റിസർവ് (പ്രൊവിഷൻ) അക്കൗണ്ട്: IBNR, ചെയിൻ ലാഡർ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് എന്നിവയുമായുള്ള പരിശോധന

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ പിന്തുണയോടെ നാശനഷ്ട വികസന ത്രികോണം, IBNR (ഉണ്ടായതും എന്നാൽ റിപ്പോർട്ട് ചെയ്യപ്പെടാത്തതുമായ കേടുപാടുകൾ), ചെയിൻ-ലാഡർ രീതി എന്നിവ സ്ഥാപിക്കാനും വികസന ഘടകങ്ങളെ വ്യാഖ്യാനിക്കാനും ഉള്ള കഴിവ്
• ബോൺഹൂട്ടർ-ഫെർഗൂസൺ, മാക്ക് തുടങ്ങിയ ബദൽ രീതികളുമായി ഫലങ്ങൾ താരതമ്യം ചെയ്യാനും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് കരുതൽ അനിശ്ചിതത്വം (വ്യതിയാനം, ആത്മവിശ്വാസ ഇടവേള) വിശദീകരിക്കാനുമുള്ള കഴിവ്
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് കണക്കാക്കിയ പ്രൊവിഷൻ കണക്ക് ഒരു ഡ്രാഫ്റ്റാണെന്നും അന്തിമമല്ലെന്നും, വികസന ഘടകത്തിൻ്റെ തിരഞ്ഞെടുപ്പും ജുഡീഷ്യൽ തിരുത്തലും ഉത്തരവാദിത്തമുള്ള ആക്ച്വറിയുടേതാണെന്നും നിലനിർത്താൻ കഴിയും.

ഒരു ഇൻഷുറൻസ് കമ്പനി ഇന്ന് ഒരു നാശനഷ്ടത്തിന് പണം നൽകുമ്പോൾ, അത് യഥാർത്ഥത്തിൽ മുമ്പ് വിറ്റ ഒരു പോളിസിയുടെ കടം വീട്ടുന്നു. എന്നാൽ എല്ലാ നാശനഷ്ടങ്ങളും ഉടനടി റിപ്പോർട്ട് ചെയ്യപ്പെടുന്നില്ല, റിപ്പോർട്ട് ചെയ്ത എല്ലാ നാശനഷ്ടങ്ങൾക്കും ഉടനടി പണം നൽകില്ല. ഇന്ന് ഒരു ട്രാഫിക് അപകടം സംഭവിക്കുന്നു, മൂന്ന് മാസത്തിന് ശേഷം കമ്പനിയെ അറിയിക്കും, കോടതി നടപടികൾ രണ്ട് വർഷമെടുക്കും, നാല് വർഷത്തിന് ശേഷം അന്തിമ പേയ്‌മെൻ്റ് വ്യക്തമാകും. അതിനാൽ, ഇതുവരെ പൂർണ്ണമായി അടച്ചിട്ടില്ലാത്തതോ ഇതുവരെ റിപ്പോർട്ട് ചെയ്തിട്ടില്ലാത്തതോ ആയ നാശനഷ്ടങ്ങൾക്കായി കമ്പനി ഇന്ന് പണം റിസർവ് ചെയ്യണം. ഈ പണത്തെ കരുതൽ ശേഖരം എന്ന് വിളിക്കുന്നു, അതിൻ്റെ കൃത്യമായ കണക്കുകൂട്ടൽ ഒരു ഇൻഷുറൻസ് കമ്പനിയുടെ ഏറ്റവും നിർണായകമായ പ്രവൃത്തിയാണ്. അവൻ കുറച്ച് വിട്ടാൽ, കമ്പനി പാപ്പരത്തത്തിലേക്ക് പോകും; അധികമായി അനുവദിച്ചാൽ മൂലധനം വെറുതെ കെട്ടിവെച്ച് ലാഭം മറച്ചുവെക്കും.

ഈ യൂണിറ്റിൽ, പ്രൊവിഷൻ അക്കൗണ്ടിംഗിൻ്റെ ഹൃദയഭാഗത്തുള്ള മൂന്ന് ആശയങ്ങൾ ഞങ്ങൾ കവർ ചെയ്യും: കേടുപാടുകൾ വികസന ത്രികോണം, IBNR, ചെയിൻ-ലാഡർ രീതി. അപ്പോൾ നമ്മൾ ഇതര രീതികളും (Bornhuetter-Ferguson, Mack) അനിശ്ചിതത്വവും പരിഗണിക്കും. AI ഈ കണക്കുകൂട്ടലുകൾക്കായി കോഡ് എഴുതുന്നു, ത്രികോണം പൂരിപ്പിക്കുന്നു, ഘടകങ്ങൾ കണക്കാക്കുകയും ഫലം വിശദീകരിക്കുകയും ചെയ്യുന്നു; എന്നാൽ വികസന ഘടകം തിരഞ്ഞെടുക്കൽ, ജുഡീഷ്യൽ തിരുത്തൽ, അന്തിമ വ്യവസ്ഥാ കണക്ക് എന്നിവയുടെ ഉത്തരവാദിത്തം ഉത്തരവാദിത്തമുള്ള ആക്ച്വറിക്കാണ്.

എന്താണ് കേടുപാടുകൾ വികസന ത്രികോണം?

പ്രൊവിഷൻ കണക്കുകൂട്ടലിൻ്റെ അടിസ്ഥാനം വികസന ത്രികോണം / റൺ-ഓഫ് ത്രികോണമാണ്. നാശനഷ്ടം സംഭവിച്ച കാലയളവ് (അപകട വർഷം) വരികൾ കാണിക്കുന്നു, ആ നാശത്തിന് (വികസന വർഷം) എത്ര പണം നൽകിയെന്ന് നിരകൾ കാണിക്കുന്നു. അത് ഇങ്ങനെ വായിക്കുന്നു: 2021 അപകട വർഷത്തിൻ്റെ 1-ആം വികസന വർഷത്തിൽ 4 മില്യൺ അടച്ചു, രണ്ടാം വർഷത്തിൽ 6.2 ദശലക്ഷവും 3-ാം വർഷത്തിൽ 7 മില്യണും നൽകി. പഴയ അപകട വർഷങ്ങൾ പക്വത പ്രാപിച്ചു (മിക്കവാറും എല്ലാ പേയ്‌മെൻ്റുകളും നടത്തി), പുതിയ വർഷം ഇപ്പോഴും വികസിച്ചുകൊണ്ടിരിക്കുന്നു. അതിനാൽ ത്രികോണത്തിൻ്റെ പേര്: താഴത്തെ വലത് മൂല ശൂന്യമാണ്, കാരണം പുതിയ വർഷങ്ങളുടെ കൂടുതൽ വികസനം ഇതുവരെ സംഭവിച്ചിട്ടില്ല. ഈ ശൂന്യമായ മൂലയെ കണക്കാക്കുക എന്നതാണ് ആക്ച്വറിയുടെ ജോലി.

IBNR (ഇൻകറഡ് എന്നാൽ റിപ്പോർട്ട് ചെയ്തിട്ടില്ല) ഈ വിടവിൻ്റെ ഭാഗമാണ്: സംഭവിച്ചിട്ടുള്ളതും എന്നാൽ ഇതുവരെ കമ്പനിയെ റിപ്പോർട്ട് ചെയ്തിട്ടില്ലാത്തതുമായ ക്ലെയിമുകളുടെ ഭാവി ചെലവ്. IBNER (റിപ്പോർട്ട് ചെയ്തതും എന്നാൽ അണ്ടർ റിസർവ്ഡ് ക്ലെയിമുകളുടെ അധിക വികസനം) ഉണ്ട്. പ്രായോഗികമായി, ത്രികോണ രീതികൾ മൊത്തം ആവശ്യമായ പ്രൊവിഷൻ (പണം + ഭാവി വികസനം) കണക്കാക്കുന്നു; നിങ്ങൾ പണമടച്ച ഭാഗം കുറയ്ക്കുമ്പോൾ, IBNR ഉൾപ്പെടെ, ശേഷിക്കുന്ന വ്യവസ്ഥ അവശേഷിക്കുന്നു.

നുറുങ്ങ്: നിങ്ങൾക്ക് രണ്ട് വ്യത്യസ്ത അടിത്തറകളിൽ ത്രികോണം സജ്ജീകരിക്കാം: "നഷ്ടം അടച്ചത്", "നാശം സംഭവിച്ചത് (പണമടച്ച + അറിയപ്പെടുന്ന കരുതൽ)". രണ്ടും ഒരുമിച്ച് പരിശോധിക്കുന്നത് ക്ലെയിം ടീമുകളുടെ ബുക്കിംഗ് സ്വഭാവത്തിലെ മാറ്റം ക്യാപ്‌ചർ ചെയ്യാൻ നിങ്ങളെ സഹായിക്കുന്നു.

ചങ്ങല-കോവണി ഘട്ടം ഘട്ടമായി

ചെയിൻ ഗോവണി ഏറ്റവും സാധാരണമായ പ്രതികരണ രീതിയാണ്, അതിൻ്റെ യുക്തി അവബോധജന്യമാണ്: മുൻകാല നഷ്ടങ്ങൾ ഒരു വികസന വർഷം മുതൽ അടുത്ത വർഷം വരെ ശരാശരി ഒരു നിശ്ചിത നിരക്കിൽ വളർന്നിട്ടുണ്ടെങ്കിൽ, പുതിയ വർഷം സമാനമായ നിരക്കിൽ വളരും. ഘട്ടങ്ങൾ:

1. ക്യുമുലേറ്റീവ് ത്രികോണം സജ്ജീകരിക്കുക. വികസനത്തിൻ്റെ വർഷം അനുസരിച്ച് ഓരോ അപകടത്തിനും ക്യുമുലേറ്റീവ് പെയ്ഡ് ക്ലെയിമുകൾ അടുക്കുക.
2. വികസന ഘടകങ്ങൾ കണക്കാക്കുക. ഓരോ കോളം പാസിനും: അടുത്ത കോളത്തിൻ്റെ ആകെത്തുക / നിലവിലെ കോളത്തിൻ്റെ ആകെത്തുക (രണ്ട് കോളങ്ങളും ഉൾക്കൊള്ളുന്ന വരികൾ മാത്രം ഉപയോഗിച്ച്). ഉദാഹരണത്തിന്, ഘടകം 1→2 ​​1.45 ആണ്; ഘടകം 2→3 1.12 ആകാം. ഈ ഘടകത്തെ ആയുസ്സ്-ടു-ഏജ് ഘടകം എന്ന് വിളിക്കുന്നു.
3. സഞ്ചിത (സഞ്ചിത) ഘടകങ്ങൾ കണ്ടെത്തുക. ഓരോ വർഷവും ഫൈനലിലെത്താൻ ശേഷിക്കുന്ന ഘടകങ്ങളെ ഗുണിക്കുക.
4. ശൂന്യമായ മൂല നിറയ്ക്കുക. ഓരോ പുതിയ അപകട വർഷത്തിൻ്റെയും അവസാനത്തെ അറിയപ്പെടുന്ന മൂല്യത്തെ ശേഷിക്കുന്ന ഘടകങ്ങളാൽ ഗുണിച്ച് ആത്യന്തിക നാശനഷ്ടം കണക്കാക്കുക.
5. പ്രതികരണം കണക്കാക്കുക. അന്തിമ നാശനഷ്ടം - നാളിതുവരെ അടച്ചത് = ഭാവിയിൽ നൽകേണ്ട വ്യവസ്ഥ (IBNR ഉൾപ്പെടെ).

ഇനിപ്പറയുന്ന പട്ടിക ഒരു ചെറിയ ഉദാഹരണമാണ് (ക്യുമുലേറ്റീവ് പെയ്ഡ് നാശനഷ്ടം, ദശലക്ഷം TL):

അപകട വർഷം

വരൂ. 1

വരൂ. 2

വരൂ. 3

വരൂ. 4

2021

4.0

6.0

6.8

7.0

2022

4.4

6.5

7.3

?

2023

4.8

7.0

?

?

2024

5.2

?

?

?

ഈ ത്രികോണത്തിൽ, ഘടകം 1→2 ​​ഏകദേശം 1.47 ആണ്; 2→3 ഏകദേശം 1.12; 3→4 എന്നത് ഏകദേശം 1.03 ആണ്. 2024 ഫൈനൽ 5.2 × 1.47 × 1.12 × 1.03 ≈ 8.82 ദശലക്ഷം; അടച്ച തുക 5.2 ആയതിനാൽ, പ്രൊവിഷൻ ≈ 3.62 ദശലക്ഷം TL ആണ്. AI ഈ കണക്ക് നിമിഷങ്ങൾക്കുള്ളിൽ ചെയ്യുന്നു, എന്നാൽ ഘടകങ്ങൾ ന്യായമാണോ എന്ന് ആക്ച്വറി തീരുമാനിക്കുന്നു.

ഇതര രീതികളും അനിശ്ചിതത്വവും

ചെയിൻ ഗോവണി മാത്രം മതിയാകില്ല, കാരണം വികസന ഘടകങ്ങൾ ചെറിയ ഏറ്റക്കുറച്ചിലുകളോട് അങ്ങേയറ്റം സെൻസിറ്റീവ് ആണ്, കാരണം സമീപകാല അപകട വർഷങ്ങളിൽ കുറച്ച് ഡാറ്റ മാത്രമേ ഉള്ളൂ; ഒരൊറ്റ വലിയ നാശനഷ്ടം മുഴുവൻ എസ്റ്റിമേറ്റും തകർക്കും. അതുകൊണ്ടാണ് Bornhuetter-Ferguson (BF) രീതി ഉപയോഗിക്കുന്നത്: ബാഹ്യമായി പ്രതീക്ഷിക്കുന്ന നഷ്ടാനുപാത വിവരങ്ങൾ ഉപയോഗിച്ച് BF അവികസിത ഭാഗത്തെ കണക്കാക്കുകയും അങ്ങനെ അസ്ഥിരതയെ സുഗമമാക്കുകയും ചെയ്യുന്നു. പ്രായപൂർത്തിയായ വർഷങ്ങളിൽ ചെയിൻ ഗോവണി തിരഞ്ഞെടുക്കപ്പെടുന്നു, പുതിയതും പ്രായപൂർത്തിയാകാത്തതുമായ വർഷങ്ങളിൽ BF തിരഞ്ഞെടുക്കുന്നു; അവർ ഒരുമിച്ച് ഒരു സമതുലിതമായ കണക്ക് നൽകുന്നു.

അനിശ്ചിതത്വം അളക്കാൻ, മാക്ക് രീതി ഉപയോഗിക്കുന്നു: ഇത് വിശകലനപരമായി ചെയിൻ ലാഡർ എസ്റ്റിമേറ്റിൻ്റെ സ്റ്റാൻഡേർഡ് പിശക് (വേരിയബിലിറ്റി) നൽകുന്നു. കൂടാതെ, പ്രതികരണത്തിൻ്റെ പൂർണ്ണ പ്രോബബിലിറ്റി ഡിസ്ട്രിബ്യൂഷൻ ബൂട്ട്‌സ്‌ട്രാപ്പ് വഴി നിർമ്മിക്കാൻ കഴിയും (ഡാറ്റ ആവർത്തിച്ച് സാമ്പിൾ ചെയ്തുകൊണ്ട് സിമുലേഷൻ); "ഏറ്റവും മോശമായ സാഹചര്യത്തിൽ ഞങ്ങളുടെ പ്രതികരണം എന്തായിരിക്കും?" എന്ന ചോദ്യത്തിന് (സോൾവൻസി II-ൻ്റെ നിർണായകമായത്) ഇത് ഉത്തരം നൽകുന്നു. കോഡ് സൃഷ്ടിക്കുന്നതിലും ഈ രീതികൾ താരതമ്യം ചെയ്യുന്നതിലും AI വളരെ ശക്തമാണ്.

മുന്നറിയിപ്പ്: വളർച്ചാ ഘടകം തിരഞ്ഞെടുക്കൽ മെക്കാനിക്കൽ അല്ല. ഒരു വർഷത്തിനുള്ളിൽ, നിയമനിർമ്മാണത്തിലെ മാറ്റം, വ്യവഹാരങ്ങളുടെ ഒരു വലിയ തരംഗം, അല്ലെങ്കിൽ ക്ലെയിം പേയ്മെൻ്റ് നിരക്കിലെ മാറ്റം എന്നിവ ഘടകങ്ങളെ തടസ്സപ്പെടുത്തിയേക്കാം. "ലളിതമായ ശരാശരി, ശരാശരി, കഴിഞ്ഞ 3 വർഷം" എന്ന തിരഞ്ഞെടുപ്പ് ജുഡീഷ്യൽ ആണ്, അത് ന്യായീകരിക്കപ്പെടേണ്ടതാണ്.

റിസർവ് അക്കൗണ്ടിംഗിൽ AI എങ്ങനെ ഉപയോഗിക്കാം

1) ചെയിൻ ഗോവണി കോഡ്:

ചെയിൻ-ലാഡർ കണക്കാക്കുന്ന ഒരു കമൻ്റ് ചെയ്ത കോഡ് പൈത്തണിൽ എഴുതുക. ഇൻപുട്ട്: ക്യുമുലേറ്റീവ് പെയ്ഡ് നാശനഷ്ട ത്രികോണം (ലിസ്റ്റുകളുടെ ലിസ്‌റ്റ്, നഷ്‌ടമായ സെല്ലുകളൊന്നുമില്ല). 1) ഓരോ കോളം പാസിനും വോളിയം വെയ്റ്റഡ് പ്രായ ഘടകം കണക്കാക്കുക. 2) ക്യുമുലേറ്റീവ് ഘടകങ്ങൾ കണ്ടെത്തുക. 3) ശൂന്യമായ മൂലയിൽ പൂരിപ്പിച്ച് ഓരോ അപകട വർഷത്തിൻ്റെയും അന്തിമ നാശനഷ്ടം കണക്കാക്കുക. 4) നഷ്ടപരിഹാരം കണക്കാക്കി സംഗ്രഹിക്കുക (അവസാനം - അടച്ചത്). ഓരോ ഇൻ്റർമീഡിയറ്റ് ഘട്ടവും സ്ക്രീനിലേക്ക് പ്രിൻ്റ് ചെയ്യുക; ഒരു ലൈബ്രറി ഉണ്ടാക്കരുത്, അടിസ്ഥാന പൈത്തൺ ഉപയോഗിക്കുക.

2) രീതി താരതമ്യം:

ഒരു ചെയിൻ ഗോവണിയും ബോൺഹൂട്ടർ-ഫെർഗൂസണും തമ്മിലുള്ള വ്യത്യാസം ഒരു ആക്ച്വറിയോട് വിശദീകരിക്കുക.- ഏത് സാഹചര്യത്തിലാണ് കൂടുതൽ വിശ്വസനീയം?- പുതിയ (പക്വതയില്ലാത്ത) അപകട വർഷങ്ങളിൽ BF തിരഞ്ഞെടുക്കുന്നത് എന്തുകൊണ്ട്?- BF-ന് ആവശ്യമായ 'പ്രതീക്ഷിച്ച നാശനഷ്ട നിരക്ക്' ഞാൻ എങ്ങനെ നിർണ്ണയിക്കും? ഒരു പട്ടികയിൽ ഗുണദോഷങ്ങൾ സംഗ്രഹിക്കുക.

3) ഫാക്ടർ പ്ലാസിബിലിറ്റി പരിശോധന:

എനിക്ക് ഇനിപ്പറയുന്ന പ്രായ-പരിധിയിലുള്ള ഘടകങ്ങൾ ഉണ്ട്: 1->2: 1.47; 2->3: 1.12; 3->4: 1.03; 4->5: 1,45. 4->5 ഘടകം മറ്റുള്ളവയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ വിചിത്രമായി തോന്നുന്നു.- ഈ കുതിച്ചുചാട്ടത്തിന് (റെഗുലേറ്ററി, വലിയ കേടുപാടുകൾ, ഡാറ്റ പിശക്) സാധ്യമായ കാരണങ്ങൾ എന്തായിരിക്കാം?- സ്ഥിരീകരിക്കാൻ ഞാൻ എന്ത് പരിശോധനകൾ ചെയ്യണം?തീരുമാനം എടുക്കൽ; എനിക്ക് ഒരു ചെക്ക്‌ലിസ്റ്റ് തരൂ.

4) അനിശ്ചിതത്വ വ്യാഖ്യാനം:

എൻ്റെ ചെയിൻ ലാഡർ മികച്ച ഊഹ വ്യവസ്ഥ 42 ദശലക്ഷം TL ആണ്, Mack സ്റ്റാൻഡേർഡ് പിശക് 5.3 ദശലക്ഷം ആണ്. ഒരു മാനേജരോടും റെഗുലേറ്ററോടും ഞാൻ ഇത് എങ്ങനെ വിശദീകരിക്കും?- 75%, 99.5% ലെവലുകൾ എന്താണ് അർത്ഥമാക്കുന്നതെന്ന് ലളിതമായ ഭാഷയിൽ വിശദീകരിക്കുക.- 'ഒറ്റ സംഖ്യയ്ക്ക് പകരം ശ്രേണി' എന്ന സന്ദേശം എനിക്ക് എങ്ങനെ കൈമാറാനാകും?

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

എൻ്റെ പ്രതിഫലം കണക്കാക്കുക.

ത്രികോണമില്ല, രീതിയില്ല, ഡാറ്റയില്ല. AI വിടവിന് അനുയോജ്യമാണ്.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: ബുക്കിംഗ് അസിസ്റ്റൻ്റ്. ഞാൻ നിങ്ങൾക്ക് ക്യുമുലേറ്റീവ് പെയ്ഡ് ക്ലെയിം ട്രയാംഗിൾ നൽകും (അജ്ഞാതൻ, ദശലക്ഷം TL):2021: [4.0, 6.0, 6.8, 7.0]2022: [4.4, 6.5, 7.3]2023: [4.8, 7.0]2024: [5.12] ഓരോ ഘടകങ്ങളും കണക്കാക്കുക, പ്രായം കണക്കാക്കുക കാണിക്കുക.2) ശൂന്യമായ മൂലയിൽ പൂരിപ്പിക്കുക, ഓരോ വർഷത്തിൻ്റെയും അവസാന നഷ്ടം എഴുതുക.3) മൊത്തം പ്രൊവിഷൻ കണക്കാക്കുക (അവസാനം - പണമടയ്ക്കുക).4) 2024 വളരെ പുതിയതാണ്; നിങ്ങളുടെ എസ്റ്റിമേറ്റ് കൂടുതൽ അനിശ്ചിതത്വത്തിലായത് എന്തുകൊണ്ടാണെന്ന് വിശദീകരിക്കുക. ഇൻ്റർമീഡിയറ്റ് നമ്പറുകൾ എന്നെ കാണിക്കൂ, അതുവഴി എനിക്ക് അവ നേരിട്ട് പരിശോധിക്കാനാകും. ഞാൻ നിങ്ങൾക്ക് നൽകുന്ന ഡാറ്റ മാത്രം ഉപയോഗിക്കുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - അപര്യാപ്തമായ വ്യവസ്ഥ. ഒരു കമ്പനി അതിൻ്റെ അതിവേഗം വളരുന്ന ട്രാഫിക് പോർട്ട്‌ഫോളിയോയിൽ കഴിഞ്ഞ രണ്ട് അപകട വർഷങ്ങൾ ഒരു നേർ ചെയിൻ ഗോവണി ഉപയോഗിച്ച് കണക്കാക്കി. പുതുവർഷ ഘടകങ്ങൾ കുറവായതിനാൽ, പ്രൊവിഷൻ 31 ദശലക്ഷം TL ആയി കണക്കാക്കപ്പെട്ടു. ആക്ച്വറി BF ഉപയോഗിച്ച് പരിശോധിച്ച് പ്രതീക്ഷിച്ച നാശനഷ്ട നിരക്ക് ഉപയോഗിച്ചപ്പോൾ, യഥാർത്ഥ പ്രതികരണം 44 ദശലക്ഷം TL ആയിരുന്നു. 13 ദശലക്ഷത്തിൻ്റെ വ്യത്യാസം ഒരു വർഷത്തിനുശേഷം യഥാർത്ഥ നാശനഷ്ടങ്ങളോടെ സ്ഥിരീകരിച്ചു. പാഠം: പുതുവർഷത്തിൽ, വെറും ചങ്ങല ഗോവണിയെ വഞ്ചിക്കുന്നു.

കേസ് 2 - കേടായ ഘടകം. ഒരു അസിസ്റ്റൻ്റ് ആക്ച്വറി AI നിർമ്മിച്ച ത്രികോണത്തിൽ 3→4 ഘടകം 1.42 കണ്ടു; അതേസമയം ചരിത്ര ശരാശരി 1.05 ആയിരുന്നു. ചോദ്യം ചെയ്യപ്പെടാതെ കടന്നുപോയിരുന്നെങ്കിൽ, പ്രതികരണം ഏകദേശം 30 ശതമാനം വർദ്ധിക്കുമായിരുന്നു. ഡേറ്റാ ലോഡിംഗ് പിഴവ് കാരണമാണ് രണ്ട് അപകട വർഷങ്ങൾ മാറ്റിയതെന്ന് അന്വേഷണത്തിൽ കണ്ടെത്തി. AI പിശക് സൃഷ്ടിച്ചില്ല, പക്ഷേ അത് ശ്രദ്ധിച്ചില്ല; ആക്ച്വറിയുടെ ന്യായമായ പരിശോധന പിടികിട്ടി.

കേസ് 3 - അനിശ്ചിതത്വത്തിൻ്റെ ശരിയായ അവതരണം. ഉത്തരവാദിത്തമുള്ള ഒരു ആക്ച്വറി മാനേജ്‌മെൻ്റിനോട് പറഞ്ഞു, "പ്രൊവിഷൻ 42 ദശലക്ഷമാണ്." ഇത് ഉറപ്പാണെന്ന് കരുതി മാനേജ്‌മെൻ്റ് ലാഭം വിതരണം ചെയ്തു. അടുത്ത വർഷം, യഥാർത്ഥ കണക്ക് 48 ദശലക്ഷമായപ്പോൾ, ഒരു പ്രതിസന്ധി ഉടലെടുത്തു. അടുത്ത ടേമിൽ, ആക്ച്വറി "മികച്ച ഊഹം 42 ആണ്, എന്നാൽ 75% ലെവൽ 46 ആണ്, 99.5% ലെവൽ 55 ദശലക്ഷമാണ്" എന്ന് പറയുന്ന മാക്കും ബൂട്ട്‌സ്‌ട്രാപ്പും ഉള്ള ഒരു ശ്രേണി വാഗ്ദാനം ചെയ്തു; അതിനനുസരിച്ചാണ് മാനേജ്‌മെൻ്റ് തീരുമാനമെടുത്തത്. AI ബൂട്ട്‌സ്‌ട്രാപ്പ് കോഡും ചാർട്ടും തയ്യാറാക്കുന്നതിൽ ഇത് ധാരാളം സമയം ലാഭിച്ചു.

സാധാരണ തെറ്റുകൾ

• സമീപ വർഷങ്ങളിൽ അപകടങ്ങളിൽ ചെയിൻ ഗോവണി മാത്രമാണ് ഉപയോഗിക്കുന്നത്. കുറഞ്ഞ ഡാറ്റ അർത്ഥമാക്കുന്നത് അസ്ഥിര ഘടകം എന്നാണ്; BF ഉള്ള ബാലൻസ്.
• വികസന ഘടകങ്ങളെ ന്യായമായ നിയന്ത്രണത്തിന് വിധേയമാക്കുന്നില്ല. ഒരു അഴിമതി ഘടകം മുഴുവൻ പ്രതികരണത്തെയും ഇല്ലാതാക്കുന്നു; ചരിത്രപരമായ മാതൃകയുമായി താരതമ്യം ചെയ്യുക.
• പരസ്പരമുള്ള ഒരു കൃത്യമായ സംഖ്യയായി അവതരിപ്പിക്കുന്നു. പ്രതികരണം ഊഹമാണ്; ഒരു അനിശ്ചിതത്വ പരിധി (മാക്, ബൂട്ട്സ്ട്രാപ്പ്) ഇല്ലാതെ അവതരിപ്പിക്കുന്നത് തെറ്റിദ്ധരിപ്പിക്കുന്നതാണ്.
• പണമടച്ചതും തിരിച്ചറിഞ്ഞതുമായ ത്രികോണത്തെ ആശയക്കുഴപ്പത്തിലാക്കുന്നു. രണ്ടും വ്യത്യസ്ത കാര്യങ്ങൾ അളക്കുന്നു; ഒരു അടിസ്ഥാനത്തിൽ സ്ഥിരമായി പ്രവർത്തിക്കുക അല്ലെങ്കിൽ ബോധപൂർവ്വം രണ്ടും താരതമ്യം ചെയ്യുക.
• പണപ്പെരുപ്പവും റെഗുലേറ്ററി ബ്രേക്കുകളും അവഗണിക്കുന്നു. മുൻകാല വികസന മാതൃക ഭാവിയിൽ അതേപടി നിലനിൽക്കണമെന്നില്ല; ഘടനാപരമായ മാറ്റവും പരിഗണിക്കുക.

ചുരുക്കത്തിൽ

കരുതൽ എന്നത് ഭാവി ബാധ്യതയുടെ ഇപ്പോഴത്തെ എസ്റ്റിമേറ്റ് ആണ്, ഇൻഷുറൻസ് കമ്പനിയുടെ ഏറ്റവും നിർണായകമായ ആക്ച്വറിയൽ കണക്കുകൂട്ടലും ആണ്. മുൻകാല പേയ്‌മെൻ്റ് പാറ്റേൺ ഡെവലപ്‌മെൻ്റ് ത്രികോണത്തിൽ കാണപ്പെടുന്നു; ചെയിൻ ഗോവണി ശൂന്യമായ മൂലയിൽ പ്രായത്തിനനുസരിച്ചുള്ള ഘടകങ്ങൾ നിറയ്ക്കുകയും ഐബിഎൻആർ ഉൾപ്പെടെയുള്ള അന്തിമ നാശനഷ്ടങ്ങളും നഷ്ടപരിഹാരവും കണക്കാക്കുകയും ചെയ്യുന്നു. പുതിയ വർഷങ്ങളിൽ, BF കൂടുതൽ സ്ഥിരതയുള്ളതാണ്; മാക്കും ബൂട്ട്‌സ്‌ട്രാപ്പും ഉപയോഗിച്ചാണ് അനിശ്ചിതത്വം അളക്കുന്നത്. AI ത്രികോണത്തിൽ പൂരിപ്പിക്കുന്നു, കോഡ് എഴുതുന്നു, രീതികൾ താരതമ്യം ചെയ്യുന്നു; എന്നാൽ ഘടകം തിരഞ്ഞെടുക്കൽ, ന്യായമായ പരിശോധന, അന്തിമ കണക്ക് എന്നിവ ഉത്തരവാദിത്തമുള്ള ആക്ച്വറിയുടെ വിധിന്യായത്തെയും ഒപ്പിനെയും ആശ്രയിച്ചിരിക്കുന്നു.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ക്യുമുലേറ്റീവ് പെയ്ഡ് ക്ലെയിമുകളുടെ ഒരു അജ്ഞാത മിനി ത്രികോണം സൃഷ്ടിക്കുക (4 അപകട വർഷങ്ങൾ × 4 വികസന വർഷം വരെ). ചെയിൻ ഗോവണി ഉപയോഗിച്ച് തുല്യമായത് കണക്കാക്കാൻ AI-യോട് ആവശ്യപ്പെടുക. പ്രായത്തിനനുസരിച്ചുള്ള ഘടകങ്ങളും 2 വർഷത്തെ അവസാനവും നേരിട്ട് പരിശോധിച്ചുറപ്പിക്കുക. തുടർന്ന് AI-യോട് “ഏറ്റവും സമീപകാലത്ത് BF എങ്ങനെയാണ് വ്യത്യസ്തമായ ഫലം ഉണ്ടാക്കിയിരുന്നത്” എന്ന് ചോദിക്കുകയും രണ്ട് രീതികളും താരതമ്യം ചെയ്യുകയും ചെയ്യുക. ഒരു ഘടകത്തെ ബോധപൂർവം വളച്ചൊടിക്കുക (ഉദാഹരണത്തിന്, ഒരു സെല്ലിനെ 10 മടങ്ങ് വലുതാക്കുക) കൂടാതെ AI-യുടെ പ്രതികരണം എങ്ങനെ മാറുന്നുവെന്നും പ്ലാസിബിലിറ്റി പരിശോധന ഇത് എങ്ങനെ മനസ്സിലാക്കുമെന്നും നിരീക്ഷിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ത്രികോണം സജ്ജീകരിക്കുന്നത് പണമടച്ച നാശത്തെ അടിസ്ഥാനമാക്കിയാണോ അല്ലെങ്കിൽ സംഭവിച്ച നാശത്തെ അടിസ്ഥാനമാക്കിയാണോ?
• [ ] പ്രായ-പ്രായ ഘടകങ്ങളെ ചരിത്രപരമായ പാറ്റേണുമായി താരതമ്യം ചെയ്തുകൊണ്ട് ഞാൻ വിശ്വസനീയത പരിശോധിച്ചിട്ടുണ്ടോ?
• [ ] പുതിയ/പക്വതയില്ലാത്ത വർഷങ്ങളിൽ ഞാൻ BF-ൽ ക്രോസ്-ചെക്ക് ചെയ്തിട്ടുണ്ടോ?
• [ ] ഞാൻ പ്രതികരണം ഒരു അക്കത്തിന് പകരം അനിശ്ചിതത്വ ശ്രേണിയിൽ അവതരിപ്പിച്ചോ?
• [ ] ഞാൻ സ്വതന്ത്രമായി അന്തിമ നാശനഷ്ടവും ഗണിത സംഖ്യയും വീണ്ടും കണക്കാക്കിയിട്ടുണ്ടോ?
• [ ] എൻ്റെ ഘടകം തിരഞ്ഞെടുക്കുന്നതിനുള്ള ന്യായീകരണം (ശരാശരി തരം, കാലയളവ്) ഞാൻ രേഖാമൂലം നൽകിയിട്ടുണ്ടോ?