Umetna inteligenca pri podpori za oblikovanje cen in aktuarske analize

Dobički:

• Sposobnost razlage aktuarskih konceptov, kot so pogostost izgub, resnost škode in ustreznost premije z umetno inteligenco, in priprava osnutka analize
• Sposobnost testiranja rezultatov cenovnega modela, kakovosti podatkov in predpostavk glede na neodvisna računovodska in aktuarska načela
• Sposobnost razumevanja, da so končne tarifne in tehnične odločitve v pristojnosti pristojnih aktuarjev in da je umetna inteligenca le podporno orodje.

Cena zavarovanja ni naključje; Izračunana je matematično. Aktuar (strokovno področje v zavarovalništvu, ki verjetnostno in statistično meri tveganje ter vzpostavlja ravnovesje premije, rezervacij in kritja) odgovarja na vprašanje "koliko nas bo to tveganje v povprečju stalo in kako ga lahko pokrijemo s pravično premijo?" Aktuar (pristojni strokovnjak, ki izdela ta izračun in je pravno odgovoren) združi podatke o škodi, trende in predpostavke ter določi tarifo (cenovnik) in tehnične rezervacije (denar za bodoče škode). Umetna inteligenca (programska oprema, ki se iz podatkov uči vzorcev in ustvarja besedilo, opise in orise) je močan pomočnik pri tem težkem analitičnem delu: razlaga konceptov, povzemanje podatkov, priprava analiz, predlaganje kode in formule. Toda aktuarska odločitev nosi podpis in odgovornost; Umetna inteligenca ne more narediti tega podpisa. V tej enoti se boste naučili, kako z umetno inteligenco razložiti in analizirati osnovne aktuarske koncepte ter kako rezultate preizkusiti glede na neodvisne izračune in aktuarska načela.

Osnovni koncepti: pogostost, intenzivnost in premijska ustreznost

Trije koncepti tvorijo hrbtenico oblikovanja cen:

• Pogostost zahtevkov: število zahtevkov na polico (ali enoto) v danem obdobju. Če je na primer 45 škodnih primerov na leto v 1.000 policah avtomobilskega zavarovanja, je frekvenca 0,045 (tj. 4,5 %).
• Resnost škode: povprečni znesek, plačan na zahtevek. Če je bilo za 45 škod v istem portfelju plačanih skupno 3.150.000 TL, je resnost 70.000 TL.
• Pričakovani stroški škode (premija za tveganje): pogostost × resnost. V primeru je 0,045 × 70.000 = 3.150 TL. To je pričakovana čista izguba na polico; Kosmata premija se oblikuje, ko se prištejejo stroški, provizije in profitna marža.
• Ustreznost premije: ali zbrana premija zadostuje za kritje pričakovane škode in stroškov. Nezadosten bonus vodi podjetje v izgubo; Previsoke premije ustvarjajo nekonkurenčne in nepoštene cene.

Umetna inteligenca je zelo uporabna pri razlagi teh konceptov, pridobivanju povzetka frekvence/intenzivnosti iz niza podatkov in opisovanju korakov analize. Vendar morate vedno znova izračunati numerični rezultat.

Namig: Poskrbeti, da umetna inteligenca razloži aktuarski koncept "z numeričnim primerom, kot bi ga razlagal učencu 10. razreda", je zelo koristno tako pri timskem usposabljanju kot pri razlagi stranki. Toda preverite številko: celo množenje modela se lahko zmoti.

Kje je umetna inteligenca v aktuarstvu

Rdeča črta v aktuarju je jasna: za končno odločitev o tarifi, zavarovalno-tehničnih rezervacijah in ustreznosti premije je odgovoren pristojni aktuar. Umetna inteligenca pomaga pri naslednjih nalogah: razjasnitev koncepta, povzetek podatkov, oris raziskovalne analize, predlog formule/kode, zaradi česar je nastalo besedilo berljivo. Ne more imeti zadnje besede v naslednjih zadevah: odobritev tarife, razglasitev ustreznosti rezervacij, sprejemanje predpostavk kot dokončnih. Ker te odločitve neposredno vplivajo tako na finančno zdravje podjetja kot na pravico stranke do poštene cene in so podvržene zakonodaji (SEDDK – Uredba o zavarovanjih in zasebnih pokojninah ter predpisi Agencije za nadzor).

Pozor: tarifa ali stopnja, ki jo predlaga umetna inteligenca, ne bo nikoli objavljena brez neodvisnega testiranja kakovosti podatkov in predpostavk. Napačna predpostavka (npr. ignoriranje vpliva inflacije) bi lahko ogrozila celoten portfelj.

Korak za korakom: Osnutek aktuarske analize, podprte z umetno inteligenco

1. Anonimizirajte in identificirajte podatke. Brez osebnih podatkov; samo skupne številke. Določite obdobje, portfelj in vrsto zavarovanja.
2. Pojasnite koncept in metodo. Prosite AI, da opiše korake analize frekvence/intenzivnosti.
3. Dvomite v kakovost podatkov. Ali obstajajo kakršni koli učinki manjkajočih podatkov, odstopanj, neujemanja obdobij, IBNR (zahtevki še niso prijavljeni)?
4. Predpostavke jasno zapišite. Na kakšni predpostavki temeljijo inflacija, trend, razvojni dejavniki?
5. Rezultat izračunajte neodvisno. Reproducirajte pogostost, intenzivnost in premijo za tveganje z lastno preglednico.
6. Preizkusite in potrdite z aktuarskim načelom. Pristojni aktuar oceni in podpiše premijsko ustreznost, pravičnost in zakonodajo.

trije mini kovčki

1. primer – Ujemanje napačne predpostavke. Pomočnik aktuarja je od umetne inteligence prejel osnutek analize za ceno avtomobilskega zavarovanja. Umetna inteligenca je povprečno resnost škode v zadnjih 3 letih ocenila na 62.000 TL in izračunala premijo za tveganje. Aktuar je ugotovil, da nasilje ni bilo prilagojeno inflaciji na sedanjo vrednost: s trenutnimi stroški popravila vozila je nasilje dejansko znašalo ~89.000 $. Ta popravek je povečal premijo tveganja za 43 %. Brez neodvisnega nadzora bi bila tarifa resno neustrezna.

Primer 2 – izkrivljanje odstopanja. Skupna vrednost 500 odškodnin v enem portfelju je znašala 40.000.000 TL; vendar je bilo 22.000.000 TL od tega posledica enega samega večjega požara. Umetna inteligenca je povprečno nasilje povzela na 80.000 TL. To posamezno večjo škodo je aktuar ovrednotil posebej (ker se ne ponovi vsako leto); Povprečna "normalna" škoda je bila ~36.000 TL. Z ločevanjem odstopanja je bila tarifa realistična.

Primer 3 – Preverjanje pravičnosti. V projektu oblikovanja cen zdravstvenega zavarovanja je umetna inteligenca določeni starostni skupini ponudila zelo visoke podražitve. Aktuar je ugotovil, da je priporočilo izhajalo le iz majhnega in hrupnega vzorca (majhno število škod); Ni bilo statistično zanesljivo. Poleg tega je bilo v nasprotju z načelom poštenega oblikovanja cen, ki ga zahteva zakonodaja. Aktuar je najprej naredil izračun zanesljivosti z obsežnejšimi podatki in nato sprejel odločitev.

Štirje pozivi za kopiranje

1) Razlaga koncepta (za usposabljanje/stranko):

Delujte kot aktuarski inštruktor. Pojme "pogostost izgub", "resnost škode" in "premija za tveganje" korak za korakom razložite z enim samim zaporednim numeričnim primerom (npr. 1.000 polic, 45 zahtevkov, skupno plačilo 3.150.000 TL). Pri vsakem koraku pokažite formulo in vmesni rezultat. Uporabljajte preprost in razumljiv jezik.

2) Okostje osnutka analize:

V nadaljevanju so opisani koraki analize pogostosti in resnosti za agregirane podatke o škodah (brez osebnih podatkov): [obdobje, število polic, število škod, skupno plačilo] Pri vsakem koraku: navedite, kaj se izračuna, katere predpostavke so potrebne, kakšno tveganje za kakovost podatkov obstaja (manjkajoči podatki, odstopanja, IBNR, inflacija). Preračunal bom številčni rezultat; nastavite metodo.

3) Kakovost podatkov in spraševalec predpostavk:

Kritizirajte naslednji osnutek analize z vidika višjega aktuarja: [prilepite osnutek] Vprašajte: Ali je bilo nasilje prilagojeno inflaciji? Ali so bili izstopajoči odstranjeni? Ali je vzorec zanesljiv? Ali je bil upoštevan IBNR? Kakšna je predpostavka trenda? Vsako slabost navedite pod "TVEGANJE" s predlogom za popravek.

4) Poenostavitev besedila rezultata:

Pretvorite naslednji preverjeni rezultat analize v preprost povzetek za upravitelja, ki ni aktuar: [prilepite rezultat]Ne spreminjajte številk, dodajte nove številke. Jasno navedite negotovosti in domneve. Dodati opombo: "Končni tarifni odločitvi daje soglasje pristojni aktuar."

Šibek poziv/močan poziv

Slabo: "Izračunajte premijo avtomobilskega zavarovanja s temi podatki in napišite tarifo."

Težava: Zahtevana je neposredna tarifa (rdeča cona); brez predpostavk, brez kakovosti podatkov in brez validacije. Model se prilega nezanesljivi stopnji zaradi šumnih podatkov.

Strong: "Načrtujte korake analize frekvence in intenzivnosti; določite predpostavko in tveganje za kakovost podatkov pri vsakem koraku. Izračunal bom numerični rezultat. Ne sprejemajte odločitve o tarifi."

Zakaj je dobro: AI določi metodo, aktuar vodi izračun in odločitev; domneve postanejo vidne.

primerjalna tabela

korak

vloga AI

Vloga aktuarja

Tveganje

Razlaga koncepta

Razlaga, primeri

Potrjuje točnost

napačen primer

Povzetek podatkov

agregati

Preveri vir

Popačenje izstopa

Seznam predpostavk

Priporoča

sprejeti/zavrniti

Manjkajoča/napačna predpostavka

Izračun premije za tveganje

osnutek formule

Neodvisni računi

Napaka računa

Odločba o tarifi/določitvi

—

Odloča in podpisuje

Nezadostna premija

Pogoste napake

• Neposredno pridobivanje števila umetne inteligence. Model lahko povzroči celo netočnost množenja/seštevanja; preračunajte vsak rezultat.
• Preskok inflacije in korekcija trenda. Vzpostavitev tarif, ne da bi preteklo nasilje prenesli v sedanjost, bo škodovalo portfelju.
• Mešanje izstopajočega s povprečjem. Ena večja škoda zavede celotno tarifo; Ocenite ločeno.
• Zanašanje na majhno vzorčenje. Razmerje iz majhnega števila poškodb je nezanesljivo; Potreben je izračun kreditne sposobnosti.
• Ignoriranje pravice. Ponudba nepoštene povišice skupini na podlagi statističnega hrupa je v nasprotju z zakonom.

Če povzamem

Pri aktuarstvu umetna inteligenca razlaga koncepte, povzema podatke, oriše analize in predlaga formule; ne odloča pa o tarifi, rezervaciji in premijski ustreznosti. Pravilno uporabljajte koncepte pogostosti, intenzivnosti in premije za tveganje; vprašanje kakovosti podatkov (outlier, IBNR, inflacija, zanesljivost vzorca); izračunajte vsako število samostojno; Predpostavke jasno zapišite. Za končno odločitev je odgovoren pristojni aktuar in je predmet predpisov SEDDK.

Aplikacijska naloga

Ustvarite povzetek pogostosti in resnosti z umetno inteligenco iz nabora podatkov o škodi, ki ga imate (za namene testiranja, združeno). Nato naredite isti izračun sami v preglednici. Upoštevajte razliko med obema rezultatoma; Če obstaja razlika, poiščite razlog (inflacija, odstopanje, napačno množenje). Kritizirajte svoje predpostavke s pozivom št. 3 in identificirajte vsaj dve tveganji za kakovost podatkov.

kontrolni seznam

• [ ] Uporabil sem samo zbirne, neosebne podatke.
• [ ] Pogostost, intenzivnost in premijo za tveganje sem preračunal sam.
• [ ] Uporabil sem korekcijo inflacije/trenda.
• [ ] Izstopajoče vrednosti sem ocenil ločeno.
• [ ] Podvomil sem o zanesljivosti vzorca.
• [ ] Predpostavke sem jasno napisal.
• [ ] Končno odločitev o tarifi/rezervaciji sem prepustil soglasju pristojnemu aktuarju.