नफा:
- कृत्रिम बुद्धिमत्तेच्या सहाय्याने नुकसान विकास त्रिकोण, IBNR (खर्च केलेले परंतु नोंदवलेले नुकसान) आणि साखळी-शिडी पद्धत स्थापित करण्याची क्षमता आणि विकास घटकांचा अर्थ लावणे
- बॉर्नह्युटर-फर्ग्युसन आणि मॅक सारख्या पर्यायी पद्धतींसह परिणामांची तुलना करण्याची आणि कृत्रिम बुद्धिमत्तेसह राखीव अनिश्चितता (परिवर्तनशीलता, आत्मविश्वास मध्यांतर) स्पष्ट करण्याची क्षमता
- कृत्रिम बुद्धिमत्तेद्वारे गणना केलेली तरतूद आकृती एक मसुदा आहे, अंतिम नाही आणि विकास घटक आणि न्यायिक सुधारणांची निवड जबाबदार एक्च्युअरीची आहे हे राखण्यास सक्षम असणे.
जेव्हा एखादी विमा कंपनी आज झालेल्या नुकसानीची भरपाई करते, तेव्हा ती प्रत्यक्षात पूर्वी विकलेल्या पॉलिसीचे कर्ज फेडते. परंतु प्रत्येक नुकसानाची त्वरित नोंद केली जात नाही आणि नोंदवलेले प्रत्येक नुकसान त्वरित पूर्ण भरले जात नाही. आज एक ट्रॅफिक अपघात होतो, कंपनीला तीन महिन्यांनंतर सूचित केले जाते, न्यायालयीन प्रक्रियेस दोन वर्षे लागतात आणि अंतिम पेमेंट चार वर्षांनी स्पष्ट होते. त्यामुळे, कंपनीने आजपर्यंत पूर्णपणे भरलेल्या किंवा अद्याप अहवाल न दिलेल्या नुकसानीसाठी पैसे राखून ठेवले पाहिजेत. या पैशाला राखीव असे म्हणतात, आणि त्याची अचूक गणना हे विमा कंपनीचे सर्वात महत्वाचे एक्चुअरियल कार्य आहे. त्याने कमी सोडल्यास कंपनी दिवाळखोरीत जाईल; जर जास्त वाटप केले गेले तर भांडवल व्यर्थ बांधले जाते आणि नफा लपविला जातो.
या युनिटमध्ये, आम्ही तरतूद लेखांकनाच्या केंद्रस्थानी असलेल्या तीन संकल्पनांचा समावेश करू: नुकसान विकास त्रिकोण, IBNR आणि साखळी-शिडी पद्धत. मग आम्ही पर्यायी पद्धती (बॉर्नहुएटर-फर्ग्युसन, मॅक) आणि अनिश्चिततेचा विचार करू. एआय या गणनेसाठी कोड लिहिते, त्रिकोण भरते, घटकांची गणना करते आणि परिणाम स्पष्ट करते; परंतु विकास घटक निवड, न्यायिक सुधारणा आणि अंतिम तरतूद आकृतीची जबाबदारी जबाबदार एक्च्युअरीची आहे.
नुकसान विकास त्रिकोण काय आहे?
तरतुदीच्या गणनेचा आधार म्हणजे विकास त्रिकोण/रन-ऑफ त्रिकोण. पंक्ती ज्या कालावधीत नुकसान झाले ते दर्शविते (अपघात वर्ष), आणि स्तंभ त्या नुकसानासाठी किती पैसे दिले गेले (विकास वर्ष) दर्शवतात. हे असे वाचते: 2021 अपघात वर्षाच्या 1ल्या विकास वर्षात 4 दशलक्ष अदा करण्यात आले, 2ऱ्या वर्षी एकत्रित 6.2 दशलक्ष आणि 3ऱ्या वर्षी 7 दशलक्ष अदा करण्यात आले. जुनी अपघात वर्षे परिपक्व झाली आहेत (जवळजवळ सर्व देयके केली गेली आहेत), तर नवीन वर्षे अद्याप विकसित होत आहेत. म्हणून त्रिकोणाचे नाव: खालचा उजवा कोपरा रिकामा आहे, कारण नवीन वर्षांचा पुढील विकास अद्याप झालेला नाही. या रिकाम्या कोपऱ्याचा अंदाज लावणे हे ऍक्च्युअरीचे काम आहे.
IBNR (Incurred But Not Reported) या अंतराचा तंतोतंत भाग आहे: दाव्यांची भविष्यातील किंमत जी अद्याप कंपनीला कळवली गेली नाही. IBNER देखील आहे (अतिरिक्त विकास नोंदवलेला परंतु कमी-आरक्षित दाव्यांची). सराव मध्ये, त्रिकोण पद्धती एकूण आवश्यक तरतुदीचा अंदाज लावतात (सशुल्क + भविष्यातील विकास); तुम्ही दिलेला भाग वजा करता तेव्हा, IBNR सह उर्वरित तरतूद शिल्लक राहते.
टीप: तुम्ही त्रिकोण दोन वेगवेगळ्या आधारांवर सेट करू शकता: "नुकसान भरलेले" आणि "नुकसान झालेले (पेड + ज्ञात राखीव)". दोघांचे एकत्र परीक्षण केल्याने तुम्हाला क्लेम टीम्सच्या बुकिंग वर्तनातील बदल कॅप्चर करण्यात मदत होते.
साखळी-शिडी चरणबद्ध
साखळी शिडी ही सर्वात सामान्य प्रतिसाद पद्धत आहे आणि तिचा तर्क अंतर्ज्ञानी आहे: जर भूतकाळातील तोटा एका विकास वर्षापासून दुसऱ्या वर्षात सरासरी एका विशिष्ट दराने वाढला असेल, तर नवीन वर्षे समान दराने वाढतील. पायऱ्या:
- संचयी त्रिकोण सेट करा. विकासाच्या वर्षानुसार प्रत्येक अपघातासाठी एकत्रित सशुल्क दाव्यांची क्रमवारी लावा.
- विकास घटकांची गणना करा. प्रत्येक स्तंभ पाससाठी: पुढील स्तंभाची बेरीज / वर्तमान स्तंभाची बेरीज (केवळ दोन्ही स्तंभ व्यापलेल्या पंक्ती वापरणे). उदाहरणार्थ, 1→2 हा घटक 1.45 आहे; घटक 2→3 1.12 असू शकतो. या घटकाला वय-ते-वय घटक म्हणतात.
- संचयी (स्टॅक केलेले) घटक शोधा. प्रत्येक वर्षाच्या अंतिम फेरीत पोहोचण्यासाठी उर्वरित घटकांचा गुणाकार करणे.
- रिकामा कोपरा भरा. प्रत्येक नवीन अपघात वर्षाचे अंतिम ज्ञात मूल्य उर्वरित घटकांद्वारे गुणाकार करून अंतिम नुकसानीचा अंदाज लावा.
- प्रतिसादाची गणना करा. अंतिम नुकसान - आजपर्यंत दिलेली = भविष्यात देय तरतूद (IBNR सह).
खालील सारणी एक लहान उदाहरण आहे (संचयी देय नुकसान, दशलक्ष TL):
अपघात वर्ष
या. १
या. 2
या. 3
या. 4
2021
४.०
६.०
६.८
७.०
2022
४.४
६.५
७.३
?
2023
४.८
७.०
?
?
2024
५.२
?
?
?
या त्रिकोणामध्ये, कारक 1→2 हा अंदाजे 1.47 आहे; 2→3 सुमारे 1.12; 3→4 अंदाजे 1.03 च्या बरोबरीचे आहे. 2024 अंतिम 5.2 × 1.47 × 1.12 × 1.03 ≈ 8.82 दशलक्ष; दिलेली रक्कम 5.2 असल्याने, तरतूद ≈ 3.62 दशलक्ष TL आहे. AI हे अंकगणित काही सेकंदात करते, परंतु घटक वाजवी आहेत की नाही हे एक्च्युअरी ठरवते.
पर्यायी पद्धती आणि अनिश्चितता
केवळ साखळी शिडी पुरेशी नाही कारण विकासाचे घटक लहान चढउतारांसाठी अत्यंत संवेदनशील असतात कारण अलीकडील अपघातांच्या वर्षांमध्ये फारसा डेटा नाही; एक मोठे नुकसान संपूर्ण अंदाज उडवू शकते. म्हणूनच Bornhuetter-Ferguson (BF) पद्धत वापरली जाते: BF बाह्य अपेक्षित नुकसान गुणोत्तर माहिती वापरून अविकसित भागाचा अंदाज लावतो आणि अशा प्रकारे अस्थिरता गुळगुळीत करते. साखळी शिडीला परिपक्व वर्षांमध्ये प्राधान्य दिले जाते, नवीन आणि अपरिपक्व वर्षांत बीएफला प्राधान्य दिले जाते; एकत्रितपणे ते संतुलित अंदाज देतात.
अनिश्चितता मोजण्यासाठी, मॅक पद्धत वापरली जाते: ती विश्लेषणात्मकपणे साखळी शिडीच्या अंदाजाची मानक त्रुटी (परिवर्तनशीलता) देते. याव्यतिरिक्त, प्रतिसादाचे पूर्ण संभाव्यता वितरण बूटस्ट्रॅपद्वारे तयार केले जाऊ शकते (डेटा वारंवार नमुने करून सिम्युलेशन); हे "सर्वात वाईट परिस्थितीत आमचा प्रतिसाद काय असेल?" या प्रश्नाचे (सॉलव्हन्सी II साठी गंभीर) उत्तर देते. कोड व्युत्पन्न करण्यात आणि या पद्धतींची तुलना करण्यात AI खूप शक्तिशाली आहे.
खबरदारी: वाढ घटक निवड यांत्रिक नाही. एका वर्षात, कायद्यातील बदल, खटल्यांची मोठी लाट किंवा दाव्याच्या पेमेंटच्या दरातील बदल या घटकांमध्ये व्यत्यय आणू शकतात. "साधी सरासरी, भारित सरासरी, मागील 3 वर्षे" ची निवड न्यायिक आहे आणि ती न्याय्य असणे आवश्यक आहे.
राखीव लेखा मध्ये AI कसे वापरावे
1) साखळी शिडी कोड:
पायथनमध्ये एक टिप्पणी केलेला कोड लिहा जो साखळी-शिडीची गणना करतो. इनपुट: संचयी सशुल्क नुकसान त्रिकोण (याद्यांची सूची, सेल गहाळ नाही). 1) प्रत्येक कॉलम पाससाठी व्हॉल्यूम-वेटेड वय घटकाची गणना करा. 2) एकत्रित घटक शोधा. 3) रिक्त कोपरा भरा आणि प्रत्येक अपघात वर्षासाठी अंतिम नुकसानीचा अंदाज लावा. 4) मोजणी करा आणि भरपाईची बेरीज करा (अंतिम - देय). स्क्रीनवर प्रत्येक मध्यवर्ती चरण मुद्रित करा; लायब्ररी बनवू नका, बेसिक पायथन वापरा.
२) पद्धतीची तुलना:
साखळी शिडी आणि बॉर्नह्युटर-फर्ग्युसन यांच्यातील फरक एक्च्युअरीला समजावून सांगा.- कोणत्या परिस्थितीत अधिक विश्वासार्ह आहे?- नवीन (अपरिपक्व) अपघात वर्षांमध्ये BF ला प्राधान्य का दिले जाते?- BF साठी आवश्यक 'अपेक्षित नुकसान दर' मी कसे ठरवू? साधक/बाधक सारणीमध्ये सारांशित करा.
3) फॅक्टर संभाव्यता तपासणी:
माझ्याकडे वयानुसार खालील घटक आहेत: 1->2: 1.47; 2->3: 1.12; 3->4: 1.03; 4->5: 1,45. 4->5 घटक इतरांच्या तुलनेत विचित्र दिसत आहेत.- या उडीमागची संभाव्य कारणे कोणती असू शकतात (नियामक, मोठे नुकसान, डेटा त्रुटी)?- सत्यापित करण्यासाठी मी कोणती तपासणी करावी?निर्णय घेणे; मला एक चेकलिस्ट द्या.
4) अनिश्चितता व्याख्या:
माझी साखळी शिडी सर्वोत्तम अंदाज तरतूद 42 दशलक्ष TL आहे, मॅक मानक त्रुटी 5.3 दशलक्ष आहे. मी हे व्यवस्थापक आणि नियामकाला कसे समजावून सांगू?- 75% आणि 99.5% स्तरांचा अर्थ काय आहे ते सोप्या भाषेत समजावून सांगा.- मी 'सिंगल नंबरऐवजी रेंज' संदेश कसा देऊ शकतो?
कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट
कमकुवत प्रॉम्प्ट:
माझ्या बक्षीसाची गणना करा.
कोणताही त्रिकोण नाही, पद्धत नाही, डेटा नाही. एआय हे अंतर पूर्ण करते.
शक्तिशाली सूचना:
तुमची भूमिका: बुकिंग सहाय्यक. मी तुम्हाला एकत्रित सशुल्क दाव्यांच्या त्रिकोण (निनावी, दशलक्ष TL) देईन:2021: [4.0, 6.0, 6.8, 7.0]2022: [4.4, 6.5, 7.3]2023: [4.8, 7.0]2024: [5.2]-वजनाप्रमाणे प्रत्येकी-क. वयोगटानुसार, वयोमानानुसार प्रत्येकी टी. show.2) रिक्त कोपरा भरा, प्रत्येक वर्षाचा अंतिम तोटा लिहा.3) एकूण तरतुदीची गणना करा (अंतिम - सशुल्क).4) 2024 अगदी नवीन आहे; त्यामुळे तुमचा अंदाज अधिक अनिश्चित का आहे ते स्पष्ट करा. मला इंटरमीडिएट नंबर दाखवा म्हणजे मी त्यांची व्यक्तिचलितपणे पडताळणी करू शकेन. फक्त मी दिलेला डेटा वापरा.
तीन लहान प्रकरणे
केस 1 - अपुरी तरतूद. एका कंपनीने त्याच्या वेगाने वाढणाऱ्या ट्रॅफिक पोर्टफोलिओमध्ये मागील दोन अपघात वर्षांची सरळ साखळी शिडीने गणना केली. नवीन वर्षांचे घटक कमी असल्याने, तरतूद अंदाजे 31 दशलक्ष TL होती. जेव्हा एक्च्युअरीने BF सह तपासले आणि अपेक्षित नुकसान दर वापरला, तेव्हा वास्तववादी प्रतिसाद 44 दशलक्ष TL होता. 13 दशलक्ष फरकाची पुष्टी एका वर्षानंतर वास्तविक नुकसानीसह झाली. धडा: नवीन वर्षांत, फक्त साखळी शिडीला फसवते.
केस 2 - दूषित घटक. AI ने निर्माण केलेल्या त्रिकोणामध्ये सहाय्यक अभियंत्याने 1.42 चा 3→4 घटक पाहिला; तर ऐतिहासिक सरासरी 1.05 होती. जर ते प्रश्न न विचारता पास झाले असते, तर प्रतिसाद अंदाजे 30 टक्क्यांनी वाढला असता. डेटा लोडिंग एररमुळे दोन अपघात वर्षे हलवण्यात आल्याचे तपासात समोर आले आहे. एआयने त्रुटी निर्माण केली नाही, परंतु ती लक्षात आली नाही; ऍक्च्युअरीचा वाजवीपणा तपासला गेला.
केस 3 - अनिश्चिततेचे योग्य सादरीकरण. एका जबाबदार ऍक्च्युअरीने व्यवस्थापनाला फक्त एवढेच सांगितले की "तरतुद 42 दशलक्ष आहे." व्यवस्थापनाला हे निश्चित वाटले आणि नफा वाटला. पुढच्या वर्षी, खरा आकडा 48 दशलक्ष असताना, एक संकट उद्भवले. पुढील टर्म, ॲक्च्युअरीने मॅक आणि बूटस्ट्रॅपसह श्रेणी ऑफर केली "सर्वोत्तम अंदाज 42 आहे, परंतु 75% पातळी 46 आहे, 99.5% पातळी 55 दशलक्ष आहे"; त्यानुसार व्यवस्थापनाने निर्णय घेतला. यामुळे एआय बूटस्ट्रॅप कोड आणि चार्ट तयार करण्यात बराच वेळ वाचला.
सामान्य चुका
- अलिकडच्या वर्षांत झालेल्या अपघातांमध्ये फक्त साखळी शिडी वापरणे. कमी डेटा म्हणजे अस्थिर घटक; BF सह संतुलन.
- विकास घटकांना वाजवी नियंत्रणाच्या अधीन न करणे. एक भ्रष्ट घटक संपूर्ण प्रतिसाद उडवून देतो; ऐतिहासिक नमुना सह तुलना करा.
- एकल अचूक संख्या म्हणून परस्पर सादर करणे. प्रतिसाद हा अंदाज आहे; अनिश्चितता श्रेणीशिवाय (मॅक, बूटस्ट्रॅप) सादर करणे दिशाभूल करणारे आहे.
- पेड आणि लक्षात आलेला त्रिकोण गोंधळात टाकत आहे. दोघे वेगवेगळ्या गोष्टी मोजतात; एका आधारावर सातत्याने काम करा किंवा जाणीवपूर्वक दोघांची तुलना करा.
- महागाई आणि नियामक ब्रेक्सकडे दुर्लक्ष करणे. भूतकाळातील विकासाची पद्धत भविष्यातही तशीच राहणार नाही; स्ट्रक्चरल बदल देखील विचारात घ्या.
सारांशात
राखीव हा भविष्यातील उत्तरदायित्वाचा सध्याचा अंदाज आहे आणि ही विमा कंपनीची सर्वात महत्त्वाची वास्तविक गणना आहे. मागील पेमेंट पॅटर्न विकास त्रिकोणासह पाहिले जाते; साखळी शिडी रिकामा कोपरा वयोगटातील घटकांसह भरते आणि IBNR सह अंतिम नुकसान आणि भरपाईचा अंदाज लावते. नवीन वर्षांत, बीएफ अधिक स्थिर आहे; अनिश्चितता मॅक आणि बूटस्ट्रॅपद्वारे मोजली जाते. AI त्रिकोणात भरतो, कोड लिहितो आणि पद्धतींची तुलना करतो; परंतु घटक निवड, वाजवीपणा तपासणे आणि अंतिम आकृती जबाबदार एक्च्युअरीच्या निर्णयावर आणि स्वाक्षरीवर अवलंबून असते.
अर्ज कार्य
संचयी सशुल्क दाव्यांच्या निनावी लघु त्रिकोण तयार करा (4 अपघात वर्षे × 4 विकास वर्षांपर्यंत). AI ला साखळी शिडीसह समतुल्य गणना करण्यास सांगा. वय-दर-वयोगट घटक आणि 2 वर्षे अंतिम व्यक्तिचलितपणे सत्यापित करा. मग AI ला विचारा “BF ने अगदी अलीकडच्या वर्षासाठी वेगळा निकाल कसा दिला असेल” आणि दोन पद्धतींची तुलना करा. एक घटक जाणीवपूर्वक विकृत करा (उदाहरणार्थ, सेल 10 पटीने वाढवा) आणि AI चा प्रतिसाद कसा बदलतो आणि संभाव्यता तपासणी हे कसे पकडेल ते पहा.
चेकलिस्ट
- [ ] मी दिलेले नुकसान किंवा झालेले नुकसान यावर आधारित त्रिकोण सेट केला आहे की नाही यात मी सुसंगत आहे का?
- [ ] मी वय-वय घटकांची ऐतिहासिक नमुन्याशी तुलना करून तर्कशुद्धता तपासली आहे का?
- [ ] मी नवीन/अपरिपक्व वर्षांसाठी BF सह क्रॉस-चेक केले आहे का?
- [ ] मी प्रतिसाद एका संख्येऐवजी अनिश्चितता श्रेणीसह सादर केला आहे का?
- [ ] मी स्वतंत्रपणे अंतिम नुकसान आणि प्रति अंकगणित पुन्हा मोजले आहे का?
- मी माझ्या घटक निवडीचे (सरासरी प्रकार, कालावधी) औचित्य लिखित स्वरूपात ठेवले आहे का?