымдану жүктемесі» ретінде модельденеді. Екіншісі - жабу: белгілі бір төбеге өте үлкен зақым келтіру (мысалы, 1 000 000 TL) және жоғарғы бөлікті бөлек есептеу модельді тұрақты етеді. Үшіншіден, тенденция мен дамуды түзету: бұрынғы талаптар инфляцияны ескере отырып, бүгінгі баға деңгейіне (тренд) дейін жаңартылуы керек, ал әлі толық төленбеген талаптар соңғы деңгейіне жеткізілуі керек (дамыту — бұл тақырыпты 3-бөлімде қарастырамыз).
Келесі кестеде екі компоненттің қасиеттері салыстырылады:
ерекшелігі
Жиілік (жиілік)
Зорлық-зомбылық (сома)
Айнымалы түрі
Санау (0,1,2...)
тұрақты, оң
Типтік тарату
Пуассон, теріс бином
Гамма, логнормаль
Негізгі драйвер мысалдары
Жасы, тәжірибесі, аймағы, қолданылуы
Көлік құны, қамту шегі, жөндеу құны
Шектеулі мәселе
төмен
Жоғары (ірі залал)
Инфляцияның әсері
әлсіз
күшті
Зақымдануды модельдеуде AI қалай пайдалануға болады
AI ең күштісі - тарату таңдауын талқылау, кодты жазу және нәтижені түсіндіру. Төменде көшірілетін төрт үлгі берілген.
1) Таратуды таңдауды талқылаңыз:
Сіздің рөліңіз: актуарлық модельдеу көмекшісі. Менде сақтандыру шағымы AMOUNT деректері бар (анонимді, 1600 шағым). Түйіндеме: орташа 30 300 TL, медиана 12 500 TL, максимум 940 000 TL, қиғаштық жоғары. Сұрақ: ауырлық үлгісі үшін гамма немесе логнорма қолайлырақ бола ма? Әр қайсысының болжамы қандай, плюс/минус және қандай сәйкестік сынағы (мысалы, шешім қабылдайтынымды түсіндіріңіз (Q-Q диаграммасы, K-S тесті, AIC). Түпкілікті шешім қабылдау; Маған салыстыру шеңберін беріңіз.
2) Жиілік-интенсивтілікті есептеу коды:
Төмендегі қадамдарды орындайтын Python + pandas көмегімен түсініктеме кодын жазыңыз: 1) df-де "әсер ету", "шағым_саны", "шағым_сомасы" бағандары бар. 2) Жалпы жиілік = жалпы шағым_саны / жалпы әсер ету. 3) Орташа ауырлық = жалпы шағым_сомасы / жалпы шағым_саны. 4) Тәуекел сыйлығы = жиілік × ауырлық дәрежесі. 5) Әрбір аралық нәтижені қолмен тексере алатындай етіп экранға басып шығарыңыз. Кітапхананы жабдықтау; жай ғана пандаларды қолданыңыз.
3) Төтенше мән/шектік талдау:
Менде анонимді шағым сомасын бөлу бар. 950 000, 720 000, 610 000 лира сияқты талаптар жалпы соманың 22 пайызын құрайды. Маған жабу тәсілі туралы айтып беріңізші: - Қандай қақпақ опциялары орынды (мысалы, 500K, 750K, 1M)? - Кесілген бөлікті бөлек «үлкен зақымдану жүктемесі» ретінде қалай қосуға болады? - Бұл шешімнің тәуекел сыйлығына қалай әсер ететінін кезең-кезеңімен көрсетіңіз.
4) Нәтижені іскерлік тілге аудару:
Менің жиілігім 0,13-тен 0,15-ке дейін өсті; Орташа зорлық-зомбылық 28 мыңнан 34 мың лираға өсті. Осыны менеджер түсінетін 4 сөйлеммен қорытындылаңыз: - Не болды, қай компонент қаншаға өсті? - Тәуекелдік сыйлықақыға жалпы әсері қандай? - Тексеруім керек ықтимал себептер мен 2 болжамды жазыңыз.
Әлсіз шақыру / Күшті шақыру
Әлсіз шақыру:
Менің жоғалту үлгісін орнатыңыз және сыйлықақыны есептеңіз.
Түсініксіз: қандай деректер, қай құрамдас, қандай таралу, қай кезең? AI бұл олқылықты жасанды түрде толтырады.
Күшті шақыру:
Сіздің рөліңіз: актуарлық модельдеу көмекшісі. Деректер (анонимді, трафик бөлімі, 2024): экспозиция 20 000 саясат жылы, шағымдар саны 2 600, жалпы зиян 91 000 000 TL, 5 ең үлкен залал барлығы 12 000 000 TL. Тапсырма: 1) Жиілікті және шикі орташа ауырлық дәрежесін есептеңіз, формуласын көрсетіңіз. 2) Ең үлкен 5 зақым Оны 1 000 000 TL-ге дейін шектеңіз және реттелетін ауырлықты қайта есептеңіз. 3) Тәуекел сыйлығын шекті және шексіз салыстырыңыз, айырмашылықты түсіндіріңіз. 4) Мен оны қолмен тексере алатындай етіп әр қадамды аралық сандармен жазыңыз. Мен берген сандарды ғана пайдаланыңыз; Егер ол жоқ болса, сұраңыз.
үш шағын іс
1-жағдай – Бөлу күші. Бір актуарий тұрғын үй секторындағы шығын/сыйлық қатынасы бір жылда 68 пайыздан 81 пайызға дейін өскенін көрді. Дүрбелең бағасының өсуі ұсынылмас бұрын, жиілік пен ауырлық дәрежесінің айырмашылығы жасалды: жиілік тұрақты болды (0,041 → 0,043), бірақ орташа ауырлық 14,200 TL-ден 19,800 TL-ге дейін секірді. Себебі саясаттардың саны немесе тәуекелді тұтынушылар емес, құрылыс құнының инфляциясы болды. Дұрыс араласу сыйлықақыны соқыр ұлғайту емес, қамту сомасын жаңарту болды.
2-жағдай — Шеткі тұзақ. Іскерлік сақтандыру портфеліндегі 1800 талаптың орташа мөлшері 42 000 TL болды. Алайда 6,4 миллион лиралық бір өрт шығыны бұл орташа мәнді шамамен 3500 лираға арттырды. Бұл негізгі залал жеке «ірі зиян ауыртпалығы» ретінде модельденіп, шектелген кезде базалық ауырлық 38 500 TL-ге дейін төмендеді және сыйлықақы әділетті болды. AI жылдам генерацияланған жабу кодын және балама қақпақтарды; Актуарий шешім қабылдады.
3-жағдай – дұрыс таратпау. Әрине, көмекші ауырлық дәрежесі бойынша қалыпты (гаусс) бөлуді таңдаған AI кодын іске қосты. Қалыпты таралу теріс мәндер мен симметрияға мүмкіндік бергендіктен, ол оңға қиғаш зақымдалған деректерге сәйкес келмеді; модель кішігірім зақымдарды асыра бағалады және үлкендерін кем бағалады. Q-Q сюжеті мен AIC салыстырылғанда, гамма әлдеқайда жақсырақ сәйкес келетіні байқалды. Сабақ: AI ұсынған бөлу әрқашан сәйкестік сынағы арқылы тексеріледі.
Жалпы қателер
- Жиілік пен қарқындылықты біріктіру және бір үлгімен болжау. Ол екі түрлі мінез-құлықты жасырады; сіз жүргізушіні жоғалтасыз және неге.
- Төтенше/ірі зақымдануды жоймай орташалау. Бірнеше үлкен зақымдар бүкіл суретті бұзады; сыйлықақы жасанды түрде көтеріледі.
- Инфляция үрдісін қолданбай, ескі залалды пайдалану. 2019 жылғы залал бүгінгі бағамен бірдей емес; трендті түзету қажет.
- Оңға қисайған деректерге қалыпты үлестірімді орнату. Теріс мән мен симметрия туралы болжам деректердің зақымдалуына қайшы келеді; Гамма/логнормалды деп ойлаңыз.
- Сәйкестік сынағы арқылы тарату таңдауын растамау. AI ұсынысы - бастама; Q-Q, K-S, AIC арқылы растаңыз.
Назар аударыңыз: Қақпақ (кесу) деңгейі ерікті түрде таңдалмайды. Тым төмен төбе үлкен зақымдану қаупін жасырады; төбенің тым жоғары болуы әрлеуді жарамсыз етеді. Портфельдің бұрынғы негізгі шығын тәжірибесіне және қайта сақтандыру шарттарына қарап таңдаңыз.
Қысқаша айтқанда
Жалпы залалды дәл бағалау тәсілі оны жиілікке (жиілікке) және ауырлыққа (мөлшерге) бөлу болып табылады. Жиілік Пуассон/теріс бином бойынша, интенсивтілік гамма/логнорма бойынша модельденеді; Тәуекел сыйлығы екеуін көбейту арқылы табылады. Шикі деректер шекті жоюды, қысқартуды және трендті түзетуді қажет етеді. AI таратуды талқылау - код пен түсініктеме берудің тамаша көмекшісі; бірақ бөлуді таңдау және шектеу туралы шешім жарамдылық сынақтарымен және актуарлық пайымдаулармен расталады.
Қолданбалы тапсырма
Анонимді залал туралы қорытындыны дайындаңыз (әсер ету, шағымдар саны, жалпы залал, 3-5 жоғары шағым). AI-дан (a) шикі жиілік-қауіптілік-тәуекел сыйлығын есептеуді, (b) үлкен шығындарды жабуды және түзетілген тәуекел сыйлығын есептеуді сұраңыз. Екі нәтижені қолмен тексеріп, тәуекелді шектеудің қандай пайыздық сыйақыны өзгертетінін ескеріңіз. Содан кейін AI-ға «зорлық-зомбылық үшін гамма немесе логнормаль» деген сұрақ қойыңыз және ол берген салыстыру шеңберін өз сөзіңізбен қорытындылаңыз.
бақылау парағы
- [ ] Мен жиілік пен қарқындылықты бөлек есептедім бе, әлде оларды бір бөлік ретінде қарастырдым ба?
- [ ] Мен үлкен/төтенше зақымдарды анықтадым және оны бөлек өңдедім бе?
- [ ] Мен инфляцияны/тенденцияны түзетуді ескі шағымдарға қолдандым ба?
- [ ] Мен интенсивтіліктің таралуын жарамдылық сынағы арқылы тексердім бе?
- [ ] Тәуекел сыйлығын (жиілік × ауырлық) дербес қайта есептедім бе?
- [ ] Мен AI ұсынған үлестіру мен шектеу деңгейіне күмән келтіріп, оны пайымдаумен растадым ба?