വിലനിർണ്ണയത്തിലും ആക്ച്വറിയൽ അനാലിസിസ് പിന്തുണയിലും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് നഷ്ടത്തിൻ്റെ ആവൃത്തി, കേടുപാടുകളുടെ തീവ്രത, പ്രീമിയം പര്യാപ്തത തുടങ്ങിയ ആക്ച്വറിയൽ ആശയങ്ങൾ വിശദീകരിക്കാനും ഒരു വിശകലന ഡ്രാഫ്റ്റ് തയ്യാറാക്കാനുമുള്ള കഴിവ്
• വിലനിർണ്ണയ മോഡൽ ഔട്ട്‌പുട്ട്, ഡാറ്റയുടെ ഗുണനിലവാരം, സ്വതന്ത്ര അക്കൗണ്ടിംഗ്, ആക്ച്വറിയൽ തത്വങ്ങൾ എന്നിവയ്‌ക്കെതിരായ അനുമാനങ്ങൾ എന്നിവ പരിശോധിക്കാനുള്ള കഴിവ്
• അന്തിമ താരിഫ്, സാങ്കേതിക വ്യവസ്ഥ തീരുമാനങ്ങൾ കഴിവുള്ള ആക്ച്വറികളുടെ ഉത്തരവാദിത്തമാണെന്നും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഒരു പിന്തുണാ ഉപകരണം മാത്രമാണെന്നും മനസ്സിലാക്കാനുള്ള കഴിവ്

ഇൻഷുറൻസ് വില യാദൃശ്ചികമല്ല; ഇത് ഗണിതശാസ്ത്രപരമായി കണക്കാക്കുന്നു. ആക്ച്വറി (സാധ്യതയും സ്ഥിതിവിവരക്കണക്കുകളും ഉപയോഗിച്ച് അപകടസാധ്യത അളക്കുകയും പ്രീമിയം, പ്രൊവിഷൻ, കവറേജ് എന്നിവയുടെ ബാലൻസ് സ്ഥാപിക്കുകയും ചെയ്യുന്ന ഇൻഷുറൻസിലെ വൈദഗ്ധ്യത്തിൻ്റെ മേഖല) "ഈ അപകടസാധ്യത ശരാശരി നമുക്ക് എന്ത് ചിലവാകും, ന്യായമായ പ്രീമിയം ഉപയോഗിച്ച് ഞങ്ങൾക്ക് ഇത് എങ്ങനെ പരിരക്ഷിക്കാം?" എന്ന ചോദ്യത്തിന് ഉത്തരം നൽകുന്നു. ആക്ച്വറി (ഈ കണക്കുകൂട്ടൽ നടത്തുന്നതും നിയമപരമായി ഉത്തരവാദിത്തമുള്ളതുമായ സമർത്ഥനായ വിദഗ്ദ്ധൻ) നാശനഷ്ടങ്ങളുടെ ഡാറ്റ, ട്രെൻഡുകൾ, അനുമാനങ്ങൾ എന്നിവ ഒരുമിച്ച് കൊണ്ടുവരുകയും താരിഫ് (വില സ്കെയിൽ), സാങ്കേതിക വ്യവസ്ഥകൾ (ഭാവി ക്ലെയിമുകൾക്കായി നീക്കിവച്ച പണം) എന്നിവ നിർണ്ണയിക്കുകയും ചെയ്യുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (ഡാറ്റയിൽ നിന്ന് പാറ്റേണുകൾ പഠിക്കുകയും ടെക്‌സ്‌റ്റ്, വിവരണങ്ങൾ, ഔട്ട്‌ലൈനുകൾ എന്നിവ സൃഷ്ടിക്കുകയും ചെയ്യുന്ന സോഫ്റ്റ്‌വെയർ) ഈ കനത്ത വിശകലന പ്രവർത്തനത്തിൽ ശക്തമായ ഒരു സഹായിയാണ്: ആശയങ്ങൾ വിശദീകരിക്കുക, ഡാറ്റ സംഗ്രഹിക്കുക, വിശകലനം തയ്യാറാക്കുക, കോഡും ഫോർമുലയും നിർദ്ദേശിക്കുക. എന്നാൽ ആക്ച്വറിയൽ തീരുമാനത്തിന് ഒരു ഒപ്പും ഉത്തരവാദിത്തവും ഉണ്ട്; കൃത്രിമ ബുദ്ധിക്ക് ഈ ഒപ്പ് ഉണ്ടാക്കാൻ കഴിയില്ല. ഈ യൂണിറ്റിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് അടിസ്ഥാന ആക്ച്വറിയൽ ആശയങ്ങൾ എങ്ങനെ വിശദീകരിക്കാമെന്നും വിശകലനം ചെയ്യാമെന്നും സ്വതന്ത്ര കണക്കുകൂട്ടലുകൾക്കും ആക്ച്വറിയൽ തത്വങ്ങൾക്കും എതിരായി ഔട്ട്പുട്ട് എങ്ങനെ പരിശോധിക്കാമെന്നും നിങ്ങൾ പഠിക്കും.

അടിസ്ഥാന ആശയങ്ങൾ: ഫ്രീക്വൻസി, തീവ്രത, പ്രീമിയം പര്യാപ്തത

മൂന്ന് ആശയങ്ങൾ വിലനിർണ്ണയത്തിൻ്റെ നട്ടെല്ലാണ്:

• ക്ലെയിം ആവൃത്തി: ഒരു നിശ്ചിത കാലയളവിൽ ഓരോ പോളിസിക്കും (അല്ലെങ്കിൽ യൂണിറ്റ്) ക്ലെയിമുകളുടെ എണ്ണം. ഉദാഹരണത്തിന്, 1,000 കാർ ഇൻഷുറൻസ് പോളിസികളിൽ പ്രതിവർഷം 45 ക്ലെയിമുകൾ ഉണ്ടെങ്കിൽ, ആവൃത്തി 0.045 ആണ് (അതായത് 4.5%).
• നാശനഷ്ടത്തിൻ്റെ തീവ്രത: ഓരോ ക്ലെയിമിനും നൽകിയ ശരാശരി തുക. ഒരേ പോർട്ട്‌ഫോളിയോയിൽ 45 നാശനഷ്ടങ്ങൾക്ക് മൊത്തം 3,150,000 TL നൽകിയിട്ടുണ്ടെങ്കിൽ, തീവ്രത 70,000 TL ആണ്.
• പ്രതീക്ഷിക്കുന്ന നാശനഷ്ടത്തിൻ്റെ വില (റിസ്ക് പ്രീമിയം): ഫ്രീക്വൻസി × തീവ്രത. ഉദാഹരണത്തിൽ, 0.045 × 70,000 = 3,150 TL. ഓരോ പോളിസിയിലും പ്രതീക്ഷിക്കുന്ന ശുദ്ധമായ നഷ്ടച്ചെലവാണിത്; ചെലവുകൾ, കമ്മീഷനുകൾ, ലാഭ മാർജിൻ എന്നിവ കൂട്ടിച്ചേർക്കുമ്പോഴാണ് മൊത്ത പ്രീമിയം രൂപപ്പെടുന്നത്.
• പ്രീമിയം പര്യാപ്തത: പ്രതീക്ഷിക്കുന്ന നാശനഷ്ടങ്ങളും ചെലവുകളും നികത്താൻ ശേഖരിച്ച പ്രീമിയം പര്യാപ്തമാണോ എന്ന്. അപര്യാപ്തമായ ബോണസ് കമ്പനിയെ നഷ്ടത്തിലേക്ക് നയിക്കുന്നു; അമിതമായ പ്രീമിയം മത്സരപരവും അന്യായവുമായ വിലനിർണ്ണയം സൃഷ്ടിക്കുന്നു.

ഈ ആശയങ്ങൾ വിശദീകരിക്കുന്നതിനും ഒരു ഡാറ്റാ സെറ്റിൽ നിന്ന് ഒരു ഫ്രീക്വൻസി / തീവ്രത സംഗ്രഹം വേർതിരിച്ചെടുക്കുന്നതിനും വിശകലന ഘട്ടങ്ങളുടെ രൂപരേഖ തയ്യാറാക്കുന്നതിനും AI വളരെ ഉപയോഗപ്രദമാണ്. എന്നിരുന്നാലും, നിങ്ങൾ എല്ലായ്പ്പോഴും സംഖ്യാ ഫലം വീണ്ടും കണക്കാക്കണം.

നുറുങ്ങ്: ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഒരു ആക്ച്വറിയൽ ആശയം "ഒരു പത്താം ക്ലാസ് വിദ്യാർത്ഥിക്ക് വിശദീകരിക്കുന്നതുപോലെ ഒരു സംഖ്യാ ഉദാഹരണം ഉപയോഗിച്ച്" വിശദീകരിക്കുന്നത് ടീം പരിശീലനത്തിലും ഉപഭോക്താവിന് വിശദീകരിക്കുന്നതിലും വളരെ ഉപയോഗപ്രദമാണ്. എന്നാൽ നമ്പർ പരിശോധിക്കുക: മോഡൽ ഗുണനത്തിന് പോലും അത് തെറ്റായിരിക്കാം.

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആക്ച്വറിയലിൽ എവിടെയാണ് നിൽക്കുന്നത്

ആക്ച്വറിയിലെ ചുവന്ന രേഖ വ്യക്തമാണ്: അന്തിമ താരിഫ്, സാങ്കേതിക വ്യവസ്ഥ, പ്രീമിയം പര്യാപ്തത തീരുമാനം എന്നിവ യോഗ്യതയുള്ള ആക്ച്വറിയുടെ ഉത്തരവാദിത്തമാണ്. ഇനിപ്പറയുന്ന ജോലികളിൽ AI സഹായിക്കുന്നു: ആശയ വ്യക്തത, ഡാറ്റ സംഗ്രഹം, പര്യവേക്ഷണ വിശകലന രൂപരേഖ, ഫോർമുല/കോഡ് നിർദ്ദേശം, തത്ഫലമായുണ്ടാകുന്ന വാചകം വായിക്കാൻ കഴിയുന്നതാക്കുന്നു. താരിഫ് അംഗീകരിക്കൽ, പ്രൊവിഷൻ പര്യാപ്തത പ്രഖ്യാപിക്കൽ, അനുമാനങ്ങൾ അന്തിമമായി അംഗീകരിക്കൽ: ഇനിപ്പറയുന്ന കാര്യങ്ങളിൽ അതിന് അന്തിമ അഭിപ്രായം പറയാനാവില്ല. ഈ തീരുമാനങ്ങൾ കമ്പനിയുടെ സാമ്പത്തിക ആരോഗ്യത്തെയും ന്യായമായ വിലയ്ക്കുള്ള ഉപഭോക്താവിൻ്റെ അവകാശത്തെയും നേരിട്ട് ബാധിക്കുന്നതിനാൽ നിയമനിർമ്മാണത്തിന് വിധേയമാണ് (SEDDK - ഇൻഷുറൻസ്, പ്രൈവറ്റ് പെൻഷൻ റെഗുലേഷൻ ആൻഡ് സൂപ്പർവിഷൻ ഏജൻസി റെഗുലേഷൻസ്).

ശ്രദ്ധിക്കുക: ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് നിർദ്ദേശിക്കുന്ന ഒരു താരിഫ് അല്ലെങ്കിൽ നിരക്ക് ഡാറ്റയുടെ ഗുണനിലവാരവും അനുമാനങ്ങളും സ്വതന്ത്രമായി പരിശോധിക്കാതെ ഒരിക്കലും പ്രസിദ്ധീകരിക്കില്ല. ഒരു തെറ്റായ അനുമാനം (ഉദാ. പണപ്പെരുപ്പത്തിൻ്റെ ആഘാതം അവഗണിക്കുന്നത്) മുഴുവൻ പോർട്ട്ഫോളിയോയെയും ദോഷകരമായി ബാധിക്കും.

ഘട്ടം ഘട്ടമായി: ഡ്രാഫ്റ്റ് AI- പിന്തുണയുള്ള ആക്ച്വറിയൽ വിശകലനം

1. ഡാറ്റയെ അജ്ഞാതമാക്കുകയും തിരിച്ചറിയുകയും ചെയ്യുക. വ്യക്തിഗത ഡാറ്റ ഇല്ല; സംഗ്രഹിച്ച സംഖ്യകൾ മാത്രം. കാലയളവ്, പോർട്ട്ഫോളിയോ, കൊളാറ്ററൽ തരം എന്നിവ വ്യക്തമാക്കുക.
2. ആശയവും രീതിയും വ്യക്തമാക്കുക. ആവൃത്തി/തീവ്രത വിശകലനത്തിൻ്റെ ഘട്ടങ്ങളുടെ രൂപരേഖ നൽകാൻ AI-യോട് ആവശ്യപ്പെടുക.
3. ഡാറ്റ ഗുണനിലവാരത്തെ ചോദ്യം ചെയ്യുക. നഷ്‌ടമായ ഡാറ്റ, ഔട്ട്‌ലറുകൾ, കാലയളവിലെ പൊരുത്തക്കേടുകൾ, IBNR (ഇതുവരെ ക്ലെയിമുകൾ റിപ്പോർട്ട് ചെയ്‌തിട്ടില്ല) എന്നിവയുടെ എന്തെങ്കിലും ഫലങ്ങൾ ഉണ്ടോ?
4. അനുമാനങ്ങൾ വ്യക്തമായി എഴുതുക. ഏത് അനുമാനത്തിലാണ് പണപ്പെരുപ്പം, പ്രവണത, വികസന ഘടകങ്ങൾ എന്നിവ അടിസ്ഥാനമാക്കിയുള്ളത്?
5. ഫലം സ്വതന്ത്രമായി കണക്കാക്കുക. നിങ്ങളുടെ സ്വന്തം സ്‌പ്രെഡ്‌ഷീറ്റ് ഉപയോഗിച്ച് ഫ്രീക്വൻസി, തീവ്രത, റിസ്ക് പ്രീമിയം എന്നിവ പുനർനിർമ്മിക്കുക.
6. ആക്ച്വറിയൽ തത്വം ഉപയോഗിച്ച് പരിശോധിച്ച് സ്ഥിരീകരിക്കുക. പ്രീമിയം പര്യാപ്തത, ന്യായം, നിയമനിർമ്മാണം എന്നിവയുടെ അടിസ്ഥാനത്തിൽ ഒരു യോഗ്യതയുള്ള ആക്ച്വറി വിലയിരുത്തുകയും അടയാളപ്പെടുത്തുകയും ചെയ്യുന്നു.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - തെറ്റായ അനുമാനം പിടിക്കുന്നു. ഓട്ടോമൊബൈൽ ഇൻഷുറൻസ് താരിഫിനായുള്ള ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൽ നിന്ന് ഒരു അസിസ്റ്റൻ്റ് ആക്ച്വറിക്ക് ഡ്രാഫ്റ്റ് വിശകലനം ലഭിച്ചു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് കഴിഞ്ഞ 3 വർഷത്തെ ശരാശരി നാശനഷ്ടത്തിൻ്റെ തീവ്രത 62,000 TL ആയി കണക്കാക്കുകയും റിസ്ക് പ്രീമിയം കണക്കാക്കുകയും ചെയ്തു. പണപ്പെരുപ്പം നിലവിലെ മൂല്യത്തിനനുസരിച്ച് ക്രമീകരിച്ചിട്ടില്ലെന്ന് ആക്ച്വറി തിരിച്ചറിഞ്ഞു: നിലവിലെ വാഹനങ്ങളുടെ അറ്റകുറ്റപ്പണികൾക്കൊപ്പം, അക്രമം യഥാർത്ഥത്തിൽ ~$89,000 ആയിരുന്നു. ഈ തിരുത്തൽ റിസ്ക് പ്രീമിയം 43% വർദ്ധിപ്പിച്ചു. സ്വതന്ത്ര നിയന്ത്രണം ഇല്ലെങ്കിൽ, താരിഫ് ഗുരുതരമായി അപര്യാപ്തമായിരിക്കും.

കേസ് 2 - ഔട്ട്‌ലൈയറിൻ്റെ വക്രീകരണം. ഒരു പോർട്ട്‌ഫോളിയോയിലെ മൊത്തം 500 നാശനഷ്ടങ്ങൾ 40,000,000 TL ആയി കാണപ്പെട്ടു; എന്നാൽ ഇതിൽ 22,000,000 TL ഒരു വലിയ തീപിടുത്തത്തിൽ നിന്നുള്ളതാണ്. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ശരാശരി ഹിംസയെ 80,000 TL എന്ന് സംഗ്രഹിച്ചു. ആക്ച്വറി ഈ ഒറ്റ വലിയ കേടുപാടുകൾ പ്രത്യേകം വിലയിരുത്തി (കാരണം ഇത് എല്ലാ വർഷവും ആവർത്തിക്കില്ല); "സാധാരണ" നാശനഷ്ടങ്ങളുടെ ശരാശരി ~36,000 TL ആയിരുന്നു. ഔട്ട്‌ലിയർ വേർതിരിക്കുന്നത് താരിഫ് യാഥാർത്ഥ്യമാക്കി.

കേസ് 3 - നീതി പരിശോധന. ഒരു ആരോഗ്യ ഇൻഷുറൻസ് വിലനിർണ്ണയ പദ്ധതിയിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഒരു നിശ്ചിത പ്രായക്കാർക്ക് വളരെ ഉയർന്ന വർദ്ധനവ് വാഗ്ദാനം ചെയ്യുന്നു. ചെറുതും ശബ്‌ദവുമുള്ള സാമ്പിളിൽ നിന്ന് മാത്രമാണ് ശുപാർശ വന്നതെന്ന് ആക്ച്വറി കണ്ടെത്തി (ചെറിയ എണ്ണം ക്ലെയിമുകൾ); ഇത് സ്ഥിതിവിവരക്കണക്ക് വിശ്വസനീയമായിരുന്നില്ല. മാത്രമല്ല, നിയമനിർമ്മാണം ആവശ്യപ്പെടുന്ന ന്യായമായ വിലനിർണ്ണയ തത്വത്തിന് എതിരായിരുന്നു. ആക്ച്വറി ആദ്യം കൂടുതൽ വിപുലമായ ഡാറ്റ ഉപയോഗിച്ച് ഒരു വിശ്വാസ്യത കണക്കുകൂട്ടൽ നടത്തി പിന്നീട് ഒരു തീരുമാനമെടുത്തു.

പകർത്താവുന്ന നാല് നിർദ്ദേശങ്ങൾ

1) ആശയ വിശദീകരണം (പരിശീലനം/ഉപഭോക്താവിന്):

ഒരു ആക്ച്വറിയൽ ഇൻസ്ട്രക്ടറെപ്പോലെ പ്രവർത്തിക്കുക. "നഷ്ടത്തിൻ്റെ ആവൃത്തി", "നാശത്തിൻ്റെ തീവ്രത", "റിസ്ക് പ്രീമിയം" എന്നീ ആശയങ്ങൾ തുടർച്ചയായ ഒരു സംഖ്യാ ഉദാഹരണം ഉപയോഗിച്ച് ഘട്ടം ഘട്ടമായി വിശദീകരിക്കുക (ഉദാ. 1,000 പോളിസികൾ, 45 ക്ലെയിമുകൾ, 3,150,000 TL മൊത്തം പേയ്‌മെൻ്റ്). ഓരോ ഘട്ടത്തിലും ഫോർമുലയും ഇൻ്റർമീഡിയറ്റ് ഫലവും കാണിക്കുക. ലളിതവും മനസ്സിലാക്കാവുന്നതുമായ ഭാഷ ഉപയോഗിക്കുക.

2) വിശകലന ഡ്രാഫ്റ്റ് അസ്ഥികൂടം:

സംഗ്രഹിച്ച ക്ലെയിം ഡാറ്റയ്ക്കുള്ള (വ്യക്തിഗത ഡാറ്റയില്ലാതെ) ഫ്രീക്വൻസി-തീവ്രത വിശകലനത്തിൻ്റെ ഘട്ടങ്ങൾ ഇനിപ്പറയുന്നവ വിവരിക്കുന്നു: [കാലയളവ്, പോളിസികളുടെ എണ്ണം, ക്ലെയിമുകളുടെ എണ്ണം, മൊത്തം പേയ്‌മെൻ്റ്]ഓരോ ഘട്ടത്തിലും: എന്താണ് കണക്കാക്കുന്നത്, എന്ത് അനുമാനങ്ങൾ ആവശ്യമാണ്, ഡാറ്റയുടെ ഗുണനിലവാരത്തിന് എന്ത് അപകടസാധ്യതയുണ്ടെന്ന് വ്യക്തമാക്കുക (നഷ്‌ടമായ ഡാറ്റ, ഔട്ട്‌ലൈയറുകൾ, IBNR, പണപ്പെരുപ്പം). ഞാൻ സംഖ്യാ ഫലം വീണ്ടും കണക്കാക്കും; നിങ്ങൾ രീതി സജ്ജമാക്കുക.

3) ഡാറ്റ ഗുണനിലവാരവും അനുമാന ചോദ്യകർത്താവും:

ഒരു മുതിർന്ന ആക്ച്വറിയുടെ വീക്ഷണകോണിൽ നിന്ന് ഇനിപ്പറയുന്ന ഡ്രാഫ്റ്റ് വിശകലനം വിമർശിക്കുക:[ഒട്ടിക്കുക ഡ്രാഫ്റ്റ്] ചോദിക്കുക: പണപ്പെരുപ്പത്തിനായി അക്രമം ക്രമീകരിച്ചിട്ടുണ്ടോ? ഔട്ട്‌ലറുകൾ നീക്കം ചെയ്‌തിട്ടുണ്ടോ? സാമ്പിൾ വിശ്വസനീയമാണോ? IBNR കണക്കിലെടുത്തോ? എന്താണ് ട്രെൻഡ് അനുമാനം? തിരുത്തലിനുള്ള നിർദ്ദേശത്തോടൊപ്പം "റിസ്ക്" എന്നതിന് കീഴിൽ ഓരോ ബലഹീനതയും ലിസ്റ്റ് ചെയ്യുക.

4) ഫല വാചകം ലളിതമാക്കുന്നു:

ഒരു ആക്ച്വറി അല്ലാത്ത ഒരു മാനേജർക്കുള്ള ലളിതമായ എക്സിക്യൂട്ടീവ് സംഗ്രഹത്തിലേക്ക് ഇനിപ്പറയുന്ന പരിശോധിച്ചുറപ്പിച്ച വിശകലന ഫലം പരിവർത്തനം ചെയ്യുക: [ഒട്ടിക്കുക ഫലം]നമ്പറുകൾ മാറ്റരുത്, പുതിയ നമ്പറുകൾ ചേർക്കുക. അനിശ്ചിതത്വങ്ങളും അനുമാനങ്ങളും വ്യക്തമായി പ്രസ്താവിക്കുക. കുറിപ്പ് ചേർക്കുക: "അന്തിമ താരിഫ് തീരുമാനം യോഗ്യതയുള്ള ആക്ച്വറിയുടെ അംഗീകാരത്തിന് വിധേയമാണ്."

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഈ ഡാറ്റ ഉപയോഗിച്ച് കാർ ഇൻഷുറൻസ് പ്രീമിയം കണക്കാക്കി താരിഫ് എഴുതുക."

പ്രശ്നം: നേരിട്ടുള്ള താരിഫ് (റെഡ് സോൺ) അഭ്യർത്ഥിച്ചു; അനുമാനങ്ങളില്ല, ഡാറ്റ നിലവാരമില്ല, മൂല്യനിർണ്ണയവുമില്ല. ശബ്ദമയമായ ഡാറ്റയിൽ നിന്ന് മോഡൽ വിശ്വസനീയമല്ലാത്ത നിരക്കിന് അനുയോജ്യമാണ്.

ശക്തമായത്: "ആവൃത്തി-തീവ്രത വിശകലനത്തിൻ്റെ ഘട്ടങ്ങൾ ഡ്രാഫ്റ്റ് ചെയ്യുക; ഓരോ ഘട്ടത്തിലും അനുമാനവും ഡാറ്റ ഗുണനിലവാര അപകടസാധ്യതയും വ്യക്തമാക്കുക. ഞാൻ സംഖ്യാ ഫലം കണക്കാക്കും. താരിഫ് തീരുമാനം എടുക്കരുത്."

എന്തുകൊണ്ട് ഇത് നല്ലതാണ്: AI രീതി സ്ഥാപിക്കുന്നു, കണക്കുകൂട്ടലും തീരുമാനവും ആക്ച്വറി സൂക്ഷിക്കുന്നു; അനുമാനങ്ങൾ ദൃശ്യമാകും.

താരതമ്യ ചാർട്ട്

പടി

AI പങ്ക്

ആക്ച്വറി വേഷം

റിസ്ക്

ആശയ വിശദീകരണം

വിശദീകരിക്കുന്നു, ഉദാഹരണങ്ങൾ

കൃത്യത സ്ഥിരീകരിക്കുന്നു

തെറ്റായ ഉദാഹരണം

ഡാറ്റ സംഗ്രഹം

സമാഹരിക്കുന്നു

ഉറവിടം പരിശോധിക്കുന്നു

പുറത്തെ വക്രീകരണം

അനുമാനങ്ങളുടെ പട്ടിക

ശുപാർശ ചെയ്യുന്നു

സ്വീകരിക്കുക/നിരസിക്കുക

നഷ്‌ടമായ/തെറ്റായ അനുമാനം

റിസ്ക് പ്രീമിയം കണക്കുകൂട്ടൽ

ഡ്രാഫ്റ്റ് ഫോർമുല

സ്വതന്ത്ര അക്കൗണ്ടുകൾ

അക്കൗണ്ട് പിശക്

താരിഫ്/പ്രൊവിഷൻ തീരുമാനം

—

തീരുമാനിക്കുകയും അടയാളപ്പെടുത്തുകയും ചെയ്യുന്നു

അപര്യാപ്തമായ പ്രീമിയം

സാധാരണ തെറ്റുകൾ

• കൃത്രിമ ബുദ്ധിയുടെ എണ്ണം നേരിട്ട് ലഭിക്കുന്നു. മോഡലിന് ഗുണനം/സങ്കലനം കൃത്യതയില്ലാത്തതാക്കാൻ പോലും കഴിയും; ഓരോ ഫലവും വീണ്ടും കണക്കാക്കുക.
• പണപ്പെരുപ്പവും ട്രെൻഡ് തിരുത്തലും ഒഴിവാക്കുന്നു. മുൻകാല അക്രമങ്ങളെ വർത്തമാനകാലത്തേക്ക് കൊണ്ടുവരാതെ താരിഫ് സ്ഥാപിക്കുന്നത് പോർട്ട്‌ഫോളിയോയെ തകർക്കും.
• ശരാശരിയുമായി ഔട്ട്‌ലിയർ മിക്സ് ചെയ്യുന്നു. ഒരു പ്രധാന നാശം മുഴുവൻ താരിഫിനെയും തെറ്റിദ്ധരിപ്പിക്കുന്നു; പ്രത്യേകം വിലയിരുത്തുക.
• ചെറിയ സാമ്പിളിനെ ആശ്രയിക്കുന്നു. ചെറിയ നാശനഷ്ടങ്ങളിൽ നിന്നുള്ള അനുപാതം വിശ്വസനീയമല്ല; ഒരു ക്രെഡിറ്റ് യോഗ്യത കണക്കുകൂട്ടൽ ആവശ്യമാണ്.
• നീതിയെ അവഗണിക്കുന്നു. സ്റ്റാറ്റിസ്റ്റിക്കൽ നോയിസ് അടിസ്ഥാനമാക്കി ഒരു ഗ്രൂപ്പിന് അന്യായമായ വർദ്ധനവ് വാഗ്ദാനം ചെയ്യുന്നത് നിയമവിരുദ്ധമാണ്.

ചുരുക്കത്തിൽ

ആക്ച്വറിയൽ ജോലിയിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആശയങ്ങൾ വിശദീകരിക്കുന്നു, ഡാറ്റ സംഗ്രഹിക്കുന്നു, വിശകലനത്തിൻ്റെ രൂപരേഖ നൽകുന്നു, സൂത്രവാക്യങ്ങൾ നിർദ്ദേശിക്കുന്നു; എന്നാൽ താരിഫ്, പ്രൊവിഷൻ, പ്രീമിയം പര്യാപ്തത എന്നിവയിൽ അത് തീരുമാനിക്കുന്നില്ല. ആവൃത്തി, തീവ്രത, റിസ്ക് പ്രീമിയം എന്നിവയുടെ ആശയങ്ങൾ ശരിയായി ഉപയോഗിക്കുക; ചോദ്യ ഡാറ്റ ഗുണനിലവാരം (ഔട്ട്‌ലിയർ, IBNR, പണപ്പെരുപ്പം, സാമ്പിൾ വിശ്വാസ്യത); ഓരോ സംഖ്യയും സ്വതന്ത്രമായി കണക്കാക്കുക; അനുമാനങ്ങൾ വ്യക്തമായി എഴുതുക. അന്തിമ തീരുമാനം യോഗ്യതയുള്ള ആക്ച്വറിയുടെ ഉത്തരവാദിത്തമാണ് കൂടാതെ SEDDK നിയന്ത്രണങ്ങൾക്ക് വിധേയവുമാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ കൈവശമുള്ള ഒരു കേടുപാട് ഡാറ്റയിൽ നിന്ന് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് ഫ്രീക്വൻസിയും തീവ്രത സംഗ്രഹവും സൃഷ്ടിക്കുക (ടെസ്റ്റിംഗ് ആവശ്യങ്ങൾക്കായി, സമാഹരിച്ചത്). തുടർന്ന് ഒരു സ്പ്രെഡ്ഷീറ്റിൽ ഇതേ കണക്കുകൂട്ടൽ സ്വയം ചെയ്യുക. രണ്ട് ഫലങ്ങൾ തമ്മിലുള്ള വ്യത്യാസം ശ്രദ്ധിക്കുക; ഒരു വ്യത്യാസമുണ്ടെങ്കിൽ, കാരണം കണ്ടെത്തുക (പണപ്പെരുപ്പം, ഔട്ട്‌ലിയർ, തെറ്റായ ഗുണനം). പ്രോംപ്റ്റ് #3 ഉപയോഗിച്ച് നിങ്ങളുടെ അനുമാനങ്ങളെ വിമർശിക്കുകയും കുറഞ്ഞത് രണ്ട് ഡാറ്റ ഗുണനിലവാര അപകടസാധ്യതകൾ തിരിച്ചറിയുകയും ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] സംഗ്രഹിച്ചതും വ്യക്തിഗതമല്ലാത്തതുമായ ഡാറ്റ മാത്രമാണ് ഞാൻ ഉപയോഗിച്ചത്.
• [ ] ആവൃത്തി, തീവ്രത, റിസ്ക് പ്രീമിയം എന്നിവ ഞാൻ വീണ്ടും കണക്കാക്കി.
• [ ] ഞാൻ പണപ്പെരുപ്പം/ട്രെൻഡ് തിരുത്തൽ പ്രയോഗിച്ചു.
• [ ] ഞാൻ പുറത്തുള്ളവരെ പ്രത്യേകം വിലയിരുത്തി.
• [ ] സാമ്പിളിൻ്റെ വിശ്വാസ്യത ഞാൻ ചോദ്യം ചെയ്തു.
• [ ] ഞാൻ അനുമാനങ്ങൾ വ്യക്തമായി എഴുതി.
• [ ] ഞാൻ അന്തിമ താരിഫ്/പ്രൊവിഷൻ തീരുമാനം യോഗ്യതയുള്ള ആക്ച്വറി അംഗീകാരത്തിന് വിട്ടു.