परिस्थिती विश्लेषण आणि ताण चाचणी: अनिश्चितता व्यवस्थापित करणे

नफा:

• कृत्रिम बुद्धिमत्तेच्या सहाय्याने निश्चित परिस्थिती, स्टोकास्टिक सिम्युलेशन (मॉन्टे कार्लो) आणि तणाव चाचणी संकल्पना स्थापित करण्याची क्षमता आणि परिणामांचा जोखमीच्या भाषेत अर्थ लावणे
• कृत्रिम बुद्धिमत्तेसह महागाई, व्याज, आपत्तीजनक नुकसान आणि महामारी यासारख्या धक्कादायक परिस्थिती डिझाइन करण्याची क्षमता आणि दायित्व आणि भांडवली परिणामाचा अंदाज लावणे
• कृत्रिम बुद्धिमत्तेद्वारे तयार केलेली परिस्थिती ऐतिहासिक डेटावर आधारित आहे आणि टेल जोखीम आणि स्ट्रक्चरल ब्रेकमध्ये वास्तविक निर्णय समोर येतो हे वेगळे करण्यास सक्षम असणे.

वास्तविकता हा भविष्याचा अंदाज बांधण्याचा व्यवसाय आहे; पण भविष्य ही एक संख्या नाही, ती शक्यतांचा स्पेक्ट्रम आहे. "आमचे अपेक्षित नुकसान 50 दशलक्ष आहे" असे म्हणणे पुरेसे नाही; खरा प्रश्न असा आहे की: "एखादे वाईट वर्ष आले तर किती लाखांचा खर्च येईल, कंपनी ते हाताळू शकेल का?" या प्रश्नाचे उत्तर देणारी साधने परिस्थिती विश्लेषण आणि तणाव चाचणी आहेत. कंपनीच्या दायित्वांवर आणि भांडवलावर भूकंप, उच्च चलनवाढ, व्याजदराचा धक्का किंवा महामारीचा प्रभाव आगाऊ मोजणे ही अंतर्गत जोखीम व्यवस्थापन आणि सॉल्व्हन्सी II सारख्या कायद्याची मूलभूत आवश्यकता आहे. या युनिटमध्ये, आम्ही निर्धारवादी परिस्थिती, स्टोकास्टिक सिम्युलेशन (मॉन्टे कार्लो) आणि तणाव चाचणी समाविष्ट करू आणि या विश्लेषणांमध्ये AI कसे वापरायचे ते पाहू.

चला तुम्हाला सुरुवातीपासून आठवण करून देऊ: परिस्थिती ऐतिहासिक डेटा आणि गृहितकांवर आधारित आहेत. एआय परिस्थिती डिझाइन करते, सिम्युलेशन कोड लिहिते आणि परिणामांचा अर्थ लावते; पण कोणते धक्के वास्तववादी आहेत, शेपटीची जोखीम कशी हाताळायची आणि स्ट्रक्चरल ब्रेक्स (भूतकाळात कधीही घडलेल्या घटना) कशा समाविष्ट करायच्या हे वास्तविक निर्णयावर सोडले जाते.

निर्धारक परिस्थिती, स्टोकास्टिक सिम्युलेशन आणि तणाव चाचणी

तीन संकल्पना वेगळे करणे महत्वाचे आहे. निर्धारक परिस्थिती म्हणजे गृहितकांचा एकच संच निवडणे आणि निकालाची गणना करणे: "महागाई 40 टक्के असल्यास आमच्या दाव्यांची किंमत काय असेल?" साधे, स्पष्ट आणि संवाद साधण्यास सोपे; पण तो एकच मार्ग दाखवतो, शक्यता नाही. स्टोकास्टिक सिम्युलेशन (मॉन्टे कार्लो) वारंवार हजारो यादृच्छिक परिस्थिती निर्माण करून निकालाची संभाव्यता वितरण प्राप्त करते. अशाप्रकारे, "सरासरी 50, परंतु 99.5 टक्के पातळीवर 78 दशलक्ष" सारखी शेपटीची माहिती मिळते. तणाव चाचणी ही एक विशिष्ट प्रकारची परिस्थिती आहे जी विशिष्ट गंभीर परंतु प्रशंसनीय घटनांच्या प्रभावाचे मोजमाप करते (भूकंप, मार्केट क्रॅश); सामान्यतः नियामकाद्वारे परिभाषित केले जाते.

मॉन्टे कार्लो हे एक्चुरियलच्या सर्वात शक्तिशाली साधनांपैकी एक आहे. तर्क हे आहे: आपण वारंवारता आणि तीव्रतेच्या वितरणातून यादृच्छिक मूल्ये काढता आणि एकूण नुकसानीची गणना करता; तुम्ही हे 10,000 वेळा पुन्हा करा; आपल्या हातात 10,000 संभाव्य एकूण नुकसान जमा करते. या संचयनातून, तुम्ही सरासरी, टक्केवारी जसे की 75 टक्के, 99.5 टक्के आणि सर्वात वाईट परिस्थिती वाचू शकता. सॉल्व्हन्सी II (200 वर्षांतून एकदा येणारे एक वाईट वर्ष) द्वारे आवश्यक असलेली 99.5 टक्के पातळी हीच आहे. AI या सिम्युलेशनसाठी त्वरीत कोड तयार करते.

खालील सारणी तीन दृष्टिकोनांची तुलना करते:

दृष्टीकोन

काय देते

मजबूत बिंदू

मर्यादा

निर्धारक परिस्थिती

एकच परिणाम

साधे, संवाद साधणे सोपे

संभाव्यता देत नाही

माँटे कार्लो

संभाव्यता वितरण

शेपटीचा धोका दर्शवतो

अनुमान आणि डेटावर अवलंबून

ताण चाचणी

धक्का अंतर्गत परिणाम

टिकाऊपणा चाचण्या

शॉक सिलेक्शन न्यायिक आहे

शेपटीचा धोका: सर्वात महत्वाचे आणि सर्वात धोकादायक क्षेत्र

एक्चुरिअल थिअरीमध्ये, खरा धोका क्षुद्र नसून शेपटीत आहे (वितरणाचा अत्यंत, कमी-संभाव्यता परंतु उच्च-प्रभाव असलेला प्रदेश). ज्याने कंपन्या बुडतात ते सरासरी वर्ष नाही, परंतु एक दुर्मिळ परंतु विनाशकारी घटना आहे: एक मोठा भूकंप, एकाच वेळी येणारे बरेच मोठे नुकसान, अचानक व्याजदराचा धक्का. या प्रदेशाचे मोजमाप करण्यासाठी, VaR (जोखमीचे मूल्य — दिलेल्या आत्मविश्वास पातळीवर जास्तीत जास्त नुकसान) आणि TVaR/CTE (शेपटीच्या पलीकडे सरासरी नुकसान) वापरले जातात. मॉन्टे कार्लो ही मापांची गणना करण्याचा नैसर्गिक मार्ग आहे.

परंतु शेपटीत आणखी एक धोका आहे: ऐतिहासिक डेटा शेपटीचे चांगले प्रतिनिधित्व करत नाही. दुर्मिळ घटना, व्याख्येनुसार, भूतकाळात दुर्मिळ होत्या; त्यामुळे मॉडेल त्यांना कमी लेखतात. ऐतिहासिक डेटावर आधारित वितरणात एआय सहजपणे बसते, परंतु ते उत्स्फूर्तपणे विचार करत नाही "जर या पोर्टफोलिओने कधीही अनुभवला नसेल तर महामारी किंवा 100 वर्षांचा भूकंप असेल तर काय?" स्ट्रक्चरल ब्रेक, सहसंबंध वाढणे (संकटाच्या वेळी सर्व काही बिघडते) आणि हवामानातील बदलासारखे ट्रेंड मॉडेलमध्ये समाविष्ट करणे हे ऍक्च्युअरीचे काम आहे.

खबरदारी: "आमचे मॉडेल 99.9 टक्के परिस्थिती हाताळते" हे वाक्य दिलासादायक आहे, परंतु लक्षात ठेवा की मॉडेल डेटावरून शिकते ज्याची शेपटी भूतकाळात आहे. कधीही न घडलेली घटना म्हणजे अगदी सर्वोत्तम मॉडेलचे अंधत्व. येथेच तज्ञांचा निर्णय लागू होतो.

परिस्थिती आणि तणाव चाचणीमध्ये AI कसे वापरावे

1) मॉन्टे कार्लो सिम्युलेशन कोड:

Python सह कंपाऊंड नुकसान मॉन्टे कार्लो सिम्युलेशन लिहा (टिप्पण्यांसह). गृहितके (मी देतो): नुकसानीची संख्या ~ पॉसॉन(लॅम्बडा=१६००), नुकसानीची रक्कम ~ गॅमा(आकार=के, स्केल=थेटा) [मी k आणि थीटा देईन].१) १०,००० वेळा: प्रमाण काढा, ती रक्कम काढा, जोडा.२) एकूण नुकसानीची सरासरी, ७५%, ९५%, ९५% प्रिंट आणि ९३% कॅलरेट स्पष्ट करा. VaR(99.5%) आणि TVaR(99.5%).फिटिंग पॅरामीटर्स; मी देईन. लायब्ररी: खणखणीत.

2) निर्धारक तणाव परिस्थिती:

तुमची भूमिका: जोखीम सहाय्यक. माझे बेस अपेक्षित नुकसान 50 दशलक्ष TL आहे. खालील 3 निर्धारक परिस्थिती सेट करा: अ) महागाईचा धक्का: तीव्रता +30%. ब) वारंवारता शॉक: नुकसानांची संख्या +15%. क) दोन्ही एकत्र. प्रत्येक परिस्थितीमध्ये नवीन अपेक्षित नुकसानाची गणना करा, बेसवर आधारित टक्केवारी प्रभाव दर्शवा आणि कोणता सर्वात गंभीर आहे यावर टिप्पणी करा. फक्त मी दिलेला आधार क्रमांक वापरा.

3) परिस्थिती डिझाइन सल्लागार:

मी आरोग्य विमा पोर्टफोलिओसाठी तणाव चाचणी परिस्थिती डिझाइन करत आहे. - महामारी, उच्च महागाई, नवीन महाग उपचार तंत्रज्ञान आणि नियामक बदल यासाठी प्रत्येकी एक 'गंभीर परंतु वाजवी' परिस्थितीचा मसुदा प्रस्तावित करा. - प्रत्येक परिस्थिती वारंवारता, तीव्रता किंवा दोन्हीवर परिणाम करते का ते सांगा. - ऐतिहासिक डेटासह कॅप्चर केले जाऊ शकत नाही अशा शेपटी जोखीम दर्शवा. मी निर्णय घेईन; तुम्ही फ्रेमवर्क आणि औचित्य प्रदान करता.

4) निकालाचे व्यवस्थापनामध्ये भाषांतर करणे:

माझा मॉन्टे कार्लो निकाल: अपेक्षित नुकसान 50M, VaR(99.5%) 78M, TVaR(99.5%) 89M. संचालक मंडळाला हे 5 वाक्यात समजावून सांगा:- 99.5% आणि TVaR चा अर्थ काय, सोप्या भाषेत.- 'सरासरीचे नियोजन' अपुरे का आहे?- भांडवलाच्या दृष्टीने त्यांनी कोणता आकडा पाहावा?

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट:

माझ्या पोर्टफोलिओसाठी ताण चाचणी करा.

कोणतेही आधारभूत मूल्य नाही, धक्कादायक व्याख्या नाही, वितरण नाही. AI सामान्य मजकूर तयार करते, व्यवहार्य संख्या नाही.

शक्तिशाली सूचना:

तुमची भूमिका: वास्तविक जोखीम सहाय्यक. मूळ गृहीतके (निनावी): अपेक्षित वारंवारता 0.12, सरासरी तीव्रता 30,000 TL, एक्सपोजर 20,000 पॉलिसी-वर्षे. तांत्रिक व्याज 4% आहे. कार्य:1) आधारभूत अपेक्षित एकूण नुकसानाची गणना करा.2) खालील ताण लागू करा आणि प्रत्येकाचा टक्केवारी प्रभाव दर्शवा: - महागाई: तीव्रता +25% - खराब हिवाळा: वारंवारता +10% - व्याजदरात घट: 4% -> 3% (दायित्वाच्या सध्याच्या मूल्यावर परिणाम) 3) 2) सर्वात जास्त टिप्पणी आणि 4 आपण शिफारस का करतो यावर टिप्पणी द्या. शेपटीच्या जोखमीसाठी मोंटे कार्लो, का?फक्त मी दिलेले नंबर वापरा; ते गहाळ असल्यास, विचारा.

तीन लहान प्रकरणे

केस 1 - सरासरीची फसवणूक. एका कंपनीने अपेक्षित नुकसान (50 दशलक्ष) यावर आधारित भांडवलाची योजना केली होती. जेव्हा मॉन्टे कार्लो केले गेले तेव्हा असे दिसून आले की 99.5 टक्के पातळी 82 दशलक्ष होती: खराब वर्षात, 32 दशलक्ष अतिरिक्त गरज होती आणि कंपनी ती पूर्ण करू शकणार नाही. भांडवली योजना सुधारित करण्यात आली आहे. एआयने सेकंदात 10,000 परिस्थितींचे सिम्युलेशन केले; एक्च्युअरीने व्याख्या आणि वितरणाचे मूल्यमापन केले.

केस 2 - सहसंबंध अंधत्व. भूकंप आणि व्यवसाय व्यत्यय कव्हरेज स्वतंत्रपणे पोर्टफोलिओमध्ये कमी धोका दिसून आला. पण भूकंप दोन्ही एकाच वेळी ट्रिगर करतो; स्वातंत्र्य गृहीत धरलेल्या मॉडेलने शेपटीच्या जोखमीला निम्म्याने कमी लेखले. जेव्हा एक्च्युअरीने परिस्थितीशी संबंध जोडला, तेव्हा वास्तविक भांडवलाची गरज लक्षणीय वाढली. धडा: संकटात, जोखीम स्वतंत्र नसतात; प्रश्न AI ने स्वीकारलेले स्वातंत्र्य.

केस 3 - एक घटना जी घडली नाही. हेल्थकेअर पोर्टफोलिओ गेल्या 10 वर्षांच्या डेटावर आधारित खूप "ठोस" दिसत होता. जेव्हा साथीचा रोग आला तेव्हा वारंवारता आणि तीव्रता दोन्ही एकाच वेळी गगनाला भिडले; मॉडेलने कधीही याचा अंदाज लावला नाही कारण डेटामध्ये असे काहीही नव्हते. पुढच्या काळात, निर्धारवादी साथीच्या परिस्थितीची भर पडली. AI ने मसुदा स्क्रिप्ट तयार केली; ॲक्च्युअरीने धक्क्याची तीव्रता ठरवली. धडा: ऐतिहासिक डेटा रांग पूर्ण नाही.

सामान्य चुका

• सरासरीच्या आसपास नियोजन. हे शेपूट आहे, सरासरी नाही, की कंपनी बुडते; VaR/TVaR सारख्या अत्यंत मेट्रिक्स पहा.
• जोखीम स्वतंत्र आहेत असे गृहीत धरून. संकटाच्या काळात परस्परसंबंध वाढतात; स्वातंत्र्याचा स्वीकार शेपूट हलके करतो.
• ऐतिहासिक डेटावर पूर्ण विश्वास. दुर्मिळ आणि संरचनात्मक घटना डेटामधून अनुपस्थित आहेत; तज्ञांच्या निर्णयासह परिस्थिती जोडा.
• निर्धारक आणि स्टोकास्टिक यांचे मिश्रण. एकल परिस्थिती संभाव्यता देत नाही; संभाव्यतेसाठी मॉन्टे कार्लो आवश्यक आहे.
• त्याची पडताळणी न करता सिम्युलेशन निकाल सादर करणे. टक्केवारी आणि VaR स्वतंत्रपणे तपासा; पॅरामीटर त्रुटी संपूर्ण वितरण विकृत करते.

टीप: मॉन्टे कार्लो निकाल सादर करण्यापूर्वी, एक साधी सुसंगतता तपासा: सिम्युलेशन म्हणजे तुम्ही हाताने मोजलेल्या अपेक्षित मूल्याच्या (वारंवारता × तीव्रता × एक्सपोजर) जवळ आहे का? नसल्यास, एक पॅरामीटर किंवा कोड त्रुटी आहे.

सारांशात

भविष्य ही एक संख्या नाही तर शक्यतांचा स्पेक्ट्रम आहे. निर्धारक परिस्थिती एकच "काय तर" मार्ग दर्शविते, मॉन्टे कार्लो संपूर्ण वितरण आणि शेपटीचा धोका दर्शविते, तणाव चाचण्या गंभीर घटनांचा प्रभाव दर्शवितात. खरा धोका शेपटीत आहे, सरासरी नाही आणि ऐतिहासिक डेटा शेपटीचे चांगले प्रतिनिधित्व करत नाही; वाढलेला सहसंबंध आणि घडलेल्या घटनांना वास्तविक निर्णय आवश्यक आहे. एआय परिस्थिती डिझाइन करते, सिम्युलेशन कोड करते आणि परिणामाचा अर्थ लावते; परंतु शॉक सिलेक्शन, सहसंबंध गृहीतक, शेपटीचा निर्णय आणि अंतिम जोखीम निर्णय एक्च्युअरीवर अवलंबून असतो. नेहमी साध्या सातत्य तपासणीसह परिणाम सत्यापित करा.

अर्ज कार्य

अनामित आधार गृहीतके सेट करा (वारंवारता, तीव्रता, एक्सपोजर, व्याज). AI ला विचारा (a) बेस अपेक्षित नुकसान, (b) महागाई, वारंवारता आणि व्याजदराच्या धक्क्यांसह 3 निर्धारक परिस्थिती, (c) मॉन्टे कार्लो सिम्युलेशनसह VaR आणि TVaR (99.5%) ची गणना करा. सिम्युलेशन मीन तुम्ही मॅन्युअली गणना केलेल्या अपेक्षित मूल्याच्या जवळ असल्याचे सत्यापित करा. त्यानंतर एआयशी चर्चा करा की दोन संपार्श्विक अवलंबून (सहसंबंधित) आहेत असे गृहीत धरल्यास शेपूट कसे बदलेल.

चेकलिस्ट

• [ ] मी सरासरीपेक्षा शेपटीचे उपाय (VaR, TVaR) देखील पाहिले आहेत का?
• संकटाच्या वेळी मी जोखमींचा परस्परसंबंध विचारात घेतला आहे का?
• [ ] मी तज्ञांच्या निर्णयासह ऐतिहासिक डेटामध्ये न सापडलेल्या संरचनात्मक/दुर्मिळ परिस्थिती जोडल्या आहेत का?
• [ ] मी जाणीवपूर्वक निर्धारवादी आणि स्टोकेस्टिक दृष्टिकोन वेगळे केले आहेत का?
• [ ] अपेक्षित मूल्याच्या सुसंगततेसाठी मी मॅन्युअली मॉन्टे कार्लो मीन तपासले आहे का?
• [ ] मी परिस्थिती निवडी आणि शॉक परिमाण यांचे औचित्य लिहिले आहे का?