लाभ:
- क्षति विकास त्रिकोण, IBNR (खर्च गरिएको तर रिपोर्ट नगरिएको क्षति) र कृत्रिम बुद्धिमत्ताको समर्थनमा चेन-लेडर विधि स्थापना गर्न र विकास कारकहरूको व्याख्या गर्ने क्षमता।
- Bornhuetter-Ferguson र Mack जस्ता वैकल्पिक विधिहरूसँग परिणामहरू तुलना गर्ने क्षमता र रिजर्व अनिश्चितता (परिवर्तनशीलता, आत्मविश्वास अन्तराल) कृत्रिम बुद्धिमत्ताको साथ व्याख्या गर्ने क्षमता।
- आर्टिफिसियल इन्टेलिजेन्सद्वारा गणना गरिएको प्रावधान आंकडा मस्यौदा हो, अन्तिम होइन, र विकास कारक र न्यायिक सुधारको छनोट जिम्मेवार व्यक्तिको हो भन्ने कुरा कायम राख्न सक्षम हुनु।
जब एक बीमा कम्पनीले आज क्षतिको लागि भुक्तान गर्दछ, यसले वास्तवमा विगतमा बेचेको नीतिको ऋण भुक्तान गर्दछ। तर प्रत्येक क्षति तुरुन्तै रिपोर्ट गरिएको छैन र प्रत्येक रिपोर्ट गरिएको क्षति तुरुन्तै पूर्ण रूपमा भुक्तान गरिएको छैन। आज ट्राफिक दुर्घटना हुन्छ, कम्पनीलाई तीन महिना पछि सूचित गरिन्छ, अदालतको प्रक्रिया दुई वर्ष लाग्छ, र अन्तिम भुक्तानी चार वर्ष पछि स्पष्ट हुन्छ। तसर्थ, कम्पनीले क्षतिको लागि आज नै पैसा आरक्षित गर्नुपर्छ जुन अझै पूर्ण रूपमा भुक्तान गरिएको छैन वा अझै रिपोर्ट गरिएको छैन। यो पैसालाई रिजर्भ भनिन्छ, र यसको सही गणना बीमा कम्पनीको सबैभन्दा महत्त्वपूर्ण वास्तविक कार्य हो। यदि उसले कम छोड्यो भने, कम्पनी दिवालिया हुनेछ; यदि धेरै छुट्याइएको छ भने, पूंजी व्यर्थमा बाँधिएको छ र नाफा लुकाइन्छ।
यस इकाईमा, हामी प्रावधान लेखाको मुटुमा रहेका तीन अवधारणाहरू समावेश गर्नेछौं: क्षति विकास त्रिकोण, IBNR र चेन-लेडर विधि। त्यसपछि हामी वैकल्पिक विधिहरू (Bornhuetter-Ferguson, Mack) र अनिश्चिततालाई विचार गर्नेछौं। AI ले यी गणनाहरूको लागि कोड लेख्छ, त्रिकोणमा भर्छ, कारकहरू गणना गर्दछ र नतिजा बताउँछ; तर विकास कारक छनोट, न्यायिक सुधार र अन्तिम प्रावधान अंकको जिम्मेवारी जिम्मेवार एक्च्युअरीमा निहित छ।
क्षति विकास त्रिकोण के हो?
प्रावधान गणनाको आधार विकास त्रिकोण / रन-अफ त्रिकोण हो। पङ्क्तिहरूले क्षति भएको अवधि देखाउँदछ (दुर्घटना वर्ष), र स्तम्भहरूले त्यो क्षति (विकास वर्ष) को लागि कति भुक्तान गरिएको थियो भनेर देखाउँदछ। जसमा यस्तो लेखिएको छः २०२१ दुर्घटना वर्षको पहिलो विकास वर्षमा ४० लाख, दोस्रो वर्षमा कुल ६२ लाख र तेस्रो वर्षमा ७० लाख भुक्तान गरिएको थियो। पुरानो दुर्घटना वर्षहरू परिपक्व भइसकेका छन् (लगभग सबै भुक्तानीहरू बनाइएका छन्), जबकि नयाँ वर्षहरू अझै विकास हुँदैछन्। त्यसैले त्रिकोणको नाम: तल्लो दायाँ कुना खाली छ, किनभने नयाँ वर्षको थप विकास अझै भएको छैन। एक्चुअरीको काम यो खाली कुनाको अनुमान लगाउनु हो।
IBNR (खर्च गरिएको तर रिपोर्ट गरिएको छैन) ठ्याक्कै यस अन्तरको अंश हो: दावीहरूको भविष्यको लागत जुन भएको छ तर कम्पनीलाई अझै रिपोर्ट गरिएको छैन। त्यहाँ IBNER (रिपोर्ट गरिएको तर कम आरक्षित दावीहरूको अतिरिक्त विकास) पनि छ। अभ्यासमा, त्रिकोण विधिहरूले कुल आवश्यक प्रावधान (भुक्तानी + भविष्य विकास) अनुमान गर्दछ; जब तपाइँ भुक्तान गरिएको भाग घटाउनुहुन्छ, बाँकी प्रावधान IBNR सहित रहन्छ।
सुझाव: तपाईंले दुई फरक आधारहरूमा त्रिकोण सेट अप गर्न सक्नुहुन्छ: "क्षति भुक्तान गरिएको" र "क्षति भएको (भुक्तानी गरिएको + ज्ञात आरक्षित)"। दुवैलाई सँगै जाँच्दा तपाईंलाई दावी टोलीहरूको बुकिङ व्यवहारमा भएको परिवर्तनलाई क्याप्चर गर्न मद्दत गर्छ।
चरण-दर-चरण चेन-सीढी
चेन लडर सबैभन्दा सामान्य प्रतिक्रिया विधि हो, र यसको तर्क सहज छ: यदि विगतमा घाटाहरू एक विकास वर्षबाट अर्कोमा औसतमा निश्चित दरमा बढेको छ भने, नयाँ वर्षहरू समान दरमा बढ्नेछ। चरणहरू:
- संचयी त्रिकोण सेट अप गर्नुहोस्। विकासको वर्ष अनुसार प्रत्येक दुर्घटना वर्षको लागि संचयी भुक्तान दावीहरू क्रमबद्ध गर्नुहोस्।
- विकास कारक गणना। प्रत्येक स्तम्भ पासको लागि: अर्को स्तम्भको योग / हालको स्तम्भको योग (दुवै स्तम्भहरू कब्जा गरिएका पङ्क्तिहरू मात्र प्रयोग गरेर)। उदाहरण को लागी, कारक 1→2 1.45 हो; कारक 2→3 1.12 हुन सक्छ। यो कारकलाई उमेर-देखि-उमेर कारक भनिन्छ।
- संचयी (स्ट्याक्ड) कारकहरू फेला पार्नुहोस्। प्रत्येक वर्षको फाइनलमा पुग्न बाँकी कारकहरूलाई गुणन गर्दै।
- खाली कुना भर्नुहोस्। प्रत्येक नयाँ दुर्घटना वर्षको अन्तिम ज्ञात मानलाई बाँकी कारकहरूद्वारा गुणा गरेर अन्तिम क्षतिको अनुमान गर्नुहोस्।
- प्रतिक्रिया गणना गर्नुहोस्। अन्तिम क्षति - मिति सम्म भुक्तान = भविष्यमा भुक्तान योग्य प्रावधान (IBNR सहित)।
निम्न तालिका एउटा सानो उदाहरण हो (सञ्चित भुक्तान क्षति, मिलियन TL):
दुर्घटना वर्ष
आउनुहोस्। १
आउनुहोस्। २
आउनुहोस्। ३
आउनुहोस्। ४
२०२१
४.०
६.०
६.८
७.०
२०२२
४.४
६.५
७.३
?
२०२३
४.८
७.०
?
?
२०२४
५.२
?
?
?
यस त्रिकोणमा, कारक 1→2 लगभग 1.47 हो; 2→3 लगभग 1.12; ३→४ लगभग १.०३ बराबर हुन्छ। २०२४ अन्तिम ५.२ × १.४७ × १.१२ × १.०३ ≈ ८.८२ मिलियन; भुक्तान गरिएको रकम 5.2 भएकोले, प्रावधान ≈ 3.62 मिलियन TL हो। AI ले यो अंकगणित सेकेन्डमा गर्छ, तर एक्चुअरीले निर्णय गर्छ कि कारकहरू व्यावहारिक छन् कि छैनन्।
वैकल्पिक विधि र अनिश्चितता
चेन सीढी मात्र पर्याप्त छैन किनभने विकास कारकहरू साना उतार-चढ़ावहरूप्रति अत्यन्तै संवेदनशील हुन्छन् किनभने हालैका दुर्घटना वर्षहरूमा थोरै तथ्याङ्कहरू छन्; एउटै ठूलो क्षतिले सम्पूर्ण अनुमानलाई उडाउन सक्छ। त्यसैले बोर्नह्युटर-फर्ग्युसन (BF) विधि प्रयोग गरिन्छ: BF ले बाह्य अपेक्षित क्षति अनुपात जानकारी प्रयोग गरेर अविकसित भागको अनुमान गर्छ र यसरी अस्थिरतालाई सहज बनाउँछ। चेन सीढीलाई परिपक्व वर्षहरूमा प्राथमिकता दिइन्छ, BF नयाँ र अपरिपक्व वर्षहरूमा रुचाइन्छ; सँगै तिनीहरूले सन्तुलित अनुमान दिन्छन्।
अनिश्चितता मापन गर्न, म्याक विधि प्रयोग गरिन्छ: यसले विश्लेषणात्मक रूपमा चेन सीढी अनुमानको मानक त्रुटि (परिवर्तनशीलता) दिन्छ। थप रूपमा, प्रतिक्रियाको पूर्ण सम्भाव्यता वितरण बुटस्ट्र्याप द्वारा उत्पादन गर्न सकिन्छ (डेटा बारम्बार नमूना गरेर सिमुलेशन); यसले प्रश्नको जवाफ दिन्छ (सल्भेन्सी II को लागि महत्वपूर्ण) "हाम्रो प्रतिक्रिया सबैभन्दा खराब अवस्थामा के हुनेछ?" AI कोड उत्पन्न गर्न र यी विधिहरूको तुलनामा धेरै शक्तिशाली छ।
सावधानी: वृद्धि कारक चयन मेकानिकल छैन। एक वर्षमा, कानूनमा परिवर्तन, मुद्दाहरूको ठूलो लहर, वा दावी भुक्तानीको दरमा परिवर्तनले कारकहरूलाई बाधा पुर्याउन सक्छ। "सरल औसत, भारित औसत, पछिल्लो 3 वर्ष" को छनौट न्यायिक छ र न्यायसंगत हुनुपर्छ।
रिजर्भ लेखा मा AI कसरी प्रयोग गर्ने
1) चेन सीढी कोड:
पाइथनमा टिप्पणी गरिएको कोड लेख्नुहोस् जसले चेन-लेडर गणना गर्दछ। इनपुट: संचयी भुक्तान क्षति त्रिकोण (सूचीहरूको सूची, हराइरहेको कक्षहरू कुनै पनि छैन)। 1) प्रत्येक स्तम्भ पासको लागि भोल्युम-भारित उमेर कारक गणना गर्नुहोस्। 2) संचयी कारकहरू पत्ता लगाउनुहोस्। 3) खाली कुनामा भर्नुहोस् र प्रत्येक दुर्घटना वर्षको लागि अन्तिम क्षतिको अनुमान गर्नुहोस्। 4) गणना गर्नुहोस् र क्षतिपूर्तिको योगफल (अन्तिम - भुक्तान गरिएको)। स्क्रिनमा प्रत्येक मध्यवर्ती चरण छाप्नुहोस्; पुस्तकालय नबनाउनुहोस्, आधारभूत पाइथन प्रयोग गर्नुहोस्।
2) विधि तुलना:
चेन लडर र बोर्नहुएटर-फर्ग्युसन बीचको भिन्नता एक्च्युअरीलाई बुझाउनुहोस्।- कुन अवस्थामा बढी भरपर्दो छ?- नयाँ (अपरिपक्व) दुर्घटना वर्षहरूमा किन BF लाई प्राथमिकता दिइन्छ?- BF को लागि आवश्यक 'अपेक्षित क्षति दर' कसरी निर्धारण गर्ने? तालिकामा फाइदा/बेफाइदाहरू संक्षेप गर्नुहोस्।
3) कारक व्यावहारिकता जाँच:
मसँग निम्न उमेर-देखि-उमेर कारकहरू छन्: 1->2: 1.47; २->३: १.१२; ३->४: १.०३; 4->5: 1,45। 4->5 कारक अरूको तुलनामा अनौठो देखिन्छ।- यो जम्पको सम्भावित कारणहरू के हुन सक्छन् (नियामक, ठूलो क्षति, डेटा त्रुटि)?- प्रमाणित गर्न मैले के जाँच गर्नुपर्छ? निर्णय लिने; मलाई चेकलिस्ट दिनुहोस्।
4) अनिश्चितता व्याख्या:
मेरो चेन सीढी उत्तम अनुमान प्रावधान 42 मिलियन TL हो, म्याक मानक त्रुटि 5.3 मिलियन हो। मैले यसलाई प्रबन्धक र नियामकलाई कसरी बुझाउने? - 75% र 99.5% स्तरको अर्थ के हो भनेर स्पष्ट भाषामा व्याख्या गर्नुहोस्।- म कसरी सन्देश 'एकल संख्याको सट्टा दायरा' बताउन सक्छु?
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
मेरो इनाम गणना गर्नुहोस्।
त्यहाँ कुनै त्रिकोण छैन, कुनै विधि छैन, कुनै डेटा छैन। एआईले ग्याप मिलाउँछ।
शक्तिशाली प्रम्प्ट:
तपाईंको भूमिका: बुकिङ सहायक। म तपाईंलाई संचयी भुक्तान गरिएको दाबी त्रिकोण (अनाम, मिलियन TL) दिनेछु: २०२१: [४.०, ६.०, ६.८, ७.०]२०२२: [४.४, ६.५, ७.३]२०२३: [४.८, ७.०]२०२४: [५:२] तथ्याङ्कको आधारमा, प्रत्येकको तौल-उमेरको हिसाब show.2) खाली कुनामा भर्नुहोस्, प्रत्येक वर्षको अन्तिम हानि लेख्नुहोस्। 3) कुल प्रावधान (अन्तिम - भुक्तान) गणना गर्नुहोस्। त्यसोभए तपाईंको अनुमान किन अनिश्चित छ भनेर व्याख्या गर्नुहोस्। मलाई मध्यवर्ती नम्बरहरू देखाउनुहोस् ताकि म तिनीहरूलाई म्यानुअल रूपमा प्रमाणित गर्न सकूँ। मैले दिएको डेटा मात्र प्रयोग गर्नुहोस्।
तीन मिनी केसहरू
केस 1 - अपर्याप्त प्रावधान। एउटा कम्पनीले आफ्नो द्रुत-बढ्दो ट्राफिक पोर्टफोलियोमा सिधा चेन सीढीको साथ पछिल्लो दुई दुर्घटना वर्षहरू गणना गर्यो। नयाँ वर्षका कारकहरू कम भएकाले, प्रावधान 31 मिलियन TL मा अनुमान गरिएको थियो। जब एक्चुरीले BF सँग जाँच गर्यो र अपेक्षित क्षति दर प्रयोग गर्यो, वास्तविक प्रतिक्रिया 44 मिलियन TL थियो। 13 मिलियनको भिन्नता एक वर्ष पछि वास्तविक क्षतिको साथ पुष्टि भयो। पाठ: नयाँ वर्षमा, केवल चेनले सीढीलाई धोका दिन्छ।
केस २ - भ्रष्ट कारक। एआईले उत्पादन गरेको त्रिभुजमा एक सहायक एक्चुअरीले 1.42 को 3→4 कारक देखे; जबकि ऐतिहासिक औसत 1.05 थियो। यदि यो प्रश्न नगरी पारित भएको भए, प्रतिक्रिया लगभग 30 प्रतिशतले बढेको थियो। डाटा लोडिङ त्रुटिका कारण दुई दुर्घटना वर्ष सारिएको अनुसन्धानले देखाएको छ । AI ले त्रुटि उत्पन्न गरेन, तर यो याद गरेन; एक्चुअरीको तर्कसंगतता जाँचमा समातियो।
केस ३ - अनिश्चितताको सही प्रस्तुति। एक जिम्मेवार एक्च्युअरले व्यवस्थापनलाई मात्र भने, "प्रविधान ४२ करोड छ।" व्यवस्थापनले यसलाई निश्चित ठानेर नाफा बाँड्यो । अर्को वर्ष, जब वास्तविक संख्या 48 मिलियन थियो, संकट उत्पन्न भयो। अर्को टर्म, एक्चुअरीले म्याक र बुटस्ट्र्यापको साथ दायरा प्रस्ताव गरे "सबैभन्दा राम्रो अनुमान 42 हो, तर 75% स्तर 46 हो, 99.5% स्तर 55 मिलियन हो"; सोही अनुसार व्यवस्थापनले निर्णय गरेको हो । यसले एआई बुटस्ट्र्याप कोड र चार्ट तयार गर्न धेरै समय बचत गर्यो।
सामान्य गल्तीहरू
- हालैका वर्षहरूमा भएका दुर्घटनाहरूमा चेन सीढी मात्र प्रयोग गर्दै। कम डाटा भनेको अस्थिर कारक हो; BF सँग सन्तुलन।
- विकास कारकहरूलाई तर्कसंगत नियन्त्रणको अधीनमा नगर्ने। एउटा भ्रष्ट कारकले सम्पूर्ण प्रतिक्रियालाई उडायो; ऐतिहासिक ढाँचासँग तुलना गर्नुहोस्।
- एकल सटीक संख्याको रूपमा पारस्परिक प्रस्तुत गर्दै। प्रतिक्रिया एक अनुमान हो; यसलाई अनिश्चितता दायरा (म्याक, बुटस्ट्र्याप) बिना प्रस्तुत गर्नु भ्रामक छ।
- भुक्तान गरिएको र महसुस गरिएको त्रिकोणलाई भ्रमित गर्दै। दुई फरक कुरा मापन; एक आधारमा लगातार काम गर्नुहोस् वा सचेत रूपमा दुई तुलना गर्नुहोस्।
- मुद्रास्फीति र नियामक ब्रेकहरू बेवास्ता गर्दै। विगतको विकासको ढाँचा भविष्यमा पनि उस्तै नहोस्; संरचनात्मक परिवर्तनलाई पनि विचार गर्नुहोस्।
संक्षेपमा
रिजर्भ भविष्यको दायित्वको वर्तमान अनुमान हो र बीमा कम्पनीको सबैभन्दा महत्वपूर्ण एक्चुरियल गणना हो। विगतको भुक्तानी ढाँचालाई विकास त्रिकोणको साथ हेरिएको छ; चेन लडरले खाली कुनालाई उमेर-दर-उमेर कारकहरू भर्छ र IBNR सहित अन्तिम क्षति र क्षतिपूर्तिको अनुमान गर्दछ। नयाँ वर्षहरूमा, BF अधिक स्थिर छ; अनिश्चितता म्याक र बुटस्ट्र्याप द्वारा मापन गरिन्छ। AI त्रिकोणमा भर्छ, कोड लेख्छ, र विधिहरू तुलना गर्दछ; तर कारक छनोट, तर्कसंगतता जाँच र अन्तिम आंकडा जिम्मेवार एक्चुअरीको निर्णय र हस्ताक्षरमा निर्भर गर्दछ।
आवेदन कार्य
संचयी भुक्तान दावीहरूको एउटा बेनामी मिनी त्रिकोण सिर्जना गर्नुहोस् (४ दुर्घटना वर्ष × ४ विकास वर्षसम्म)। AI लाई चेन लडरसँग बराबरको गणना गर्न सोध्नुहोस्। म्यानुअल रूपमा उमेर-द्वारा-उमेर कारकहरू र 2 वर्षको अन्तिम प्रमाणीकरण गर्नुहोस्। त्यसपछि AI लाई सोध्नुहोस् "कसरी BF ले भर्खरैको वर्षको लागि फरक नतिजा उत्पादन गरेको थियो" र दुई विधिहरू तुलना गर्नुहोस्। कुनै एक कारकलाई सचेत रूपमा विकृत गर्नुहोस् (उदाहरणका लागि, 10 गुणाले सेल ठूलो गर्नुहोस्) र AI को प्रतिक्रिया कसरी परिवर्तन हुन्छ र कसरी प्रशंसनीयता जाँचले यसलाई समात्छ हेर्नुहोस्।
चेकलिस्ट
- के मैले भुक्तान गरिएको क्षति वा क्षतिको आधारमा त्रिकोण सेटअप गरेको छु भन्ने कुरामा म एकरूप छु?
- [ ] के मैले ऐतिहासिक ढाँचासँग उमेर-उमेरका कारकहरू तुलना गरेर प्रशंसनीयता जाँच गरेको छु?
- के मैले नयाँ/अपरिपक्व वर्षहरूको लागि BF सँग क्रस-चेक गरेको छु?
- के मैले एकल संख्याको सट्टा अनिश्चितता दायराको साथ प्रतिक्रिया प्रस्तुत गरें?
- के मैले स्वतन्त्र रूपमा अन्तिम क्षति र काउन्टर अंकगणित पुन: गणना गरेको छु?
- [ ] के मैले मेरो कारक चयन (औसत प्रकार, अवधि) को औचित्य लिखित रूपमा राखेको छु?