ਲਾਭ:
- ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਸਮਰਥਨ ਨਾਲ ਨੁਕਸਾਨ ਦੇ ਵਿਕਾਸ ਤਿਕੋਣ, IBNR (ਖਰਚੇ ਪਰ ਗੈਰ-ਰਿਪੋਰਟ ਕੀਤੇ ਨੁਕਸਾਨ) ਅਤੇ ਚੇਨ-ਪੌੜੀ ਵਿਧੀ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨ ਅਤੇ ਵਿਕਾਸ ਕਾਰਕਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਵਿਕਲਪਕ ਤਰੀਕਿਆਂ ਜਿਵੇਂ ਕਿ ਬੋਰਨਹੂਟਰ-ਫਰਗੂਸਨ ਅਤੇ ਮੈਕ ਨਾਲ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਰਿਜ਼ਰਵ ਅਨਿਸ਼ਚਿਤਤਾ (ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ, ਵਿਸ਼ਵਾਸ ਅੰਤਰਾਲ) ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇਹ ਬਰਕਰਾਰ ਰੱਖਣ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਗਿਣਿਆ ਗਿਆ ਪ੍ਰਾਵਧਾਨ ਅੰਕੜਾ ਇੱਕ ਡਰਾਫਟ ਹੈ, ਅੰਤਿਮ ਨਹੀਂ, ਅਤੇ ਇਹ ਕਿ ਵਿਕਾਸ ਕਾਰਕ ਅਤੇ ਨਿਆਂਇਕ ਸੁਧਾਰ ਦੀ ਚੋਣ ਜ਼ਿੰਮੇਵਾਰ ਐਕਟਚੂਰੀ ਨਾਲ ਸਬੰਧਤ ਹੈ।
ਜਦੋਂ ਇੱਕ ਬੀਮਾ ਕੰਪਨੀ ਅੱਜ ਕਿਸੇ ਨੁਕਸਾਨ ਲਈ ਭੁਗਤਾਨ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਅਸਲ ਵਿੱਚ ਉਸ ਪਾਲਿਸੀ ਦੇ ਕਰਜ਼ੇ ਦਾ ਭੁਗਤਾਨ ਕਰਦੀ ਹੈ ਜੋ ਇਸਨੇ ਅਤੀਤ ਵਿੱਚ ਵੇਚੀ ਸੀ। ਪਰ ਹਰ ਨੁਕਸਾਨ ਦੀ ਤੁਰੰਤ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਹਰ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਨੁਕਸਾਨ ਦਾ ਤੁਰੰਤ ਭੁਗਤਾਨ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਅੱਜ ਇੱਕ ਟ੍ਰੈਫਿਕ ਦੁਰਘਟਨਾ ਵਾਪਰਦੀ ਹੈ, ਕੰਪਨੀ ਨੂੰ ਤਿੰਨ ਮਹੀਨਿਆਂ ਬਾਅਦ ਸੂਚਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਦਾਲਤੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਦੋ ਸਾਲ ਲੱਗ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਅੰਤਿਮ ਭੁਗਤਾਨ ਚਾਰ ਸਾਲਾਂ ਬਾਅਦ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ, ਕੰਪਨੀ ਨੂੰ ਉਨ੍ਹਾਂ ਨੁਕਸਾਨਾਂ ਲਈ ਅੱਜ ਪੈਸੇ ਰਾਖਵੇਂ ਰੱਖਣੇ ਚਾਹੀਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦਾ ਅਜੇ ਤੱਕ ਪੂਰਾ ਭੁਗਤਾਨ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ ਜਾਂ ਅਜੇ ਤੱਕ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ। ਇਸ ਪੈਸੇ ਨੂੰ ਰਿਜ਼ਰਵ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇਸਦੀ ਸਹੀ ਗਣਨਾ ਕਰਨਾ ਇੱਕ ਬੀਮਾ ਕੰਪਨੀ ਦਾ ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ ਅਸਲ ਕੰਮ ਹੈ। ਜੇ ਉਹ ਘੱਟ ਛੱਡਦਾ ਹੈ, ਤਾਂ ਕੰਪਨੀ ਦੀਵਾਲੀਆ ਹੋ ਜਾਵੇਗੀ; ਜੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵੰਡੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਪੂੰਜੀ ਵਿਅਰਥ ਹੋ ਜਾਂਦੀ ਹੈ ਅਤੇ ਮੁਨਾਫ਼ਾ ਲੁਕ ਜਾਂਦਾ ਹੈ।
ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਪ੍ਰੋਵਿਜ਼ਨ ਅਕਾਉਂਟਿੰਗ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਤਿੰਨ ਸੰਕਲਪਾਂ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ: ਨੁਕਸਾਨ ਵਿਕਾਸ ਤਿਕੋਣ, IBNR ਅਤੇ ਚੇਨ-ਲੈਡਰ ਵਿਧੀ। ਫਿਰ ਅਸੀਂ ਵਿਕਲਪਕ ਤਰੀਕਿਆਂ (ਬੋਰਨਹੂਏਟਰ-ਫਰਗੂਸਨ, ਮੈਕ) ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ 'ਤੇ ਵਿਚਾਰ ਕਰਾਂਗੇ। AI ਇਹਨਾਂ ਗਣਨਾਵਾਂ ਲਈ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਤਿਕੋਣ ਵਿੱਚ ਭਰਦਾ ਹੈ, ਕਾਰਕਾਂ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਨਤੀਜੇ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ; ਪਰ ਵਿਕਾਸ ਕਾਰਕ ਦੀ ਚੋਣ, ਨਿਆਂਇਕ ਸੁਧਾਰ ਅਤੇ ਅੰਤਮ ਵਿਵਸਥਾ ਦੇ ਅੰਕੜੇ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਜ਼ਿੰਮੇਵਾਰ ਐਕਟਚੂਰੀ ਦੀ ਹੈ।
ਨੁਕਸਾਨ ਵਿਕਾਸ ਤਿਕੋਣ ਕੀ ਹੈ?
ਵਿਵਸਥਾ ਦੀ ਗਣਨਾ ਦਾ ਆਧਾਰ ਵਿਕਾਸ ਤਿਕੋਣ / ਰਨ-ਆਫ ਤਿਕੋਣ ਹੈ। ਕਤਾਰਾਂ ਉਹ ਸਮਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਜਿਸ ਵਿੱਚ ਨੁਕਸਾਨ ਹੋਇਆ ਸੀ (ਦੁਰਘਟਨਾ ਸਾਲ), ਅਤੇ ਕਾਲਮ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਉਸ ਨੁਕਸਾਨ (ਵਿਕਾਸ ਸਾਲ) ਲਈ ਕਿੰਨਾ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਪੜ੍ਹਦਾ ਹੈ: 2021 ਦੁਰਘਟਨਾ ਸਾਲ ਦੇ ਪਹਿਲੇ ਵਿਕਾਸ ਸਾਲ ਵਿੱਚ 4 ਮਿਲੀਅਨ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਦੂਜੇ ਸਾਲ ਵਿੱਚ ਇੱਕ ਸੰਚਤ 6.2 ਮਿਲੀਅਨ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਤੀਜੇ ਸਾਲ ਵਿੱਚ 7 ਮਿਲੀਅਨ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਸੀ। ਪੁਰਾਣੇ ਦੁਰਘਟਨਾ ਦੇ ਸਾਲ ਪਰਿਪੱਕ ਹੋ ਗਏ ਹਨ (ਲਗਭਗ ਸਾਰੇ ਭੁਗਤਾਨ ਕੀਤੇ ਗਏ ਹਨ), ਜਦੋਂ ਕਿ ਨਵੇਂ ਸਾਲ ਅਜੇ ਵੀ ਵਿਕਸਤ ਹੋ ਰਹੇ ਹਨ। ਇਸ ਲਈ ਤਿਕੋਣ ਦਾ ਨਾਮ: ਹੇਠਲਾ ਸੱਜੇ ਕੋਨਾ ਖਾਲੀ ਹੈ, ਕਿਉਂਕਿ ਨਵੇਂ ਸਾਲਾਂ ਦਾ ਹੋਰ ਵਿਕਾਸ ਅਜੇ ਨਹੀਂ ਹੋਇਆ ਹੈ. ਐਕਚੂਰੀ ਦਾ ਕੰਮ ਇਸ ਖਾਲੀ ਕੋਨੇ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਹੈ।
IBNR (ਖਰਚਿਆ ਪਰ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤਾ ਗਿਆ) ਬਿਲਕੁਲ ਇਸ ਅੰਤਰ ਦਾ ਹਿੱਸਾ ਹੈ: ਦਾਅਵਿਆਂ ਦੀ ਭਵਿੱਖੀ ਲਾਗਤ ਜੋ ਆਈ ਹੈ ਪਰ ਅਜੇ ਤੱਕ ਕੰਪਨੀ ਨੂੰ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ। IBNER (ਰਿਪੋਰਟ ਕੀਤੇ ਪਰ ਘੱਟ-ਰਿਜ਼ਰਵਡ ਦਾਅਵਿਆਂ ਦਾ ਵਾਧੂ ਵਿਕਾਸ) ਵੀ ਹੈ। ਅਭਿਆਸ ਵਿੱਚ, ਤਿਕੋਣ ਵਿਧੀਆਂ ਕੁੱਲ ਲੋੜੀਂਦੇ ਪ੍ਰਬੰਧ (ਭੁਗਤਾਨ + ਭਵਿੱਖ ਦੇ ਵਿਕਾਸ) ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦੀਆਂ ਹਨ; ਜਦੋਂ ਤੁਸੀਂ ਭੁਗਤਾਨ ਕੀਤੇ ਹਿੱਸੇ ਨੂੰ ਘਟਾਉਂਦੇ ਹੋ, ਤਾਂ IBNR ਸਮੇਤ, ਬਾਕੀ ਬਚਿਆ ਪ੍ਰਬੰਧ ਰਹਿੰਦਾ ਹੈ।
ਸੁਝਾਅ: ਤੁਸੀਂ ਦੋ ਵੱਖ-ਵੱਖ ਅਧਾਰਾਂ 'ਤੇ ਤਿਕੋਣ ਸਥਾਪਤ ਕਰ ਸਕਦੇ ਹੋ: "ਭੁਗਤਾਨ ਕੀਤਾ ਨੁਕਸਾਨ" ਅਤੇ "ਨੁਕਸਾਨ ਹੋਇਆ (ਭੁਗਤਾਨ ਕੀਤਾ + ਜਾਣਿਆ ਰਿਜ਼ਰਵ)"। ਦੋਵਾਂ ਦੀ ਇਕੱਠੇ ਜਾਂਚ ਕਰਨ ਨਾਲ ਤੁਹਾਨੂੰ ਦਾਅਵਿਆਂ ਦੀਆਂ ਟੀਮਾਂ ਦੇ ਬੁਕਿੰਗ ਵਿਵਹਾਰ ਵਿੱਚ ਤਬਦੀਲੀ ਨੂੰ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ।
ਜੰਜੀਰ-ਪੌੜੀ ਕਦਮ ਨਾਲ
ਚੇਨ ਲੈਡਰ ਸਭ ਤੋਂ ਆਮ ਪ੍ਰਤੀਕਿਰਿਆ ਵਿਧੀ ਹੈ, ਅਤੇ ਇਸਦਾ ਤਰਕ ਅਨੁਭਵੀ ਹੈ: ਜੇਕਰ ਅਤੀਤ ਵਿੱਚ ਘਾਟੇ ਇੱਕ ਵਿਕਾਸ ਸਾਲ ਤੋਂ ਅਗਲੇ ਸਾਲ ਤੱਕ ਔਸਤਨ ਇੱਕ ਨਿਸ਼ਚਿਤ ਦਰ ਨਾਲ ਵਧੇ ਹਨ, ਤਾਂ ਨਵੇਂ ਸਾਲ ਉਸੇ ਦਰ ਨਾਲ ਵਧਣਗੇ। ਕਦਮ:
- ਸੰਚਤ ਤਿਕੋਣ ਸੈਟ ਅਪ ਕਰੋ। ਵਿਕਾਸ ਦੇ ਸਾਲ ਦੁਆਰਾ ਹਰੇਕ ਦੁਰਘਟਨਾ ਸਾਲ ਲਈ ਸੰਚਤ ਅਦਾਇਗੀ ਦਾਅਵਿਆਂ ਨੂੰ ਕ੍ਰਮਬੱਧ ਕਰੋ।
- ਵਿਕਾਸ ਕਾਰਕਾਂ ਦੀ ਗਣਨਾ ਕਰੋ। ਹਰੇਕ ਕਾਲਮ ਪਾਸ ਲਈ: ਅਗਲੇ ਕਾਲਮ ਦਾ ਜੋੜ / ਵਰਤਮਾਨ ਕਾਲਮ ਦਾ ਜੋੜ (ਸਿਰਫ਼ ਕਤਾਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਦੋਵੇਂ ਕਾਲਮਾਂ ਦੇ ਨਾਲ)। ਉਦਾਹਰਨ ਲਈ, ਫੈਕਟਰ 1→2 1.45 ਹੈ; ਫੈਕਟਰ 2→3 1.12 ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਕਾਰਕ ਨੂੰ ਉਮਰ-ਦਰ-ਉਮਰ ਕਾਰਕ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
- ਸੰਚਤ (ਸਟੈਕਡ) ਕਾਰਕ ਲੱਭੋ। ਹਰ ਸਾਲ ਦੇ ਫਾਈਨਲ ਵਿੱਚ ਪਹੁੰਚਣ ਲਈ ਬਾਕੀ ਦੇ ਕਾਰਕਾਂ ਨੂੰ ਗੁਣਾ ਕਰਨਾ।
- ਖਾਲੀ ਕੋਨੇ ਨੂੰ ਭਰੋ. ਹਰੇਕ ਨਵੇਂ ਦੁਰਘਟਨਾ ਸਾਲ ਦੇ ਪਿਛਲੇ ਜਾਣੇ-ਪਛਾਣੇ ਮੁੱਲ ਨੂੰ ਬਾਕੀ ਕਾਰਕਾਂ ਦੁਆਰਾ ਗੁਣਾ ਕਰਕੇ ਅੰਤਮ ਨੁਕਸਾਨ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ।
- ਜਵਾਬ ਦੀ ਗਣਨਾ ਕਰੋ. ਅੰਤਮ ਨੁਕਸਾਨ - ਮਿਤੀ ਤੱਕ ਦਾ ਭੁਗਤਾਨ = ਭਵਿੱਖ ਵਿੱਚ ਭੁਗਤਾਨ ਯੋਗ ਵਿਵਸਥਾ (IBNR ਸਮੇਤ)।
ਹੇਠ ਦਿੱਤੀ ਸਾਰਣੀ ਇੱਕ ਛੋਟੀ ਉਦਾਹਰਨ ਹੈ (ਸੰਚਿਤ ਭੁਗਤਾਨ ਨੁਕਸਾਨ, ਮਿਲੀਅਨ TL):
ਦੁਰਘਟਨਾ ਸਾਲ
ਆਓ। 1
ਆਓ. 2
ਆਓ। 3
ਆਓ. 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
?
?
?
ਇਸ ਤਿਕੋਣ ਵਿੱਚ, ਫੈਕਟਰ 1→2 ਲਗਭਗ 1.47 ਹੈ; 2→3 ਲਗਭਗ 1.12; 3→4 ਲਗਭਗ 1.03 ਦੇ ਬਰਾਬਰ ਹੈ। 2024 ਫਾਈਨਲ 5.2 × 1.47 × 1.12 × 1.03 ≈ 8.82 ਮਿਲੀਅਨ; ਕਿਉਂਕਿ ਭੁਗਤਾਨ ਕੀਤੀ ਰਕਮ 5.2 ਹੈ, ਇਸ ਲਈ ਵਿਵਸਥਾ ≈ 3.62 ਮਿਲੀਅਨ TL ਹੈ। AI ਇਹ ਅੰਕਗਣਿਤ ਸਕਿੰਟਾਂ ਵਿੱਚ ਕਰਦਾ ਹੈ, ਪਰ ਐਕਚੁਅਰੀ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕਾਰਕ ਵਾਜਬ ਹਨ ਜਾਂ ਨਹੀਂ।
ਵਿਕਲਪਕ ਢੰਗ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ
ਇਕੱਲੇ ਚੇਨ ਦੀ ਪੌੜੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ ਕਿਉਂਕਿ ਵਿਕਾਸ ਕਾਰਕ ਛੋਟੇ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਲਈ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ ਕਿਉਂਕਿ ਹਾਲ ਹੀ ਦੇ ਦੁਰਘਟਨਾ ਸਾਲਾਂ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਡੇਟਾ ਹੁੰਦਾ ਹੈ; ਇੱਕ ਵੱਡਾ ਨੁਕਸਾਨ ਪੂਰੇ ਅੰਦਾਜ਼ੇ ਨੂੰ ਉਡਾ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਬੋਰਨਹੂਏਟਰ-ਫਰਗੂਸਨ (BF) ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: BF ਇੱਕ ਬਾਹਰੀ ਅਨੁਮਾਨਿਤ ਨੁਕਸਾਨ ਅਨੁਪਾਤ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਣਵਿਕਸਿਤ ਹਿੱਸੇ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਅਸਥਿਰਤਾ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਂਦਾ ਹੈ। ਪਰਿਪੱਕ ਸਾਲਾਂ ਵਿੱਚ ਚੇਨ ਦੀ ਪੌੜੀ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਨਵੇਂ ਅਤੇ ਅਢੁੱਕਵੇਂ ਸਾਲਾਂ ਵਿੱਚ ਬੀਐਫ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ; ਇਕੱਠੇ ਉਹ ਸੰਤੁਲਿਤ ਅੰਦਾਜ਼ਾ ਦਿੰਦੇ ਹਨ।
ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਮਾਪਣ ਲਈ, ਮੈਕ ਵਿਧੀ ਵਰਤੀ ਜਾਂਦੀ ਹੈ: ਇਹ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਤੌਰ 'ਤੇ ਚੇਨ ਲੈਡਰ ਅੰਦਾਜ਼ੇ ਦੀ ਮਿਆਰੀ ਗਲਤੀ (ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ) ਦਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਵਾਬ ਦੀ ਇੱਕ ਪੂਰੀ ਸੰਭਾਵਨਾ ਵੰਡ ਬੂਟਸਟਰੈਪ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ (ਵਾਰ-ਵਾਰ ਡੇਟਾ ਦਾ ਨਮੂਨਾ ਲੈ ਕੇ ਸਿਮੂਲੇਸ਼ਨ); ਇਹ ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ (ਸੌਲਵੈਂਸੀ II ਲਈ ਮਹੱਤਵਪੂਰਨ) "ਸਭ ਤੋਂ ਮਾੜੀ ਸਥਿਤੀ ਵਿੱਚ ਸਾਡਾ ਜਵਾਬ ਕੀ ਹੋਵੇਗਾ?" ਕੋਡ ਬਣਾਉਣ ਅਤੇ ਇਹਨਾਂ ਤਰੀਕਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਵਿੱਚ AI ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ।
ਸਾਵਧਾਨ: ਵਿਕਾਸ ਕਾਰਕ ਦੀ ਚੋਣ ਮਕੈਨੀਕਲ ਨਹੀਂ ਹੈ। ਇੱਕ ਸਾਲ ਵਿੱਚ, ਕਾਨੂੰਨ ਵਿੱਚ ਤਬਦੀਲੀ, ਮੁਕੱਦਮਿਆਂ ਦੀ ਇੱਕ ਵੱਡੀ ਲਹਿਰ, ਜਾਂ ਦਾਅਵੇ ਦੀ ਅਦਾਇਗੀ ਦੀ ਦਰ ਵਿੱਚ ਤਬਦੀਲੀ ਕਾਰਕਾਂ ਨੂੰ ਵਿਗਾੜ ਸਕਦੀ ਹੈ। "ਸਧਾਰਨ ਔਸਤ, ਵਜ਼ਨ ਔਸਤ, ਪਿਛਲੇ 3 ਸਾਲ" ਦੀ ਚੋਣ ਨਿਆਂਇਕ ਹੈ ਅਤੇ ਜਾਇਜ਼ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
ਰਿਜ਼ਰਵ ਅਕਾਉਂਟਿੰਗ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ
1) ਚੇਨ ਪੌੜੀ ਕੋਡ:
ਪਾਈਥਨ ਵਿੱਚ ਇੱਕ ਟਿੱਪਣੀ ਕੋਡ ਲਿਖੋ ਜੋ ਚੇਨ-ਪੌੜੀ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਇਨਪੁਟ: ਸੰਚਤ ਭੁਗਤਾਨ ਕੀਤੇ ਨੁਕਸਾਨ ਦਾ ਤਿਕੋਣ (ਸੂਚੀਆਂ ਦੀ ਸੂਚੀ, ਗੁੰਮ ਸੈੱਲ ਕੋਈ ਨਹੀਂ)। 1) ਹਰੇਕ ਕਾਲਮ ਪਾਸ ਲਈ ਵਾਲੀਅਮ-ਵਜ਼ਨ ਵਾਲੇ ਉਮਰ ਕਾਰਕ ਦੀ ਗਣਨਾ ਕਰੋ। 2) ਸੰਚਤ ਕਾਰਕ ਲੱਭੋ। 3) ਖਾਲੀ ਕੋਨੇ ਨੂੰ ਭਰੋ ਅਤੇ ਹਰੇਕ ਦੁਰਘਟਨਾ ਸਾਲ ਲਈ ਅੰਤਮ ਨੁਕਸਾਨ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ। 4) ਮੁਆਵਜ਼ੇ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਜੋੜੋ (ਅੰਤਿਮ - ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ)। ਸਕ੍ਰੀਨ ਤੇ ਹਰੇਕ ਵਿਚਕਾਰਲੇ ਕਦਮ ਨੂੰ ਛਾਪੋ; ਲਾਇਬ੍ਰੇਰੀ ਨਾ ਬਣਾਓ, ਬੇਸਿਕ ਪਾਈਥਨ ਦੀ ਵਰਤੋਂ ਕਰੋ।
2) ਵਿਧੀ ਦੀ ਤੁਲਨਾ:
ਇੱਕ ਚੇਨ ਲੈਡਰ ਅਤੇ ਬੋਰਨਹੂਏਟਰ-ਫਰਗੂਸਨ ਵਿੱਚ ਅੰਤਰ ਸਮਝਾਓ।- ਕਿਹੜੀ ਸਥਿਤੀ ਵਿੱਚ ਕਿਹੜਾ ਜ਼ਿਆਦਾ ਭਰੋਸੇਯੋਗ ਹੈ?- ਨਵੇਂ (ਅਪਰਿਪੱਕ) ਦੁਰਘਟਨਾ ਸਾਲਾਂ ਵਿੱਚ BF ਨੂੰ ਤਰਜੀਹ ਕਿਉਂ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ?- ਮੈਂ BF ਲਈ ਲੋੜੀਂਦੀ 'ਸੰਭਾਵਿਤ ਨੁਕਸਾਨ ਦਰ' ਕਿਵੇਂ ਨਿਰਧਾਰਤ ਕਰਾਂ? ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਲਾਭ/ਹਾਨਾਂ ਦਾ ਸਾਰ ਦਿਓ।
3) ਕਾਰਕ ਦੀ ਸੁਚੱਜੀ ਜਾਂਚ:
ਮੇਰੇ ਕੋਲ ਉਮਰ-ਦਰ-ਉਮਰ ਦੇ ਕਾਰਕ ਹਨ: 1->2: 1.47; 2->3: 1.12; 3->4: 1.03; 4->5: 1,45। 4->5 ਫੈਕਟਰ ਹੋਰਾਂ ਦੇ ਮੁਕਾਬਲੇ ਅਜੀਬ ਲੱਗਦਾ ਹੈ।- ਇਸ ਛਾਲ ਦੇ ਸੰਭਾਵਿਤ ਕਾਰਨ ਕੀ ਹੋ ਸਕਦੇ ਹਨ (ਨਿਯੰਤ੍ਰਕ, ਵੱਡਾ ਨੁਕਸਾਨ, ਡੇਟਾ ਗਲਤੀ)?- ਤਸਦੀਕ ਕਰਨ ਲਈ ਮੈਨੂੰ ਕਿਹੜੀਆਂ ਜਾਂਚਾਂ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ? ਫੈਸਲਾ ਲੈਣਾ; ਮੈਨੂੰ ਇੱਕ ਚੈਕਲਿਸਟ ਦਿਓ।
4) ਅਨਿਸ਼ਚਿਤਤਾ ਵਿਆਖਿਆ:
ਮੇਰੀ ਚੇਨ ਲੈਡਰ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਅਨੁਮਾਨ 42 ਮਿਲੀਅਨ TL ਹੈ, ਮੈਕ ਸਟੈਂਡਰਡ ਐਰਰ 5.3 ਮਿਲੀਅਨ ਹੈ। ਮੈਂ ਇਸਨੂੰ ਮੈਨੇਜਰ ਅਤੇ ਰੈਗੂਲੇਟਰ ਨੂੰ ਕਿਵੇਂ ਸਮਝਾਵਾਂ?- ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਸਮਝਾਓ ਕਿ 75% ਅਤੇ 99.5% ਪੱਧਰਾਂ ਦਾ ਕੀ ਅਰਥ ਹੈ।- ਮੈਂ 'ਸਿੰਗਲ ਨੰਬਰ ਦੀ ਬਜਾਏ ਰੇਂਜ' ਦਾ ਸੰਦੇਸ਼ ਕਿਵੇਂ ਦੇ ਸਕਦਾ ਹਾਂ?
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਮੇਰੇ ਇਨਾਮ ਦੀ ਗਣਨਾ ਕਰੋ.
ਕੋਈ ਤਿਕੋਣ ਨਹੀਂ, ਕੋਈ ਵਿਧੀ ਨਹੀਂ, ਕੋਈ ਡਾਟਾ ਨਹੀਂ ਹੈ। AI ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਬੁਕਿੰਗ ਸਹਾਇਕ। ਮੈਂ ਤੁਹਾਨੂੰ ਸੰਚਤ ਭੁਗਤਾਨ ਕੀਤੇ ਦਾਅਵਿਆਂ ਦਾ ਤਿਕੋਣ (ਅਗਿਆਤ, ਮਿਲੀਅਨ TL) ਦੇਵਾਂਗਾ:2021: [4.0, 6.0, 6.8, 7.0]2022: [4.4, 6.5, 7.3]2023: [4.8, 7.0]2024: [5.2]-ਉਮਰ ਦੇ ਹਿਸਾਬ ਨਾਲ-ਤੱਥ-ਤੱਥ ਦੇ ਹਿਸਾਬ ਨਾਲ, ਟੀ. show.2) ਖਾਲੀ ਕੋਨੇ ਵਿੱਚ ਭਰੋ, ਹਰ ਸਾਲ ਦਾ ਅੰਤਮ ਨੁਕਸਾਨ ਲਿਖੋ। ਇਸ ਲਈ ਦੱਸੋ ਕਿ ਤੁਹਾਡਾ ਅੰਦਾਜ਼ਾ ਜ਼ਿਆਦਾ ਅਨਿਸ਼ਚਿਤ ਕਿਉਂ ਹੈ। ਮੈਨੂੰ ਵਿਚਕਾਰਲੇ ਨੰਬਰ ਦਿਖਾਓ ਤਾਂ ਜੋ ਮੈਂ ਉਹਨਾਂ ਦੀ ਹੱਥੀਂ ਪੁਸ਼ਟੀ ਕਰ ਸਕਾਂ। ਬੱਸ ਮੇਰੇ ਵੱਲੋਂ ਤੁਹਾਨੂੰ ਦਿੱਤੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰੋ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਨਾਕਾਫ਼ੀ ਪ੍ਰਬੰਧ। ਇੱਕ ਕੰਪਨੀ ਨੇ ਆਪਣੇ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਰਹੇ ਟਰੈਫਿਕ ਪੋਰਟਫੋਲੀਓ ਵਿੱਚ ਪਿਛਲੇ ਦੋ ਦੁਰਘਟਨਾ ਸਾਲਾਂ ਦੀ ਇੱਕ ਸਿੱਧੀ ਚੇਨ ਦੀ ਪੌੜੀ ਨਾਲ ਗਣਨਾ ਕੀਤੀ। ਕਿਉਂਕਿ ਨਵੇਂ ਸਾਲ ਦੇ ਕਾਰਕ ਘੱਟ ਸਨ, ਇਸ ਲਈ ਪ੍ਰਬੰਧ 31 ਮਿਲੀਅਨ TL ਹੋਣ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਗਿਆ ਸੀ। ਜਦੋਂ ਐਕਚੁਅਰੀ ਨੇ BF ਨਾਲ ਜਾਂਚ ਕੀਤੀ ਅਤੇ ਸੰਭਾਵਿਤ ਨੁਕਸਾਨ ਦਰ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਤਾਂ ਯਥਾਰਥਵਾਦੀ ਜਵਾਬ 44 ਮਿਲੀਅਨ TL ਸੀ। ਇੱਕ ਸਾਲ ਬਾਅਦ ਅਸਲ ਨੁਕਸਾਨ ਦੇ ਨਾਲ 13 ਮਿਲੀਅਨ ਦੇ ਅੰਤਰ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਸੀ। ਸਬਕ: ਨਵੇਂ ਸਾਲਾਂ ਵਿੱਚ, ਸਿਰਫ਼ ਲੜੀ ਪੌੜੀ ਨੂੰ ਧੋਖਾ ਦਿੰਦੀ ਹੈ.
ਕੇਸ 2 - ਦੂਸ਼ਿਤ ਕਾਰਕ। ਇੱਕ ਸਹਾਇਕ ਐਕਚੁਰੀ ਨੇ AI ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਤਿਕੋਣ ਵਿੱਚ 1.42 ਦਾ 3→4 ਫੈਕਟਰ ਦੇਖਿਆ; ਜਦੋਂ ਕਿ ਇਤਿਹਾਸਕ ਔਸਤ 1.05 ਸੀ। ਜੇਕਰ ਇਹ ਬਿਨਾਂ ਸਵਾਲ ਕੀਤੇ ਪਾਸ ਹੋ ਜਾਂਦਾ, ਤਾਂ ਜਵਾਬ ਲਗਭਗ 30 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਵਧਿਆ ਹੁੰਦਾ। ਜਾਂਚ ਤੋਂ ਪਤਾ ਲੱਗਾ ਹੈ ਕਿ ਡੇਟਾ ਲੋਡ ਕਰਨ ਦੀ ਗਲਤੀ ਕਾਰਨ ਦੋ ਦੁਰਘਟਨਾ ਸਾਲ ਬਦਲੇ ਗਏ ਸਨ। AI ਨੇ ਗਲਤੀ ਪੈਦਾ ਨਹੀਂ ਕੀਤੀ, ਪਰ ਇਸਨੇ ਇਸਨੂੰ ਨੋਟਿਸ ਨਹੀਂ ਕੀਤਾ; ਐਕਟਚੂਰੀ ਦੀ ਵਾਜਬਤਾ ਜਾਂਚ ਫੜੀ ਗਈ।
ਕੇਸ 3 - ਅਨਿਸ਼ਚਿਤਤਾ ਦੀ ਸਹੀ ਪੇਸ਼ਕਾਰੀ। ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ ਐਕਟਚੂਰੀ ਨੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਸਿਰਫ ਇਹ ਦੱਸਿਆ ਕਿ "ਪ੍ਰਬੰਧ 42 ਮਿਲੀਅਨ ਹੈ।" ਮੈਨੇਜਮੈਂਟ ਨੇ ਇਸ ਨੂੰ ਨਿਸ਼ਚਿਤ ਸਮਝਿਆ ਅਤੇ ਮੁਨਾਫਾ ਵੰਡਿਆ। ਅਗਲੇ ਸਾਲ, ਜਦੋਂ ਅਸਲ ਅੰਕੜਾ 48 ਮਿਲੀਅਨ ਸੀ, ਇੱਕ ਸੰਕਟ ਖੜ੍ਹਾ ਹੋ ਗਿਆ। ਅਗਲੀ ਮਿਆਦ, ਐਕਚੁਅਰੀ ਨੇ ਮੈਕ ਅਤੇ ਬੂਟਸਟਰੈਪ ਦੇ ਨਾਲ ਇੱਕ ਰੇਂਜ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ "ਸਭ ਤੋਂ ਵਧੀਆ ਅਨੁਮਾਨ 42 ਹੈ, ਪਰ 75% ਪੱਧਰ 46 ਹੈ, 99.5% ਪੱਧਰ 55 ਮਿਲੀਅਨ ਹੈ"; ਮੈਨੇਜਮੈਂਟ ਨੇ ਇਸ ਦੇ ਮੁਤਾਬਕ ਹੀ ਫੈਸਲਾ ਲਿਆ ਹੈ। ਇਸ ਨੇ AI ਬੂਟਸਟਰੈਪ ਕੋਡ ਅਤੇ ਚਾਰਟ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਕਾਫੀ ਸਮਾਂ ਬਚਾਇਆ।
ਆਮ ਗਲਤੀਆਂ
- ਹਾਦਸਿਆਂ ਦੇ ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ ਸਿਰਫ ਚੇਨ ਦੀ ਪੌੜੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਘੱਟ ਡੇਟਾ ਦਾ ਮਤਲਬ ਹੈ ਅਸਥਿਰ ਕਾਰਕ; BF ਨਾਲ ਸੰਤੁਲਨ.
- ਵਿਕਾਸ ਕਾਰਕਾਂ ਨੂੰ ਵਾਜਬਤਾ ਨਿਯੰਤਰਣ ਦੇ ਅਧੀਨ ਨਾ ਕਰਨਾ। ਇੱਕ ਭ੍ਰਿਸ਼ਟ ਕਾਰਕ ਪੂਰੇ ਜਵਾਬ ਨੂੰ ਉਡਾ ਦਿੰਦਾ ਹੈ; ਇਤਿਹਾਸਕ ਪੈਟਰਨ ਨਾਲ ਤੁਲਨਾ ਕਰੋ.
- ਪਰਸਪਰ ਨੂੰ ਇੱਕ ਇੱਕਲੇ ਸਟੀਕ ਸੰਖਿਆ ਵਜੋਂ ਪੇਸ਼ ਕਰਨਾ। ਜਵਾਬ ਇੱਕ ਅਨੁਮਾਨ ਹੈ; ਅਨਿਸ਼ਚਿਤਤਾ ਸੀਮਾ (ਮੈਕ, ਬੂਟਸਟਰੈਪ) ਤੋਂ ਬਿਨਾਂ ਇਸਨੂੰ ਪੇਸ਼ ਕਰਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ।
- ਭੁਗਤਾਨ ਕੀਤੇ ਅਤੇ ਅਨੁਭਵ ਕੀਤੇ ਤਿਕੋਣ ਨੂੰ ਉਲਝਾਉਣਾ। ਦੋ ਵੱਖ-ਵੱਖ ਚੀਜ਼ਾਂ ਨੂੰ ਮਾਪਦੇ ਹਨ; ਇੱਕ ਆਧਾਰ 'ਤੇ ਲਗਾਤਾਰ ਕੰਮ ਕਰੋ ਜਾਂ ਦੋਨਾਂ ਦੀ ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਤੁਲਨਾ ਕਰੋ।
- ਮਹਿੰਗਾਈ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਬਰੇਕਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ। ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਪਿਛਲੇ ਵਿਕਾਸ ਦਾ ਪੈਟਰਨ ਭਵਿੱਖ ਵਿੱਚ ਇੱਕੋ ਜਿਹਾ ਨਾ ਰਹੇ; ਢਾਂਚਾਗਤ ਤਬਦੀਲੀ 'ਤੇ ਵੀ ਵਿਚਾਰ ਕਰੋ।
ਸੰਖੇਪ ਵਿੱਚ
ਰਿਜ਼ਰਵ ਭਵਿੱਖ ਦੀ ਦੇਣਦਾਰੀ ਦਾ ਮੌਜੂਦਾ ਅੰਦਾਜ਼ਾ ਹੈ ਅਤੇ ਇਹ ਬੀਮਾ ਕੰਪਨੀ ਦੀ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਐਚੁਰੀਅਲ ਗਣਨਾ ਹੈ। ਪਿਛਲੇ ਭੁਗਤਾਨ ਪੈਟਰਨ ਨੂੰ ਵਿਕਾਸ ਤਿਕੋਣ ਨਾਲ ਦੇਖਿਆ ਗਿਆ ਹੈ; ਚੇਨ ਦੀ ਪੌੜੀ ਉਮਰ-ਦਰ-ਉਮਰ ਕਾਰਕਾਂ ਨਾਲ ਖਾਲੀ ਕੋਨੇ ਨੂੰ ਭਰਦੀ ਹੈ ਅਤੇ IBNR ਸਮੇਤ ਅੰਤਮ ਨੁਕਸਾਨ ਅਤੇ ਮੁਆਵਜ਼ੇ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦੀ ਹੈ। ਨਵੇਂ ਸਾਲਾਂ ਵਿੱਚ, BF ਵਧੇਰੇ ਸਥਿਰ ਹੈ; ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਮੈਕ ਅਤੇ ਬੂਟਸਟਰੈਪ ਦੁਆਰਾ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ। AI ਤਿਕੋਣ ਵਿੱਚ ਭਰਦਾ ਹੈ, ਕੋਡ ਲਿਖਦਾ ਹੈ, ਅਤੇ ਤਰੀਕਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ; ਪਰ ਕਾਰਕ ਦੀ ਚੋਣ, ਤਰਕਸ਼ੀਲਤਾ ਜਾਂਚ ਅਤੇ ਅੰਤਮ ਅੰਕੜਾ ਜ਼ਿੰਮੇਵਾਰ ਐਕਟਚੂਰੀ ਦੇ ਫੈਸਲੇ ਅਤੇ ਹਸਤਾਖਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਸੰਚਤ ਭੁਗਤਾਨ ਕੀਤੇ ਦਾਅਵਿਆਂ ਦਾ ਇੱਕ ਅਗਿਆਤ ਮਿੰਨੀ ਤਿਕੋਣ ਬਣਾਓ (4 ਦੁਰਘਟਨਾ ਸਾਲ × 4 ਵਿਕਾਸ ਸਾਲਾਂ ਤੱਕ)। ਏਆਈ ਨੂੰ ਚੇਨ ਲੈਡਰ ਦੇ ਨਾਲ ਬਰਾਬਰ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਕਹੋ। ਉਮਰ-ਦਰ-ਉਮਰ ਦੇ ਕਾਰਕਾਂ ਅਤੇ 2 ਸਾਲਾਂ ਦੇ ਅੰਤਮ ਨੂੰ ਹੱਥੀਂ ਪ੍ਰਮਾਣਿਤ ਕਰੋ। ਫਿਰ AI ਨੂੰ ਪੁੱਛੋ ਕਿ "BF ਨੇ ਸਭ ਤੋਂ ਹਾਲੀਆ ਸਾਲ ਲਈ ਇੱਕ ਵੱਖਰਾ ਨਤੀਜਾ ਕਿਵੇਂ ਲਿਆ ਹੋਵੇਗਾ" ਅਤੇ ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਇੱਕ ਕਾਰਕ ਨੂੰ ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਵਿਗਾੜੋ (ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਸੈੱਲ ਨੂੰ 10 ਗੁਣਾ ਵਧਾਓ) ਅਤੇ ਵੇਖੋ ਕਿ AI ਦਾ ਜਵਾਬ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ ਅਤੇ ਸੰਭਾਵੀ ਜਾਂਚ ਇਸ ਨੂੰ ਕਿਵੇਂ ਫੜੇਗੀ।
ਚੈੱਕਲਿਸਟ
- ਕੀ ਮੈਂ ਇਸ ਗੱਲ ਵਿਚ ਇਕਸਾਰ ਹਾਂ ਕਿ ਕੀ ਮੈਂ ਭੁਗਤਾਨ ਕੀਤੇ ਨੁਕਸਾਨ ਜਾਂ ਹੋਏ ਨੁਕਸਾਨ ਦੇ ਆਧਾਰ 'ਤੇ ਤਿਕੋਣ ਸਥਾਪਤ ਕੀਤਾ ਹੈ?
- [ ] ਕੀ ਮੈਂ ਇਤਿਹਾਸਕ ਪੈਟਰਨ ਨਾਲ ਉਮਰ-ਉਮਰ ਦੇ ਕਾਰਕਾਂ ਦੀ ਤੁਲਨਾ ਕਰਕੇ ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ ਦੀ ਜਾਂਚ ਕੀਤੀ ਹੈ?
- [ ] ਕੀ ਮੈਂ ਨਵੇਂ/ਅਪਰਿਪੱਕ ਸਾਲਾਂ ਲਈ BF ਨਾਲ ਕ੍ਰਾਸ-ਚੈੱਕ ਕੀਤਾ ਹੈ?
- [ ] ਕੀ ਮੈਂ ਇੱਕ ਸੰਖਿਆ ਦੀ ਬਜਾਏ ਇੱਕ ਅਨਿਸ਼ਚਿਤਤਾ ਸੀਮਾ ਦੇ ਨਾਲ ਜਵਾਬ ਪੇਸ਼ ਕੀਤਾ ਹੈ?
- [ ] ਕੀ ਮੈਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਅੰਤਮ ਨੁਕਸਾਨ ਅਤੇ ਵਿਰੋਧੀ ਅੰਕਗਣਿਤ ਦੀ ਮੁੜ ਗਣਨਾ ਕੀਤੀ ਹੈ?
- [ ] ਕੀ ਮੈਂ ਆਪਣੀ ਕਾਰਕ ਦੀ ਚੋਣ (ਔਸਤ ਕਿਸਮ, ਮਿਆਦ) ਨੂੰ ਲਿਖਤੀ ਰੂਪ ਵਿੱਚ ਉਚਿਤ ਠਹਿਰਾਇਆ ਹੈ?