Ieguvumi:
- Spēja izveidot deterministisko scenāriju, stohastisko simulāciju (Monte Carlo) un stresa testa koncepcijas ar mākslīgā intelekta atbalstu un interpretēt rezultātus riska valodā
- Spēja izstrādāt šoka scenārijus, piemēram, inflāciju, procentus, katastrofālus postījumus un pandēmiju, izmantojot mākslīgo intelektu, un novērtēt atbildību un kapitāla ietekmi
- Spēja atšķirt, ka mākslīgā intelekta radītie scenāriji ir balstīti uz vēsturiskiem datiem un ka aktuārais spriedums tiek izvirzīts priekšplānā astes riskiem un strukturāliem pārtraukumiem.
Aktuārisms ir nākotnes prognozēšanas profesija; Taču nākotne nav viens skaitlis, tas ir iespēju spektrs. Nepietiek pateikt "Mūsu paredzamie zaudējumi ir 50 miljoni"; Patiesais jautājums ir: "Ja nāk slikts gads, cik miljonus tas maksās, vai uzņēmums var tikt galā?" Rīki, kas atbild uz šo jautājumu, ir scenāriju analīze un stresa testēšana. Iepriekšēja zemestrīces, augstas inflācijas, procentu likmju šoka vai pandēmijas ietekmes uz uzņēmuma saistībām un kapitāla noteikšana ir pamatprasība gan iekšējā riska pārvaldībā, gan tiesību aktos, piemēram, Maksātspēja II. Šajā nodaļā mēs apskatīsim deterministisko scenāriju, stohastisko simulāciju (Montekarlo) un stresa testēšanu, kā arī redzēsim, kā šajās analīzēs izmantot AI.
Atgādināsim no sākuma: scenāriji ir balstīti uz vēsturiskiem datiem un pieņēmumiem. AI izstrādā scenārijus, raksta simulācijas kodu un interpretē rezultātus; Taču to, kuri satricinājumi ir reāli, kā tikt galā ar risku un kā iekļaut strukturālus pārtraukumus (pagātnes notikumus, kas nekad nav notikuši), ir jālemj aktuāra ziņā.
Deterministiskais scenārijs, stohastiskā simulācija un stresa testēšana
Ir svarīgi atšķirt trīs jēdzienus. Deterministiskais scenārijs ir izvēlēties vienu pieņēmumu kopu un aprēķināt iznākumu: "Kādas būtu mūsu prasību izmaksas, ja inflācija būtu 40 procenti?" Vienkārši, skaidri un viegli komunicējami; Bet tas parāda tikai vienu ceļu, nevis iespēju. Stohastiskā simulācija (Monte Carlo) iegūst iznākuma varbūtības sadalījumu, atkārtoti ģenerējot tūkstošiem nejaušu scenāriju. Tādējādi tiek iegūta tāda astes informācija kā "50 vidēji, bet 78 miljoni 99,5 procentu līmenī". Stresa tests ir īpašs scenārija veids, kas mēra noteiktu smagu, bet ticamu notikumu (zemestrīces, tirgus sabrukuma) ietekmi; parasti nosaka regulators.
Montekarlo ir viens no spēcīgākajiem aktuāra instrumentiem. Loģika ir šāda: jūs iegūstat nejaušas vērtības no frekvences un intensitātes sadalījumiem un aprēķina kopējo bojājumu; jūs to atkārtojat 10 000 reižu; Jūsu rokā uzkrāj 10 000 iespējamo kopējo bojājumu. No šīs uzkrāšanās varat nolasīt vidējo, procentiles, piemēram, 75 procentus, 99,5 procentus un sliktāko scenāriju. Tieši šādi tiek atrasts 99,5 procentu līmenis, ko pieprasa Maksātspēja II (slikts gads, kas notiks reizi 200 gados). AI ātri izveido kodu šai simulācijai.
Šajā tabulā ir salīdzinātas trīs pieejas:
Pieeja
ko dod
stiprā puse
ierobežojums
Deterministisks scenārijs
viens rezultāts
Vienkārši, viegli sazināties
Nedod iespējamību
Montekarlo
Varbūtību sadalījums
Norāda astes risku
Atkarīgs no pieņēmumiem un datiem
stresa tests
Rezultāts šokā
Pārbauda izturību
Šoka atlase ir tiesa
Astes risks: vissvarīgākā un bīstamākā zona
Aktuārajā teorijā reālās briesmas slēpjas nevis vidējā, bet gan astē (izplatījuma galējā, zemas varbūtības, bet lielas ietekmes apgabalā). Tas, kas nogremdē uzņēmumus, ir nevis vidusmēra gads, bet gan rets, bet postošs notikums: liela zemestrīce, daudz lielu postījumu, kas nāk tajā pašā laikā, pēkšņs procentu likmju šoks. Lai izmērītu šo reģionu, tiek izmantota VaR (Value at Risk — maksimālais zaudējums noteiktā ticamības līmenī) un TVaR/CTE (vidējie zaudējumi aiz astes). Montekarlo ir dabisks veids, kā aprēķināt šos mērījumus.
Bet astē ir vēl viens apdraudējums: vēsturiskie dati labi neatspoguļo asti. Reti notikumi pēc definīcijas ir bijuši reti pagātnē; tāpēc modelei ir tendence tos novērtēt par zemu. AI viegli iekļaujas sadalījumā, kura pamatā ir vēsturiskie dati, taču tas spontāni neņem vērā jautājumu: "Ko darīt, ja ir pandēmija vai 100 gadus ilga zemestrīce, ko šis portfelis nekad nav pieredzējis?" Aktuāra uzdevums ir modelī iekļaut strukturālus pārtraukumus, korelācijas pieaugumu (krīzes laikā viss pasliktinās) un tādas tendences kā klimata pārmaiņas.
Uzmanību! Teikums “Mūsu modelis apstrādā 99,9 procentus scenārijus” ir iepriecinošs, taču atcerieties, ka modelis mācās no datiem, kuru aste ir pagātnē. Notikums, kas nekad nav noticis, ir pat labākās modeles aklā zona. Šeit spēlē ekspertu spriedums.
Kā izmantot AI scenāriju un stresa testēšanā
1) Montekarlo simulācijas kods:
Uzrakstiet salikto bojājumu Montekarlo simulāciju ar Python (ar komentāriem). Pieņēmumi (es dodu): bojājumu skaits ~ Puasons(lambda=1600), bojājumu apjoms ~ Gamma(forma=k, skala=teta) [es došu k un teta].1) 10 000 reizes: izlozē daudzumu, izvelk šo summu, saskaiti.2) Kopējo bojājumu vidējais, 75%, 99%, aprēķiniet 9 procentus. VaR(99.5%) un TVaR(99.5%).FITTING parametri; Es to iedošu. Bibliotēka: numpy.
2) Deterministiskā stresa scenārijs:
Jūsu loma: riska palīgs. Mani pamata paredzamie zaudējumi ir 50 miljoni TL. Izveidojiet šādus 3 deterministiskos scenārijus: A) Inflācijas šoks: smagums +30%. B) Frekvences šoks: bojājumu skaits +15%. C) abi kopā. Aprēķiniet jaunos paredzamos bojājumus katrā scenārijā, parādiet procentuālo ietekmi, pamatojoties uz bāzi, un komentējiet, kurš no tiem ir viskritiskākais. Vienkārši izmantojiet bāzes numuru, ko es jums devu.
3) Scenāriju izstrādes konsultācijas:
Es izstrādāju stresa testa scenārijus veselības apdrošināšanas portfelim. - Ierosināt “smaga, bet ticama” scenārija projektu katram pandēmijai, augstajai inflācijai, jaunai dārgai ārstēšanas tehnoloģijai un regulējuma izmaiņām. - Norādiet, vai katrs scenārijs ietekmē biežumu, smagumu vai abus. - Norādiet riskus, ko nevar aptvert ar vēsturiskiem datiem. Es pieņemšu lēmumu; Jūs sniedzat ietvaru un pamatojumu.
4) Rezultāta pārvēršana vadībā:
Mans Monte Carlo rezultāts: paredzamie bojājumi 50M, VaR(99.5%) 78M, TVaR(99.5%) 89M. Izskaidrojiet to direktoru padomei 5 teikumos:- Ko vienkāršā valodā nozīmē 99,5% un TVaR.- Kāpēc "plānošana pēc vidējā līmeņa" ir neadekvāta?- Kādu skaitli viņiem vajadzētu aplūkot kapitāla izteiksmē?
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Veiciet stresa testu manam portfelim.
Nav bāzes vērtības, nav šoka definīcijas, nav sadalījuma. AI rada vispārīgu tekstu, nevis reālu skaitu.
Spēcīga uzvedne:
Jūsu loma: aktuārā riska asistents. Pamatpieņēmumi (anonīmi): paredzamais biežums 0,12, vidējā smaguma pakāpe 30 000 TL, iedarbība 20 000 politikas gadu. Tehniskie procenti ir 4%.Uzdevums:1) Aprēķiniet bāzes paredzamos kopējos zaudējumus.2) Pielietojiet šādus spriegumus un parādiet katra no tiem procentuālo ietekmi: - Inflācija: smagums +25% - Slikta ziema: biežums +10% - Procentu likmju samazinājums: 4% -> 3% (ietekme uz saistību pašreizējo vērtību)3) Komentējiet 2 viskritiskākos scenārijus, kādēļ jūs riskējat. Carlo4) izmantojiet manis dotos skaitļus; Ja trūkst, jautājiet.
trīs mini futrāļi
1. gadījums — vidējā krāpniecība. Uzņēmums bija plānojis savu kapitālu, pamatojoties uz paredzamajiem zaudējumiem (50 miljoni). Kad Montekarlo bija pabeigts, bija redzams, ka 99,5 procentu līmenis ir 82 miljoni: sliktā gadā bija papildu vajadzība 32 miljonu apmērā, un uzņēmums to nespēs apmierināt. Kapitāla plāns ir pārskatīts. AI sekunžu laikā veica 10 000 scenāriju simulāciju; Aktuārs novērtēja interpretāciju un izplatīšanu.
2. gadījums — korelācijas aklums. Zemestrīces un uzņēmējdarbības pārtraukumu segums atsevišķi šķita zems portfelī. Bet zemestrīce izraisa abus vienlaikus; Modelis, kurā tika pieņemta neatkarība, uz pusi zemu novērtēja astes risku. Kad aktuārs scenārijam pievienoja korelāciju, reālā kapitāla nepieciešamība ievērojami palielinājās. Mācība: krīzes apstākļos riski nav neatkarīgi; Apšaubiet AI pieņemto neatkarības pieņemšanu.
3. gadījums — notikums, kas nenotika. Veselības aprūpes portfelis izskatījās ļoti "stingrs", pamatojoties uz pēdējo 10 gadu datiem. Kad pienāca pandēmija, gan biežums, gan smagums pieauga vienlaikus; Modelis to nekad neparedzēja, jo datos nebija nekā līdzīga. Nākamajā periodā tika pievienots deterministiskais pandēmijas scenārijs. AI izstrādāja skripta projektu; Aktuārs noteica šoka apmēru. Nodarbība: vēsturisko datu rinda nav pabeigta.
Biežas kļūdas
- Plānošana ap vidējo. Tā ir aste, nevis vidējais, kas gremdē uzņēmumu; Apskatiet ekstrēmus rādītājus, piemēram, VaR/TVaR.
- Pieņemot, ka riski ir neatkarīgi. Krīzes laikā korelācijas palielinās; Neatkarības pieņemšana padara astes vieglumu.
- Pilnīga pārliecība par vēsturiskajiem datiem. Datos nav iekļauti reti un strukturāli notikumi; Pievienojiet scenāriju ar eksperta vērtējumu.
- Deterministiskā un stohastiskā sajaukšana. Viens scenārijs neparedz varbūtību; Varbūtība prasa Montekarlo.
- Simulācijas rezultāta uzrādīšana bez pārbaudes. Pārbaudīt procentus un VaR neatkarīgi; Parametra kļūda izkropļo visu sadalījumu.
Padoms. Pirms Montekarlo rezultātu uzrādīšanas veiciet vienkāršu konsekvences pārbaudi: vai simulācijas vidējā vērtība ir tuvu paredzamajai vērtībai (biežums × intensitāte × ekspozīcija), ko aprēķinājāt ar roku? Ja nē, ir parametra vai koda kļūda.
Rezumējot
Nākotne nav viens skaitlis, bet gan iespēju spektrs. Deterministiskie scenāriji parāda vienu "kā būtu, ja" ceļu, Montekarlo parāda visu sadalījumu un astes risku, stresa testi parāda smagu notikumu ietekmi. Reālās briesmas ir astē, nevis vidēji, un vēsturiskie dati labi neatspoguļo asti; Palielināta korelācija un nenotikuši notikumi prasa aktuāra spriedumu. AI izstrādā scenāriju, kodē simulāciju un interpretē rezultātu; bet šoka atlase, korelācijas pieņēmums, astes spriedums un galīgais riska lēmums ir aktuāra ziņā. Vienmēr pārbaudiet rezultātus, veicot vienkāršu konsekvences pārbaudi.
Lietojumprogrammas uzdevums
Iestatiet anonīmus bāzes pieņēmumus (biežums, intensitāte, ekspozīcija, interese). Lūdziet AI (a) pamatot paredzamo kaitējumu, (b) 3 deterministiskos scenārijus, tostarp inflāciju, biežumu un procentu likmju šokus, (c) aprēķināt VaR un TVaR (99,5%), izmantojot Montekarlo simulāciju. Pārbaudiet, vai simulācijas vidējais rādītājs ir tuvu sagaidāmajai vērtībai, ko aprēķinājāt manuāli. Pēc tam apspriediet ar AI, kā, pieņemot, ka abi nodrošinājumi ir atkarīgi (korelēti), tas mainītu asti.
kontrolsaraksts
- [ ] Vai esmu arī skatījies uz astes rādītājiem (VaR, TVaR), nevis vidējo?
- [ ] Vai esmu ņēmis vērā risku korelāciju krīzes laikā?
- [ ] Vai esmu pievienojis strukturālus/retus scenārijus, kas nav atrodami vēsturiskajos datos ar eksperta vērtējumu?
- [ ] Vai esmu apzināti nodalījis deterministisko un stohastisko pieeju?
- [ ] Vai esmu manuāli pārbaudījis Montekarlo vidējo atbilstību paredzamajai vērtībai?
- [ ] Vai esmu uzrakstījis scenāriju izvēles pamatojumu un šoka lielumu?