Pelnas:
- Gebėjimas paaiškinti aktuarines sąvokas, tokias kaip nuostolių dažnis, žalos sunkumas ir priemokos tinkamumas dirbtiniu intelektu, ir parengti analizės projektą
- Gebėjimas patikrinti kainodaros modelio išvestį, duomenų kokybę ir prielaidas pagal nepriklausomus apskaitos ir aktuarinius principus
- Gebėjimas suprasti, kad už galutinius tarifų ir techninio aprūpinimo sprendimus atsako kompetentingi aktuarai ir kad dirbtinis intelektas yra tik pagalbinė priemonė
Draudimo kaina nėra atsitiktinumas; Jis apskaičiuojamas matematiškai. Aktuarijus (draudimo kompetencijos sritis, kuri įvertina riziką su tikimybe ir statistika bei nustato įmokų, atidėjinių ir padengimo balansą) atsako į klausimą „kiek ši rizika mums kainuos vidutiniškai ir kaip galime ją padengti teisinga įmoka? Aktuarijus (kompetentingas ekspertas, kuris atlieka šį skaičiavimą ir yra teisiškai atsakingas) sujungia duomenis apie žalą, tendencijas ir prielaidas bei nustato tarifą (kainų skalę) ir techninius atidėjimus (pinigai, skirti būsimoms pretenzijoms). Dirbtinis intelektas (programinė įranga, kuri mokosi modelių iš duomenų ir generuoja tekstą, aprašymus bei kontūrus) yra galingas pagalbininkas šiame sunkiame analitiniame darbe: aiškinant sąvokas, apibendrinant duomenis, rengiant analizę, siūlant kodą ir formulę. Tačiau aktuarinis sprendimas turi parašą ir atsakomybę; Dirbtinis intelektas negali padaryti šio parašo. Šiame skyriuje sužinosite, kaip paaiškinti ir analizuoti pagrindines aktuarines sąvokas naudojant dirbtinį intelektą ir kaip patikrinti rezultatus pagal nepriklausomus skaičiavimus ir aktuarinius principus.
Pagrindinės sąvokos: dažnis, intensyvumas ir aukščiausios kokybės adekvatumas
Kainodaros pagrindas yra trys sąvokos:
- Pretenzijų dažnumas: pretenzijų skaičius vienam polisui (arba vienetui) per tam tikrą laikotarpį. Pavyzdžiui, jei 1000 automobilių draudimo polisų yra 45 žalos per metus, dažnis yra 0,045 (t. y. 4,5 proc.).
- Žalos sunkumas: vidutinė suma, sumokėta už ieškinį. Jei tame pačiame portfelyje už 45 žalą iš viso buvo išmokėta 3 150 000 Lt, tai sunkumas yra 70 000 Lt.
- Numatoma žalos kaina (rizikos priemoka): dažnis × sunkumas. Pavyzdyje 0,045 × 70 000 = 3 150 TL. Tai yra tikėtinos grynųjų nuostolių išlaidos už polisą; Bendroji premija susidaro, kai pridedamos išlaidos, komisiniai ir pelno marža.
- Įmokos adekvatumas: ar surinktos įmokos pakanka numatomai žalai ir išlaidoms padengti. Nepakankamas priedas atneša įmonei nuostolių; Per didelė priemoka sukuria nekonkurencingas ir nesąžiningas kainas.
Dirbtinis intelektas yra labai naudingas paaiškinant šias sąvokas, iš duomenų rinkinio ištraukiant dažnio / intensyvumo santrauką ir apibūdinant analizės veiksmus. Tačiau visada turite perskaičiuoti skaitinį rezultatą.
Patarimas: jei dirbtinis intelektas paaiškins aktuarinę sąvoką „skaitiniu pavyzdžiu, tarsi paaiškindamas 10 klasės mokiniui“, tai labai naudinga tiek komandos mokymuose, tiek aiškinant klientui. Tačiau patikrinkite skaičių: net modelio dauginimas gali būti klaidingas.
Kur dirbtinis intelektas yra aktuare
Raudona aktuaro linija yra aiški: už galutinį tarifo, techninio atidėjinio ir įmokos adekvatumo sprendimą atsako kompetentingas aktuarijus. AI padeda atlikti šias užduotis: sąvokos paaiškinimas, duomenų santrauka, tiriamosios analizės metmenys, formulės / kodo pasiūlymas, kad gautas tekstas būtų skaitomas. Ji negali tarti galutinio žodžio šiais klausimais: patvirtinti tarifą, deklaruoti atidėjinių pakankamumą, priimti prielaidas galutinėmis. Kadangi šie sprendimai tiesiogiai veikia tiek įmonės finansinę būklę, tiek kliento teisę į sąžiningą kainą ir yra reglamentuojami teisės aktų (SDK – Draudimo ir privačių pensijų reglamentavimo ir Priežiūros agentūros nuostatai).
Dėmesio: dirbtinio intelekto pasiūlytas tarifas arba tarifas niekada nebus paskelbtas be nepriklausomo duomenų kokybės ir prielaidų patikrinimo. Klaidinga prielaida (pvz., infliacijos poveikio ignoravimas) gali pakenkti visam portfeliui.
Žingsnis po žingsnio: AI palaikomos aktuarinės analizės projektas
- Anonimizuoti ir identifikuoti duomenis. Nėra asmens duomenų; tik suvestiniai skaičiai. Nurodykite laikotarpį, portfelį ir užstato tipą.
- Paaiškinkite sąvoką ir metodą. Paprašykite AI apibūdinti dažnio / intensyvumo analizės žingsnius.
- Klauskite duomenų kokybės. Ar yra kokių nors trūkstamų duomenų, nukrypimų, laikotarpių neatitikimų, IBNR (dar nepranešta apie pretenzijas) padarinių?
- Aiškiai parašykite prielaidas. Kokiomis prielaidomis grindžiama infliacija, tendencija, vystymosi veiksniai?
- Apskaičiuokite rezultatą savarankiškai. Atkurkite dažnumą, intensyvumą ir rizikos premiją naudodami savo skaičiuoklę.
- Patikrinkite ir patvirtinkite aktuariniu principu. Kompetentingas aktuaras įvertina ir pasirašo įmokų tinkamumo, sąžiningumo ir teisės aktų požiūriu.
trys mini dėklai
1 atvejis – klaidingos prielaidos gaudymas. Aktuaro padėjėjas gavo dirbtinio intelekto analizės projektą dėl automobilio draudimo tarifo. Dirbtinis intelektas įvertino vidutinį pastarųjų 3 metų žalos dydį 62 000 Lt ir apskaičiavo rizikos premiją. Aktuaras suprato, kad smurtas nebuvo pakoreguotas atsižvelgiant į infliaciją iki dabartinės vertės: atsižvelgiant į dabartines transporto priemonių remonto išlaidas, smurtas iš tikrųjų buvo ~ 89 000 USD. Ši korekcija padidino rizikos premiją 43%. Be nepriklausomos kontrolės tarifas būtų labai netinkamas.
2 atvejis. Iškraipymas. Iš viso 500 nuostolių viename portfelyje pasirodė 40 000 000 Lt; tačiau 22 000 000 Lt iš to buvo dėl vieno didelio gaisro žalos. Dirbtinis intelektas apibendrino vidutinį smurtą kaip 80 000 TL. Aktuaras šią vienintelę didelę žalą įvertino atskirai (nes ji kartojasi ne kiekvienais metais); Vidutinė „normali“ žala buvo ~36 000 TL. Atskyrus nuokrypį, tarifas tapo realus.
3 atvejis. Teisingumo patikrinimas. Sveikatos draudimo kainodaros projekte dirbtinis intelektas tam tikrai amžiaus grupei pasiūlė labai didelius priedus. Aktuaras nustatė, kad rekomendacija buvo pateikta tik iš nedidelės ir triukšmingos imties (mažas pretenzijų skaičius); Tai nebuvo statistiškai patikima. Be to, tai prieštarauja teisės aktų reikalaujamam sąžiningos kainodaros principui. Aktuarijus pirmiausia atliko patikimumo skaičiavimą, naudodamas išsamesnius duomenis, o tada priėmė sprendimą.
Keturi nukopijuoti raginimai
1) Sąvokos paaiškinimas (mokymui / klientui):
Elkitės kaip aktuarinis instruktorius. Žingsnis po žingsnio paaiškinkite „nuostolių dažnumo“, „žalos sunkumo“ ir „rizikos priemokos“ sąvokas vienu nuosekliu skaitiniu pavyzdžiu (pvz., 1 000 polisų, 45 pretenzijos, 3 150 000 TL bendra išmoka). Kiekviename žingsnyje parodykite formulę ir tarpinį rezultatą. Naudokite paprastą ir suprantamą kalbą.
2) Analizės juodraščio skeletas:
Toliau aprašomi apibendrintų žalų duomenų (be asmens duomenų) dažnumo ir sunkumo analizės žingsniai: [laikotarpis, polisų skaičius, pretenzijų skaičius, bendras mokėjimas]Kiekviename etape: nurodykite, kas skaičiuojama, kokios prielaidos reikalingos, kokia duomenų kokybės rizika (trūksta duomenų, nuokrypiai, IBNR, infliacija). Perskaičiuosiu skaitinį rezultatą; nustatote metodą.
3) Duomenų kokybės ir prielaidų klausintojas:
Kritikuokite šį analizės projektą vyresniojo aktuaro požiūriu: [įklijuoti juodraštį]Klauskite: ar smurtas buvo pritaikytas infliacijai? Ar pašaliniai buvo pašalinti? Ar pavyzdys patikimas? Ar buvo atsižvelgta į IBNR? Kokia yra tendencijos prielaida? Skiltyje „RIZIKA“ nurodykite kiekvieną silpnumą su pasiūlymu dėl pataisymo.
4) Supaprastinkite rezultato tekstą:
Konvertuokite šį patikrintą analizės rezultatą į paprastą vadovo, kuris nėra aktuarijus, santrauką: [įklijuoti rezultatą]Nekeiskite skaičių, pridėkite naujų skaičių. Aiškiai nurodykite neapibrėžtumus ir prielaidas. Pridėti pastabą: "Galutinį sprendimą dėl tarifo turi patvirtinti kompetentingas aktuaras."
Silpnas raginimas / Stiprus raginimas
Silpnas: „Paskaičiuok automobilio draudimo įmoką šiais duomenimis ir parašyk tarifą“.
Problema: prašoma tiesioginio tarifo (raudonoji zona); jokių prielaidų, duomenų kokybės ir patvirtinimo. Modelis atitinka nepatikimą greitį iš triukšmingų duomenų.
Stiprus: "Surašykite dažnio intensyvumo analizės žingsnius; kiekviename žingsnyje nurodykite prielaidą ir duomenų kokybės riziką. Paskaičiuosiu skaitinį rezultatą. Nepriimkite tarifo sprendimo."
Kodėl tai gerai: AI nustato metodą, aktuarijus laikosi skaičiavimų ir sprendimų; prielaidos tampa matomos.
palyginimo diagrama
žingsnis
AI vaidmuo
Aktuaro vaidmuo
Rizika
Sąvokos paaiškinimas
Paaiškina, pavyzdžiai
Patvirtina tikslumą
neteisingas pavyzdys
Duomenų suvestinė
agregatų
Tikrina šaltinį
Išskirtinis iškraipymas
Prielaidų sąrašas
Rekomenduoja
priimti/atmesti
Trūksta/neteisinga prielaida
Rizikos premijos skaičiavimas
juodraščio formulė
Nepriklausomos sąskaitos
Paskyros klaida
Tarifų/teikimo sprendimas
—
Nusprendžia ir pasirašo
Nepakankama priemoka
Dažnos klaidos
- Tiesioginis dirbtinio intelekto skaičiaus gavimas. Modelis netgi gali padaryti daugybos / sudėjimo netikslumą; perskaičiuoti kiekvieną rezultatą.
- Infliacijos ir tendencijų korekcijos praleidimas. Tarifų nustatymas neįtraukiant praeities smurto į dabartį pakenks portfeliui.
- Išskirtinio sumaišymo su vidurkiu. Viena didelė žala suklaidina visą tarifą; Įvertinkite atskirai.
- Remiamasi maža atranka. Nedidelio žalos skaičiaus santykis yra nepatikimas; Būtinas kreditingumo skaičiavimas.
- Teisingumo nepaisymas. Siūlyti nesąžiningą atlyginimą grupei remiantis statistiniu triukšmu prieštarauja įstatymams.
Apibendrinant
Aktuariniame darbe dirbtinis intelektas aiškina sąvokas, apibendrina duomenis, apibrėžia analizę ir siūlo formules; tačiau ji nesprendžia dėl tarifo, atidėjinių ir įmokų adekvatumo. Teisingai vartoti dažnumo, intensyvumo ir rizikos premijos sąvokas; abejoti duomenų kokybe (išskirtinis rodiklis, IBNR, infliacija, imties patikimumas); apskaičiuokite kiekvieną skaičių atskirai; Aiškiai parašykite prielaidas. Už galutinį sprendimą atsako kompetentingas aktuaras ir jam taikomos SEDDK taisyklės.
Taikymo užduotis
Sukurkite dažnumo ir sunkumo suvestinę naudodami dirbtinį intelektą iš turimo žalos duomenų rinkinio (bandymo tikslais, apibendrinta). Tada atlikite tą patį skaičiavimą patys skaičiuoklėje. Atkreipkite dėmesį į skirtumą tarp dviejų rezultatų; Jei yra skirtumas, suraskite priežastį (infliacija, išskirtinis rodiklis, neteisingas dauginimas). Kritikuokite savo prielaidas naudodami 3 raginimą ir nustatykite bent du duomenų kokybės pavojus.
kontrolinis sąrašas
- [ ] Naudojau tik apibendrintus, ne asmens duomenis.
- [ ] Dažnumą, intensyvumą ir rizikos premiją perskaičiavau pats.
- [ ] Pritaikiau infliacijos/tendencijų korekciją.
- [ ] Nukrypimus įvertinau atskirai.
- [ ] Suabejojau imties patikimumu.
- [ ] Aiškiai parašiau prielaidas.
- [ ] Galutinį sprendimą dėl tarifo/teikimo palikau kompetentingam aktuuarui patvirtinti.