ਲਾਭ:
- ਡੈਟਾ ਐਂਟਰੀ ਤੋਂ ਲੈ ਕੇ ਅੰਤਮ ਹਸਤਾਖਰਿਤ ਰਿਪੋਰਟ ਤੱਕ, ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਸਮਰਥਤ ਇੱਕ ਅੰਤ ਤੋਂ ਅੰਤ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਪੂਰੇ ਐਕਚੁਰੀਅਲ ਵਰਕਫਲੋ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਵਰਕਫਲੋ ਵਿੱਚ ਨਕਲੀ ਖੁਫੀਆ ਟੂਲਸ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਵੇਲੇ ਸੰਸਕਰਣ ਨਿਯੰਤਰਣ, ਆਡਿਟ ਟ੍ਰੇਲ ਅਤੇ ਦੁਹਰਾਉਣਯੋਗਤਾ ਅਨੁਸ਼ਾਸਨ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇਹ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਕਿ ਕਿਵੇਂ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਯੁੱਗ ਵਿੱਚ ਅਸਲ ਪੇਸ਼ਾ ਬਦਲ ਰਿਹਾ ਹੈ ਅਤੇ ਆਪਣੇ ਹੁਨਰ ਵਿਕਾਸ ਅਤੇ ਪੇਸ਼ੇਵਰ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ।
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਇੱਕ ਐਕਚੁਅਰੀ AI ਨੂੰ ਪੁੱਛਦਾ ਹੈ "ਪਿਛਲੇ ਸਾਲ ਸਾਡੇ ਪੋਰਟਫੋਲੀਓ ਦੀ ਘਾਟੇ ਦੀ ਬਾਰੰਬਾਰਤਾ ਕੀ ਸੀ?" ਨੀਤੀ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਬਿਨਾਂ। ਉਹ ਪੁੱਛਦਾ ਹੈ, ਅਤੇ ਮਾਡਲ ਇੱਕ ਭਰੋਸੇਮੰਦ ਨੰਬਰ ਦਿੰਦਾ ਹੈ। ਇਹ ਸਥਿਤੀ ਕਿਹੜਾ ਜੋਖਮ ਸਭ ਤੋਂ ਵੱਧ ਉਦਾਹਰਣ ਦਿੰਦੀ ਹੈ?
- ਏ) ਹੇਲੁਸੀਨੇਸ਼ਨ: ਮਾਡਲ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਬਣਾਇਆ-ਅੱਪ ਨੰਬਰ ਬਣਾਉਂਦਾ ਹੈ ✔
- ਬੀ) ਓਵਰਫਿਟਿੰਗ
- C) ਡਾਟਾ ਲੀਕੇਜ
- ਡੀ) ਮੌਤ ਦਰ ਵਿੱਚ ਸੁਧਾਰ
ਵਿਆਖਿਆ: ਜਦੋਂ ਮਾਡਲ ਨੂੰ ਕੋਈ ਡਾਟਾ ਨਹੀਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਜੋ ਸੰਖਿਆ ਪੈਦਾ ਕਰਦਾ ਹੈ ਉਹ ਇੱਕ ਭੁਲੇਖਾ ਹੁੰਦਾ ਹੈ: ਇੱਕ ਤਰਲ ਪਰ ਬਣਾਇਆ ਗਿਆ ਆਉਟਪੁੱਟ ਜੋ ਅਸਲ ਡੇਟਾ 'ਤੇ ਅਧਾਰਤ ਨਹੀਂ ਹੈ। ਸੰਖਿਆਤਮਕ ਨਤੀਜੇ ਜਿਵੇਂ ਕਿ ਬਾਰੰਬਾਰਤਾ ਦੀ ਗਣਨਾ ਹਮੇਸ਼ਾ ਸੰਸਥਾ ਦੇ ਆਪਣੇ ਡੇਟਾ ਤੋਂ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
2. ਨੁਕਸਾਨ ਦੇ ਮਾਡਲਿੰਗ ਵਿੱਚ "ਫ੍ਰੀਕੁਐਂਸੀ" ਅਤੇ "ਤੀਬਰਤਾ" ਵਿਚਕਾਰ ਅੰਤਰ ਦਾ ਮੁੱਖ ਕਾਰਨ ਕੀ ਹੈ?
- ਏ) ਕਿਉਂਕਿ ਕਾਨੂੰਨ ਮਾਡਲਿੰਗ ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਤੀਬਰਤਾ ਨੂੰ ਇਕੱਠੇ ਮਨ੍ਹਾ ਕਰਦਾ ਹੈ
- ਅ) ਕਿਉਂਕਿ ਇਹ ਕੇਵਲ ਜੀਵਨ ਬੀਮੇ ਲਈ ਵੈਧ ਹੈ
- C) ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਤੀਬਰਤਾ ਵੱਖੋ-ਵੱਖਰੀਆਂ ਵੰਡਾਂ ਦਾ ਪਾਲਣ ਕਰਦੇ ਹਨ; ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਮਾਡਲਿੰਗ ਕਰਨਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਜੋੜਨਾ ਕੁੱਲ ਨੁਕਸਾਨ ਦੀ ਵਧੇਰੇ ਸਹੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ✔
- D) ਕਿਉਂਕਿ ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਤੀਬਰਤਾ ਹਮੇਸ਼ਾਂ ਇੱਕੋ ਮੁੱਲ ਲੈਂਦੇ ਹਨ, ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਇਹ ਕਾਫੀ ਹੈ।
ਵਿਆਖਿਆ: ਨੁਕਸਾਨਾਂ ਦੀ ਸੰਖਿਆ (ਵਾਰਵਾਰਤਾ) ਅਤੇ ਪ੍ਰਤੀ ਨੁਕਸਾਨ ਦੀ ਮਾਤਰਾ (ਤੀਬਰਤਾ) ਦੇ ਵੱਖੋ-ਵੱਖਰੇ ਵਿਵਹਾਰ ਅਤੇ ਵੱਖੋ-ਵੱਖਰੇ ਸੰਭਾਵੀ ਵੰਡ ਹਨ; ਕੁੱਲ ਨੁਕਸਾਨ (ਜੋਖਮ ਪ੍ਰੀਮੀਅਮ) ਮਾਡਲਿੰਗ ਅਤੇ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਗੁਣਾ ਕਰਕੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਅੰਤਰ ਦੋਵਾਂ ਦੀ ਵਧੇਰੇ ਸਹੀ ਭਵਿੱਖਬਾਣੀ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
3. IBNR ਬਰਾਬਰ ਦਾ ਕੀ ਮਤਲਬ ਹੈ?
- A) ਪ੍ਰੀਮੀਅਮ ਰਿਫੰਡ ਲਈ ਨਿਰਧਾਰਤ ਕਾਨੂੰਨੀ ਫੰਡ
- ਅ) ਹੋਏ ਨੁਕਸਾਨ ਲਈ ਪ੍ਰਬੰਧ ਪਰ ਅਜੇ ਤੱਕ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ ਗਈ ✔
- C) ਪੁਨਰ-ਬੀਮਾਕਰਤਾ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਵੇਗਾ ਕਮਿਸ਼ਨ
- ਡੀ) ਭੁਗਤਾਨ ਕੀਤੇ ਅਤੇ ਬੰਦ ਹੋਏ ਹਰਜਾਨੇ ਦੀ ਕੁੱਲ
ਸਪੱਸ਼ਟੀਕਰਨ: IBNR (ਖਰਚਿਆ ਪਰ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤਾ ਗਿਆ) ਨੁਕਸਾਨ ਦੀ ਭਵਿੱਖੀ ਲਾਗਤ ਲਈ ਵੱਖਰਾ ਰੱਖਿਆ ਗਿਆ ਪ੍ਰਬੰਧ ਹੈ ਜੋ ਹੋਇਆ ਹੈ ਪਰ ਅਜੇ ਤੱਕ ਕੰਪਨੀ ਨੂੰ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ। ਇਸ ਦਾ ਅੰਦਾਜ਼ਾ ਚੇਨ ਲੈਡਰ ਵਰਗੇ ਤਰੀਕਿਆਂ ਨਾਲ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ।
4. ਚੇਨ-ਪੌੜੀ ਵਿਧੀ ਵਿੱਚ "ਵਿਕਾਸ ਕਾਰਕ" ਦੀ ਵਰਤੋਂ ਕੀ ਹੈ?
- ਏ) ਮਹਿੰਗਾਈ ਦੇ ਅਨੁਸਾਰ ਪ੍ਰੀਮੀਅਮ ਨੂੰ ਅਪਡੇਟ ਕਰਦਾ ਹੈ
- ਅ) ਨੀਤੀਆਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਸਾਲਾਂ ਦੁਆਰਾ ਵੰਡਦਾ ਹੈ
- C) ਪੂੰਜੀ ਦੀ ਲੋੜ ਦੀ ਸਿੱਧੀ ਗਣਨਾ ਕਰਦਾ ਹੈ
- D) ਇਸਦੀ ਵਰਤੋਂ ਇੱਕ ਵਿਕਾਸ ਦੀ ਮਿਆਦ ਤੋਂ ਅਗਲੀ ਤੱਕ ਸੰਚਤ ਨੁਕਸਾਨ ਦੀ ਵਿਕਾਸ ਦਰ ਦੇ ਕੇ ਅੰਤਮ ਨੁਕਸਾਨ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ✔
ਵਿਆਖਿਆ: ਵਿਕਾਸ ਕਾਰਕ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਨੁਕਸਾਨ ਦੀ ਮਿਆਦ ਦਾ ਸੰਚਤ ਨੁਕਸਾਨ ਵਿਕਾਸ ਦੇ ਇੱਕ ਸਾਲ ਤੋਂ ਅਗਲੇ ਸਾਲ ਤੱਕ ਕਿੰਨੀ ਵਾਰ ਵਧਦਾ ਹੈ; ਇਹਨਾਂ ਕਾਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਅਪੂਰਣ ਪੜਾਵਾਂ ਦੇ ਅੰਤਮ ਨੁਕਸਾਨ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ.
5. GLM (ਆਮ ਤੌਰ 'ਤੇ ਲੀਨੀਅਰ ਮਾਡਲ) ਨੂੰ ਐਕਚੂਰੀਜ਼ ਵਿੱਚ ਕੀਮਤ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਤਰਜੀਹ ਕਿਉਂ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ?
- ਏ) ਕਿਉਂਕਿ ਇਹ ਹਮੇਸ਼ਾਂ ਸਭ ਤੋਂ ਉੱਚੀ ਭਵਿੱਖਬਾਣੀ ਸ਼ੁੱਧਤਾ ਦਿੰਦਾ ਹੈ
- ਅ) ਕਿਉਂਕਿ ਗੁਣਾਂਕ ਵਿਆਖਿਆਯੋਗ ਹਨ, ਪ੍ਰੀਮੀਅਮ 'ਤੇ ਜੋਖਮ ਕਾਰਕਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਸਮਝਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ✔
- C) ਕਿਉਂਕਿ ਇਹ ਡੇਟਾ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਕੰਮ ਕਰਦਾ ਹੈ
- ਡੀ) ਕਿਉਂਕਿ ਕਾਨੂੰਨ ਸਿਰਫ GLM ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਵਰਣਨ: GLM ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ ਪ੍ਰੀਮੀਅਮ 'ਤੇ ਹਰੇਕ ਜੋਖਮ ਕਾਰਕ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਸਦੇ ਗੁਣਾਂਕ ਵਿਆਖਿਆਯੋਗ ਹਨ; ਇਹ ਕਾਨੂੰਨ, ਆਡਿਟਿੰਗ ਅਤੇ ਨੌਕਰੀ ਦੇ ਵੇਰਵੇ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦਾ ਹੈ।
6. ਮੌਤ ਦਰ ਸਾਰਣੀ 'ਤੇ qx ਮੁੱਲ ਕੀ ਦਰਸਾਉਂਦਾ ਹੈ?
- A) ਇੱਕ ਸਾਲ ਦੇ ਅੰਦਰ x ਉਮਰ ਦੇ ਵਿਅਕਤੀ ਦੇ ਮਰਨ ਦੀ ਸੰਭਾਵਨਾ ✔
- ਅ) ਉਮਰ x ਤੱਕ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ ਕੁੱਲ ਪ੍ਰੀਮੀਅਮ
- C) x-ਸਾਲ ਸਾਲਾਨਾ ਦਾ ਮੌਜੂਦਾ ਮੁੱਲ
- ਡੀ) ਤਕਨੀਕੀ ਵਿਆਜ ਦਰ
ਵਿਆਖਿਆ: qx ਇੱਕ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਇੱਕ ਵਿਅਕਤੀ ਜੋ x ਦੀ ਉਮਰ ਤੱਕ ਪਹੁੰਚ ਗਿਆ ਹੈ ਇੱਕ ਸਾਲ ਦੇ ਅੰਦਰ ਮਰ ਜਾਵੇਗਾ। ਇਹ ਜੀਵਨ ਬੀਮਾ ਅਤੇ ਰਿਟਾਇਰਮੈਂਟ ਖਾਤਿਆਂ ਦਾ ਮੁੱਢਲਾ ਇੰਪੁੱਟ ਹੈ; ਬਚਣ ਦੀ ਸੰਭਾਵਨਾ px = 1 - qx ਦੁਆਰਾ ਪਾਈ ਜਾਂਦੀ ਹੈ।
7. ਸਲਾਨਾ ਖਾਤੇ ਵਿੱਚ ਤਕਨੀਕੀ ਵਿਆਜ (ਛੂਟ) ਦਰ ਨੂੰ ਵਧਾਉਣਾ ਭਵਿੱਖ ਦੇ ਭੁਗਤਾਨਾਂ ਦੇ ਮੌਜੂਦਾ ਮੁੱਲ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ?
- ਏ) ਮੌਜੂਦਾ ਮੁੱਲ ਵਧਾਉਂਦਾ ਹੈ
- ਅ) ਇਹ ਬਿਲਕੁਲ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਹੁੰਦਾ
- C) ਮੌਜੂਦਾ ਮੁੱਲ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ✔
- ਡੀ) ਇਹ ਸਿਰਫ ਮੌਤ ਦਰ ਨੂੰ ਬਦਲਦਾ ਹੈ
ਵਿਆਖਿਆ: ਜਿਵੇਂ ਕਿ ਛੂਟ ਦੀ ਦਰ ਵਧਦੀ ਹੈ, ਭਵਿੱਖ ਦੇ ਭੁਗਤਾਨਾਂ ਦਾ ਮੌਜੂਦਾ ਮੁੱਲ ਘੱਟ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਪੈਸੇ ਦਾ ਸਮਾਂ ਮੁੱਲ ਵਧੇਰੇ ਜ਼ੋਰਦਾਰ ਢੰਗ ਨਾਲ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਇਸ ਲਈ, ਵਿਆਜ ਦੀ ਧਾਰਨਾ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਦੇਣਦਾਰੀ ਮੁੱਲ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ ਅਤੇ ਧਿਆਨ ਨਾਲ ਚੁਣੀ ਜਾਂਦੀ ਹੈ।
8. ਵਿਸ਼ੇਸ਼ਤਾ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ "ਡੇਟਾ ਲੀਕੇਜ" ਦਾ ਕੀ ਅਰਥ ਹੈ?
- ਏ) ਬਿਨਾਂ ਏਨਕ੍ਰਿਪਸ਼ਨ ਦੇ ਡੇਟਾ ਨੂੰ ਸਟੋਰ ਕਰਨਾ
- ਅ) ਔਸਤ ਨਾਲ ਗੁੰਮ ਹੋਏ ਮੁੱਲਾਂ ਨੂੰ ਭਰਨਾ
- C) ਡੇਟਾ ਦਾ ਬੈਕਅੱਪ ਨਹੀਂ ਲੈਣਾ
- D) ਉਹ ਜਾਣਕਾਰੀ ਜੋ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੇ ਸਮੇਂ ਅਸਲ ਵਿੱਚ ਉਪਲਬਧ ਨਹੀਂ ਹੁੰਦੀ ਹੈ, ਨੂੰ ਮਾਡਲ ਵਿੱਚ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਗੁੰਮਰਾਹਕੁੰਨ ਢੰਗ ਨਾਲ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ ✔
ਵਿਆਖਿਆ: ਡੇਟਾ ਲੀਕੇਜ ਮਾਡਲ ਵਿੱਚ ਜਾਣਕਾਰੀ ਦੀ ਜਾਣ-ਪਛਾਣ ਹੈ ਜੋ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੇ ਸਮੇਂ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹੈ (ਉਦਾਹਰਣ ਲਈ, ਇੱਕ ਵੇਰੀਏਬਲ ਜਿਸ ਵਿੱਚ ਭਵਿੱਖ ਹੁੰਦਾ ਹੈ)। ਇਹ ਨਕਲੀ ਤੌਰ 'ਤੇ ਟੈਸਟ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ ਅਤੇ ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ ਮਾਡਲ ਨੂੰ ਅਸਫਲ ਕਰਨ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ।
9. ਇੱਕ ਮੋਂਟੇ ਕਾਰਲੋ ਸਿਮੂਲੇਸ਼ਨ ਅਸਲ ਵਿੱਚ ਇੱਕ ਐਕਚੁਰੀ ਨੂੰ ਕੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ?
- A) ਨਤੀਜੇ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਅਤੇ ਸਟੀਕ ਸੰਖਿਆ ਤੱਕ ਘਟਾਉਂਦਾ ਹੈ
- ਅ) ਇਹ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਬੇਤਰਤੀਬੇ ਦ੍ਰਿਸ਼ ਤਿਆਰ ਕਰਕੇ ਨਤੀਜੇ ਦੀ ਸੰਭਾਵਨਾ ਦੀ ਵੰਡ ਅਤੇ ਪੂਛ ਦੇ ਜੋਖਮ ਨੂੰ ਦੇਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ✔
- C) ਇਹ ਇਤਿਹਾਸਕ ਡੇਟਾ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਸਹੀ ਭਵਿੱਖਬਾਣੀਆਂ ਦਿੰਦਾ ਹੈ।
- ਡੀ) ਵਿਧਾਨ ਦਾ ਪਾਠ ਆਪਣੇ ਆਪ ਲਿਖਦਾ ਹੈ
ਵਿਆਖਿਆ: ਮੋਂਟੇ ਕਾਰਲੋ ਬੇਤਰਤੀਬੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਦੁਹਰਾਉਂਦਾ ਹੈ ਤਾਂ ਜੋ ਨਤੀਜੇ ਨੂੰ ਇੱਕ ਬਿੰਦੂ ਦੀ ਬਜਾਏ ਇੱਕ ਸੰਭਾਵੀ ਵੰਡ (ਜਿਵੇਂ ਕਿ ਪੂਛ ਦਾ ਜੋਖਮ, 99.5% ਪੱਧਰ) ਵਜੋਂ ਦੇਖਿਆ ਜਾ ਸਕੇ। ਇਹ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਮਾਪਣ ਦਾ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਤਰੀਕਾ ਹੈ।
10. ਸੌਲਵੈਂਸੀ II ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ SCR (ਸੋਲਵੈਂਸੀ ਕੈਪੀਟਲ ਲੋੜ) ਦਾ ਕੀ ਅਰਥ ਹੈ?
- A) ਕੁੱਲ ਸਾਲਾਨਾ ਪ੍ਰੀਮੀਅਮ ਆਮਦਨ
- ਅ) ਭੁਗਤਾਨ ਕੀਤੇ ਹਰਜਾਨੇ ਦੀ ਕੁੱਲ
- C) 99.5% ਭਰੋਸੇ ਦੇ ਪੱਧਰ 'ਤੇ ਇੱਕ ਸਾਲ ਦੇ ਘਾਟੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਪੂੰਜੀ ਦੀ ਲੋੜ ✔
- ਡੀ) ਪੁਨਰ-ਬੀਮਾ ਕਮਿਸ਼ਨ ਦੀ ਦਰ
ਵਿਆਖਿਆ: SCR ਪੂੰਜੀ ਦੀ ਲੋੜ ਹੈ ਜੋ ਕੰਪਨੀ ਨੂੰ 99.5% ਭਰੋਸੇ ਦੇ ਪੱਧਰ 'ਤੇ ਇੱਕ ਸਾਲ ਦੇ ਅੰਦਰ ਆਪਣੀਆਂ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਬਣਾਈ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ (ਇੱਕ ਬੁਰੀ ਸਥਿਤੀ ਵਿੱਚ ਜੋ 200 ਸਾਲਾਂ ਵਿੱਚ ਲਗਭਗ ਇੱਕ ਵਾਰ ਵਾਪਰਦਾ ਹੈ)। ਇਹ ਇੱਕ ਬੀਮਾਕਰਤਾ ਦੀ ਵਿੱਤੀ ਲਚਕਤਾ ਦਾ ਇੱਕ ਮੁੱਖ ਮਾਪ ਹੈ।
11. ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਮੁੱਲ ਦੇ ਮਾਡਲ ਵਿੱਚ "ਅਸਿੱਧੇ ਵਿਤਕਰੇ" ਕਿਵੇਂ ਵਾਪਰਦਾ ਹੈ?
- A) ਇੱਕ ਵਰਜਿਤ ਵੇਰੀਏਬਲ ਨਾਲ ਜੁੜਿਆ ਇੱਕ ਪ੍ਰੌਕਸੀ ਵੇਰੀਏਬਲ ਅਸਿੱਧੇ ਤੌਰ 'ਤੇ ਉਹੀ ਵਿਤਕਰੇ ਵਾਲਾ ਪ੍ਰਭਾਵ ਰੱਖਦਾ ਹੈ ✔
- ਬੀ) ਮਾਡਲ ਬਹੁਤ ਘੱਟ ਡਾਟਾ ਵਰਤਦਾ ਹੈ
- C) ਉੱਚ ਪ੍ਰੀਮੀਅਮ ਨਿਰਧਾਰਤ ਕਰਨਾ
- ਡੀ) ਘੱਟ ਤਕਨੀਕੀ ਦਿਲਚਸਪੀ ਦੀ ਚੋਣ
ਵਿਆਖਿਆ: ਭਾਵੇਂ ਇੱਕ ਵਰਜਿਤ ਵੇਰੀਏਬਲ (ਉਦਾਹਰਨ ਲਈ ਨਸਲੀ) ਨੂੰ ਮਾਡਲ ਵਿੱਚੋਂ ਹਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਇੱਕ ਮਜ਼ਬੂਤੀ ਨਾਲ ਸੰਬੰਧਿਤ ਸਰੋਗੇਟ ਵੇਰੀਏਬਲ (ਜਿਵੇਂ ਕਿ ਨੇਬਰਹੁੱਡ/ਜ਼ਿਪ ਕੋਡ) ਅਸਿੱਧੇ ਤੌਰ 'ਤੇ ਉਹੀ ਵਿਤਕਰੇ ਵਾਲਾ ਪ੍ਰਭਾਵ ਲੈ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ, ਮਾਡਲ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ, ਸਗੋਂ ਅਸਿੱਧੇ ਵਿਤਕਰੇ ਲਈ ਵੀ ਨਿਰੀਖਣ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ।
12. ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਟੂਲ ਨਾਲ ਨੀਤੀ ਅਤੇ ਦਾਅਵੇ ਦੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵੇਲੇ ਮੂਲ ਗੋਪਨੀਯਤਾ ਨਿਯਮ ਕੀ ਹੈ?
- A) ਜੇਕਰ ਡੇਟਾ ਛੋਟਾ ਹੈ, ਤਾਂ ਅਗਿਆਤਕਰਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ
- ਅ) ਹਰ ਹਾਲਤ ਵਿੱਚ ਸਿਰਫ਼ ਨਾਂ ਬਦਲਣਾ ਹੀ ਕਾਫੀ ਹੈ
- C) ਜੇਕਰ ਡੇਟਾ ਐਨਕ੍ਰਿਪਟਡ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਕਿਸੇ ਵੀ ਵਾਹਨ 'ਤੇ ਅਪਲੋਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
- ਡੀ) ਨਿੱਜੀ/ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਬਣਾਓ, ਬੇਲੋੜਾ ਡੇਟਾ ਸਾਂਝਾ ਨਾ ਕਰੋ ਅਤੇ ਇੱਕ ਸੁਰੱਖਿਅਤ/ਸੰਸਥਾਗਤ ਸਾਧਨ ਚੁਣੋ ✔
ਸਪੱਸ਼ਟੀਕਰਨ: ਨਿੱਜੀ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਡੇਟਾ (TR ID, ਨਾਮ, ਨਿਦਾਨ, ਪ੍ਰੋਟੋਕੋਲ) ਨੂੰ ਸਾਂਝਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਅਗਿਆਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਜੇਕਰ ਸੰਭਵ ਹੋਵੇ, ਤਾਂ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਕੰਟਰੈਕਟ ਵਾਲੇ ਕਾਰਪੋਰੇਟ ਟੂਲਸ ਜੋ ਮਾਡਲ ਸਿਖਲਾਈ ਵਿੱਚ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦੇ ਹਨ, ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। KVKK ਨੂੰ ਇਸਦੀ ਲੋੜ ਹੈ।
13. ਬੋਰਨਹੂਏਟਰ-ਫਰਗੂਸਨ (BF) ਵਿਧੀ ਨਾਲ ਚੇਨ ਦੀ ਪੌੜੀ ਦੀ ਤੁਲਨਾ ਕਰਨ ਵਾਲਾ ਐਕਟਚੁਅਰੀ ਅਕਸਰ ਅਪੰਗ (ਨਵੇਂ) ਨੁਕਸਾਨ ਦੇ ਸਮੇਂ ਲਈ BF ਨੂੰ ਤਰਜੀਹ ਕਿਉਂ ਦਿੰਦਾ ਹੈ?
- A) ਕਿਉਂਕਿ BF ਕਾਨੂੰਨ ਦੁਆਰਾ ਲਾਜ਼ਮੀ ਹੈ
- B) ਕਿਉਂਕਿ BF ਨੂੰ ਡੇਟਾ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ ਹੈ
- C) ਨਵੇਂ ਦੌਰ ਵਿੱਚ, ਚੇਨ ਲੈਡਰ ਕਾਰਕ ਬਹੁਤ ਅਸਥਿਰ ਹੋ ਜਾਂਦੇ ਹਨ; BF ਸੰਭਾਵਿਤ ਨੁਕਸਾਨ ਦਰ ✔ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਧੇਰੇ ਸਥਿਰ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ
- D) ਕਿਉਂਕਿ ਚੇਨ ਲੈਡਰ ਕੇਵਲ ਜੀਵਨ ਬੀਮੇ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ
ਵਿਆਖਿਆ: ਕਿਉਂਕਿ ਨਵੇਂ ਪੀਰੀਅਡਾਂ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਨੁਕਸਾਨ ਹੁੰਦਾ ਹੈ, ਚੇਨ ਲੈਡਰ ਡਿਵੈਲਪਮੈਂਟ ਕਾਰਕ ਛੋਟੇ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਵੇਦਨਸ਼ੀਲ ਅਤੇ ਅਸਥਿਰ ਹੋ ਜਾਂਦੇ ਹਨ। BF ਅਨੁਮਾਨਿਤ ਨੁਕਸਾਨ ਦਰ (ਇੱਕ ਤਰਜੀਹ) ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਅਸਥਿਰਤਾ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਵਧੇਰੇ ਸਥਿਰ ਪੂਰਵ ਅਨੁਮਾਨ ਦਿੰਦਾ ਹੈ।
14. ਮੁੱਖ ਸਮੱਸਿਆ ਕੀ ਹੈ ਜੇਕਰ ਕੋਈ ਐਕਚੁਰੀ ਸਿੱਧੇ AI-ਜਨਰੇਟ ਰਿਜ਼ਰਵ ਖਾਤੇ 'ਤੇ ਦਸਤਖਤ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਰੈਗੂਲੇਟਰ ਨੂੰ ਭੇਜਦਾ ਹੈ?
- A) ਜਿੰਮੇਵਾਰੀ ਅਤੇ ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਐਕਟਚੂਰੀ ਦੇ ਨਾਲ ਹੈ; ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ਪ੍ਰਿੰਟਆਊਟ 'ਤੇ ਦਸਤਖਤ ਕਰਨ ਨਾਲ ਪੇਸ਼ੇਵਰ ਅਤੇ ਕਾਨੂੰਨੀ ਜੋਖਮ ਖਤਮ ਨਹੀਂ ਹੁੰਦਾ ✔
- ਅ) ਨਕਲੀ ਖੁਫੀਆ ਆਉਟਪੁੱਟ ਹਮੇਸ਼ਾ ਗਲਤ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ
- ਸੀ) ਰੈਗੂਲੇਟਰ ਨੇ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਾਬੰਦੀ ਲਗਾ ਦਿੱਤੀ ਹੈ
- ਡੀ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਆਉਟਪੁੱਟ ਲਈ ਦਸਤਖਤ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ
ਵਰਣਨ: AI ਆਉਟਪੁੱਟ ਇੱਕ ਡਰਾਫਟ ਹੈ; ਵਿਧੀ ਦੀ ਚੋਣ, ਧਾਰਨਾਵਾਂ ਅਤੇ ਅੰਤਮ ਅੰਕੜੇ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹਸਤਾਖਰ ਕਰਨ ਵਾਲੇ ਐਕਟਚੂਰੀ ਦੀ ਹੈ। ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ 'ਤੇ ਦਸਤਖਤ ਕਰਨਾ ਇੱਕ ਗੈਰ-ਹਸਤਾਖਰਿਤ ਰਿਪੋਰਟ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਜਿੰਨਾ ਹੀ ਖਤਰਨਾਕ ਹੈ ਅਤੇ ਪੇਸ਼ੇਵਰ/ਕਾਨੂੰਨੀ ਦੇਣਦਾਰੀ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਦਾ ਹੈ।