Ieguvumi:
- Spēja izskaidrot tādus aktuāros jēdzienus kā zaudējumu biežums, bojājuma smagums un prēmiju atbilstība ar mākslīgo intelektu un sagatavot analīzes projektu
- Spēja pārbaudīt cenu noteikšanas modeļa izvadi, datu kvalitāti un pieņēmumus attiecībā pret neatkarīgiem grāmatvedības un aktuāra principiem
- Spēja saprast, ka galīgie tarifu un tehniskā nodrošinājuma lēmumi ir kompetentu aktuāru atbildība un ka mākslīgais intelekts ir tikai atbalsta instruments
Apdrošināšanas cena nav nejaušība; Tas tiek aprēķināts matemātiski. Aktuārs (apdrošināšanas ekspertīzes joma, kas mēra risku ar varbūtību un statistiku un nosaka prēmiju, nodrošinājuma un seguma bilanci) atbild uz jautājumu "cik šis risks mums izmaksās vidēji un kā mēs varam to segt ar taisnīgu prēmiju?" Aktuārs (kompetentais eksperts, kas veic šo aprēķinu un ir juridiski atbildīgs) apkopo datus par bojājumiem, tendences un pieņēmumus un nosaka tarifu (cenu skalu) un tehniskās rezerves (nauda, kas rezervēta nākotnes prasībām). Mākslīgais intelekts (programmatūra, kas apgūst modeļus no datiem un ģenerē tekstu, aprakstus un kontūras) ir spēcīgs palīgs šajā smagajā analītiskajā darbā: skaidrojot jēdzienus, apkopojot datus, izstrādājot analīzi, ierosinot kodu un formulu. Bet aktuāra lēmums nes parakstu un atbildību; Mākslīgais intelekts nevar dot šo parakstu. Šajā nodaļā jūs uzzināsit, kā izskaidrot un analizēt aktuāra pamatjēdzienus ar mākslīgo intelektu un kā pārbaudīt rezultātus, salīdzinot ar neatkarīgiem aprēķiniem un aktuāra principiem.
Pamatjēdzieni: biežums, intensitāte un augstākā līmeņa atbilstība
Trīs jēdzieni veido cenu noteikšanas mugurkaulu:
- Pretenziju biežums: pretenziju skaits uz polisi (vai vienību) noteiktā periodā. Piemēram, ja 1000 automašīnu apdrošināšanas polisēs ir 45 atlīdzību pieteikumi gadā, biežums ir 0,045 (t.i., 4,5%).
- Bojājuma smagums: vidējā summa, kas samaksāta par vienu prasību. Ja par 45 zaudējumiem vienā portfelī kopā izmaksāti 3 150 000 TL, tad smagums ir 70 000 TL.
- Paredzamās bojājumu izmaksas (riska prēmija): biežums × smagums. Piemērā 0,045 × 70 000 = 3150 TL. Tās ir paredzamās tīrās zaudējumu izmaksas uz vienu polisi; Bruto prēmija veidojas, pieskaitot izdevumus, komisijas maksas un peļņas normu.
- Prēmijas atbilstība: vai iekasētā prēmija ir pietiekama, lai segtu paredzamos zaudējumus un izdevumus. Nepietiekams bonuss rada uzņēmumam zaudējumus; Pārmērīga piemaksa rada nekonkurētspējīgu un negodīgu cenu noteikšanu.
AI ir ļoti noderīgs, izskaidrojot šos jēdzienus, iegūstot biežuma/intensitātes kopsavilkumu no datu kopas un izklāstot analīzes darbības. Tomēr jums vienmēr ir jāpārrēķina skaitliskais rezultāts.
Padoms. Likt mākslīgajam intelektam izskaidrot aktuāra jēdzienu "ar skaitlisku piemēru, it kā izskaidrojot to 10. klases skolēnam", tas ir ļoti noderīgi gan komandas apmācībā, gan izskaidrojot to klientam. Bet pārbaudiet skaitli: pat modeļa reizināšana var kļūdīties.
Kur mākslīgais intelekts atrodas aktuārijā
Sarkanā līnija aktuārā ir skaidra: galīgais lēmums par tarifu, tehnisko nodrošinājumu un prēmiju pietiekamību ir kompetentā aktuāra pārziņā. AI palīdz veikt šādus uzdevumus: jēdziena precizēšana, datu kopsavilkums, izpētes analīzes izklāsts, formulas/koda ierosinājums, padarot iegūto tekstu lasāmu. Tai nevar būt galīgais vārds šādos jautājumos: tarifa apstiprināšana, nodrošinājuma atbilstības pasludināšana, pieņēmumu pieņemšana par galīgiem. Jo šie lēmumi tieši ietekmē gan uzņēmuma finansiālo stāvokli, gan klienta tiesības uz godīgu cenu un ir pakļauti likumdošanai (SDK – Apdrošināšanas un privāto pensiju regulējuma un uzraudzības aģentūras noteikumi).
Uzmanību: mākslīgā intelekta ieteiktais tarifs vai likme nekad netiks publicēta bez neatkarīgas datu kvalitātes un pieņēmumu pārbaudes. Nepareizs pieņēmums (piemēram, inflācijas ietekmes ignorēšana) var kaitēt visam portfelim.
Soli pa solim: mākslīgā intelekta atbalstītas aktuārās analīzes uzmetums
- Anonimizēt un identificēt datus. Nav personas datu; tikai apkopoti skaitļi. Norādiet periodu, portfeli un nodrošinājuma veidu.
- Noskaidrojiet jēdzienu un metodi. Lūdziet AI ieskicēt biežuma/intensitātes analīzes soļus.
- Jautājums par datu kvalitāti. Vai trūkst datu, novirzes, periodu neatbilstības, IBNR (par pretenzijām vēl nav ziņots) ir kāda ietekme?
- Skaidri uzrakstiet pieņēmumus. Uz kādiem pieņēmumiem balstās inflācija, tendence, attīstības faktori?
- Aprēķiniet rezultātu neatkarīgi. Reproducējiet biežumu, intensitāti un riska prēmiju, izmantojot savu izklājlapu.
- Pārbaudiet un apstipriniet ar aktuāra principu. Kompetents aktuārs novērtē un paraksta prēmiju atbilstību, godīgumu un likumdošanu.
trīs mini futrāļi
1. gadījums — nepareiza pieņēmuma uztveršana. Aktuāra palīgs no mākslīgā intelekta saņēma analīzes projektu automašīnu apdrošināšanas tarifam. Mākslīgais intelekts uzskatīja, ka pēdējo 3 gadu vidējā kaitējuma smaguma pakāpe ir 62 000 TL un aprēķināja riska prēmiju. Aktuārs saprata, ka vardarbība nav pielāgota inflācijai līdz pašreizējai vērtībai: ar pašreizējām transportlīdzekļa remonta izmaksām vardarbība faktiski bija ~ 89 000 USD. Šī korekcija palielināja riska prēmiju par 43%. Bez neatkarīgas kontroles tarifs būtu nopietni neadekvāts.
2. gadījums — izkropļojuma izkropļojums. Kopējais 500 zaudējumu vienā portfelī izrādījās 40 000 000 TL; bet 22 000 000 TL no tiem bija no viena liela ugunsgrēka postījuma. Mākslīgais intelekts apkopoja vidējo vardarbību kā 80 000 TL. Aktuārs novērtēja šo vienu lielo bojājumu atsevišķi (jo tas neatkārtojas katru gadu); Vidēji "normālie" zaudējumi bija ~36 000 TL. Ārējās vērtības atdalīšana padarīja tarifu reālu.
3. gadījums — Tiesiskuma pārbaude. Veselības apdrošināšanas cenu projektā mākslīgais intelekts piedāvāja ļoti lielus pieaugumus noteiktai vecuma grupai. Aktuārs konstatēja, ka ieteikums nāca tikai no neliela un trokšņaina parauga (mazs prasību skaits); Tas nebija statistiski ticams. Turklāt tas bija pretrunā tiesību aktos noteiktajam godīgas cenas noteikšanas principam. Aktuārs vispirms veica ticamības aprēķinu ar plašākiem datiem un pēc tam pieņēma lēmumu.
Četras kopējamas uzvednes
1) Koncepcijas skaidrojums (apmācībai/klientam):
Rīkojieties kā aktuāra instruktors. Soli pa solim izskaidrojiet jēdzienus "zaudējumu biežums", "bojājuma smagums" un "riska prēmija", izmantojot vienu secīgu skaitlisku piemēru (piemēram, 1000 polises, 45 prasības, 3 150 000 TL kopējais maksājums). Parādiet formulu un starprezultātu katrā solī. Izmantojiet vienkāršu un saprotamu valodu.
2) Analīzes uzmetuma skelets:
Tālāk ir aprakstītas apkopoto prasību datu (bez personas datiem) biežuma un smaguma analīzes soļi: [periods, polišu skaits, prasību skaits, kopējais maksājums]Katrā solī: norādiet, kas tiek aprēķināts, kādi pieņēmumi ir nepieciešami, kāds datu kvalitātes risks pastāv (trūkst datu, novirzes, IBNR, inflācija). Pārrēķināšu skaitlisko rezultātu; jūs iestatāt metodi.
3) Datu kvalitātes un pieņēmumu jautātājs:
Kritizējiet šādu analīzes projektu no vecākā aktuāra viedokļa: [ielīmēt melnrakstu] Jautājiet: vai vardarbība ir pielāgota inflācijai? Vai novirzes tika noņemtas? Vai paraugs ir uzticams? Vai IBNR tika ņemts vērā? Kāds ir pieņēmums par tendencēm? Sadaļā "RISKS" norādiet katru vājo vietu, norādot labošanas ieteikumu.
4) Rezultāta teksta vienkāršošana:
Pārvērtiet šo pārbaudīto analīzes rezultātu par vienkāršu kopsavilkumu pārvaldniekam, kurš nav aktuārs: [ielīmēt rezultātu]Nemainiet skaitļus, pievienojiet jaunus skaitļus. Skaidri norādiet neskaidrības un pieņēmumus. Pievienot piezīmi: "Galīgais lēmums par tarifu ir atkarīgs no kompetentā aktuāra apstiprinājuma."
Vāja uzvedne / spēcīga uzvedne
Vāji: "Aprēķiniet automašīnas apdrošināšanas prēmiju ar šiem datiem un uzrakstiet tarifu."
Problēma: pieprasīts tiešais tarifs (sarkanā zona); nav pieņēmumu, datu kvalitātes un apstiprināšanas. Modelis atbilst neuzticamam trokšņainu datu ātrumam.
Strong: "Izstrādājiet frekvenču intensitātes analīzes soļus; katrā posmā norādiet pieņēmumu un datu kvalitātes risku. Es aprēķināšu skaitlisko rezultātu. Nepieņemiet lēmumu par tarifu."
Kāpēc tas ir labi: AI nosaka metodi, aktuārs saglabā aprēķinus un lēmumu; pieņēmumi kļūst redzami.
salīdzināšanas diagramma
solis
AI loma
Aktuāra loma
Risks
Jēdziena skaidrojums
Paskaidro, piemēri
Apstiprina precizitāti
nepareizs piemērs
Datu kopsavilkums
agregāti
Pārbauda avotu
Ārpuses kropļojumi
Pieņēmumu saraksts
Iesaka
pieņemt/noraidīt
Trūkst/nepareizs pieņēmums
Riska prēmiju aprēķins
uzmetuma formula
Neatkarīgi konti
Konta kļūda
Tarifu/nodrošinājuma lēmums
—
Izlemj un parakstās
Nepietiekama piemaksa
Biežas kļūdas
- Mākslīgā intelekta skaita tieša iegūšana. Modelis var pat padarīt reizināšanu/saskaitīšanu neprecīzu; pārrēķināt katru rezultātu.
- Inflācijas un tendenču korekcijas izlaišana. Tarifu noteikšana, neieviešot pagātnes vardarbību tagadnē, sabojās portfeli.
- Ārējās vērtības sajaukšana ar vidējo. Viens liels kaitējums maldina visu tarifu; Novērtējiet atsevišķi.
- Paļaujoties uz nelielu paraugu ņemšanu. Attiecība no neliela skaita bojājumu nav uzticama; Nepieciešams kredītspējas aprēķins.
- Taisnīguma ignorēšana. Piedāvāt grupai negodīgu paaugstinājumu, pamatojoties uz statistikas troksni, ir pretrunā ar likumu.
Rezumējot
Aktuāra darbā mākslīgais intelekts izskaidro jēdzienus, apkopo datus, izklāsta analīzi un ierosina formulas; bet tas nelemj par tarifu, nodrošinājumu un prēmiju pietiekamību. Pareizi lietot biežuma, intensitātes un riska prēmijas jēdzienus; apšaubīt datu kvalitāti (ārējais rādītājs, IBNR, inflācija, izlases ticamība); aprēķināt katru skaitli neatkarīgi; Skaidri uzrakstiet pieņēmumus. Par galīgo lēmumu ir atbildīgs kompetentais aktuārs, un uz to attiecas SEDDK noteikumi.
Lietojumprogrammas uzdevums
Ģenerējiet biežuma un smaguma kopsavilkumu ar mākslīgo intelektu no jūsu rīcībā esošās bojājumu datu kopas (testēšanas nolūkos, apkopojot). Pēc tam veiciet to pašu aprēķinu pats izklājlapā. Ņemiet vērā atšķirību starp diviem rezultātiem; Ja ir atšķirība, atrodiet iemeslu (inflācija, izņēmums, nepareizs reizinājums). Kritizējiet savus pieņēmumus, izmantojot uzvedni Nr. 3, un identificējiet vismaz divus datu kvalitātes riskus.
kontrolsaraksts
- [ ] Es izmantoju tikai apkopotus, nepersoniskus datus.
- [ ] Pats pārrēķināju biežumu, intensitāti un riska prēmiju.
- [ ] Es piemēroju inflācijas/tendences korekciju.
- [ ] Izņēmumus novērtēju atsevišķi.
- [ ] Es apšaubīju izlases ticamību.
- [ ] Pieņēmumus uzrakstīju skaidri.
- [ ] Galīgo lēmumu par tarifu/nodrošinājumu atstāju kompetentā aktuāra ziņā.