Vinster:
- Förmåga att etablera skadeutvecklingstriangeln, IBNR (incurred but unreported damage) och chain-ladder-metoden med stöd av artificiell intelligens och tolka utvecklingsfaktorerna
- Förmåga att jämföra resultat med alternativa metoder som Bornhuetter-Ferguson och Mack och förklara reservosäkerhet (variabilitet, konfidensintervall) med artificiell intelligens
- Att kunna hålla fast vid att avsättningssiffran beräknad av artificiell intelligens är ett utkast, inte slutgiltigt, och att valet av utvecklingsfaktor och rättslig rättelse tillhör ansvarig aktuarie.
När ett försäkringsbolag betalar för en skada idag, betalar det faktiskt av skulden för en försäkring som det sålde tidigare. Men inte varje skada rapporteras omedelbart och inte varje anmäld skada betalas i sin helhet omedelbart. En trafikolycka inträffar idag, företaget underrättas tre månader senare, rättegången tar två år och slutbetalningen klargörs efter fyra år. Därför måste företaget reservera pengar idag för skador som ännu inte är helt betalda eller till och med ännu inte anmälda. Dessa pengar kallas reserv, och dess exakta beräkning är ett försäkringsbolags mest kritiska försäkringstekniska uppgift. Om han lämnar mindre kommer företaget att gå i konkurs; Om för mycket tilldelas binds kapitalet förgäves och vinsten döljs.
I den här enheten kommer vi att täcka de tre begreppen som ligger till grund för avsättningsredovisning: skadeutvecklingstriangeln, IBNR och kedjetrappmetoden. Sedan kommer vi att överväga alternativa metoder (Bornhuetter-Ferguson, Mack) och osäkerhet. AI:n skriver koden för dessa beräkningar, fyller i triangeln, beräknar faktorerna och förklarar resultatet; men ansvaret för val av utvecklingsfaktor, rättslig rättelse och slutavsättningssiffra ligger på ansvarig aktuarie.
Vad är skadeutvecklingstriangeln?
Grunden för avsättningsberäkningen är utvecklingstriangeln/avrinningstriangeln. Raderna visar under vilken period skadan inträffade (olycksår), och kolumnerna visar hur mycket som betalats för den skadan (utvecklingsår). Det lyder så här: 4 miljoner betalades under det första utvecklingsåret av olycksåret 2021, ackumulerade 6,2 miljoner betalades under det andra året och 7 miljoner betalades under det 3:e året. De gamla olycksåren har mognat (nästan alla betalningar har gjorts), medan de nya åren fortfarande utvecklas. Därav namnet på triangeln: det nedre högra hörnet är tomt, eftersom den fortsatta utvecklingen av de nya åren ännu inte har inträffat. Aktuariens uppgift är att uppskatta detta tomma hörn.
IBNR (Incurred But Not Reported) är just en del av detta gap: den framtida kostnaden för skador som har inträffat men som ännu inte har rapporterats till företaget. Det finns också IBNER (ytterligare utveckling av rapporterade men underreserverade anspråk). I praktiken uppskattar triangelmetoder den totala nödvändiga avsättningen (betald + framtida utveckling); När du drar av den betalda delen kvarstår den återstående avsättningen, inklusive IBNR.
Tips: Du kan ställa in triangeln på två olika grunder: "betald skada" och "uppkommen skada (betald + känd reserv)". Genom att undersöka de två tillsammans hjälper du dig att fånga förändringen i anspråksteamens bokningsbeteende.
Kedjestege steg för steg
Kedjetrappan är den vanligaste responsmetoden och dess logik är intuitiv: om förlusterna tidigare har vuxit i en viss takt i genomsnitt från ett utvecklingsår till nästa, kommer nya år att växa i liknande takt. Steg:
- Ställ in den kumulativa triangeln. Sortera de kumulativa betalda ersättningarna för varje olycka år efter utvecklingsår.
- Beräkna utvecklingsfaktorer. För varje kolumnpass: summan av nästa kolumn / summan av aktuell kolumn (med endast rader med båda kolumnerna upptagna). Till exempel är faktorn 1→2 1,45; Faktorn 2→3 kan vara 1,12. Denna faktor kallas åldersfaktor.
- Hitta kumulativa (staplade) faktorer. Multiplicera de återstående faktorerna för att nå varje års final.
- Fyll det tomma hörnet. Uppskatta den slutliga skadan genom att multiplicera det senast kända värdet för varje nytt olycksår med de återstående faktorerna.
- Beräkna svaret. Slutlig skada − betalad hittills = avsättning som ska betalas i framtiden (inklusive IBNR).
Följande tabell är ett miniexempel (ackumulerad betald skada, miljoner TL):
olycksår
Kom igen. 1
Kom igen. 2
Kom igen. 3
Kom igen. 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
?
?
?
I denna triangel är faktorn 1→2 ungefär 1,47; 2→3 ca 1,12; 3→4 motsvarar ungefär 1,03. 2024 slutlig 5,2 × 1,47 × 1,12 × 1,03 ≈ 8,82 miljoner; Eftersom det betalade beloppet är 5,2 är avsättningen ≈ 3,62 miljoner TL. AI:n gör denna aritmetik på några sekunder, men aktuarien avgör om faktorerna är rimliga.
Alternativa metoder och osäkerhet
Enbart kedjetrappan räcker inte eftersom utvecklingsfaktorer är extremt känsliga för små fluktuationer eftersom det finns lite data under de senaste olycksåren; En enda större skada kan blåsa bort hela uppskattningen. Det är därför som Bornhuetter-Ferguson (BF) metoden används: BF uppskattar den outvecklade delen genom att använda en extern förväntad förlustkvotsinformation och jämnar därmed ut volatiliteten. Kedjestege är att föredra i mogna år, BF är att föredra i nya och omogna år; Tillsammans ger de en balanserad uppskattning.
För att mäta osäkerhet används Mack-metoden: den ger analytiskt standardfelet (variabiliteten) för kedjestegeuppskattningen. Dessutom kan en fullständig sannolikhetsfördelning av svaret produceras genom bootstrap (simulering genom att upprepade gånger sampla data); Detta svarar på frågan (kritisk för Solvens II) om "vad skulle vårt svar vara i värsta fall?" AI är mycket kraftfull när det gäller att generera kod och jämföra dessa metoder.
Varning: Valet av tillväxtfaktor är inte mekaniskt. På ett år kan en förändring i lagstiftningen, en stor våg av stämningar eller en förändring i betalningsgraden för ersättning störa faktorerna. Valet av "enkelt medelvärde, vägt medeltal, senaste 3 åren" är rättsligt och måste motiveras.
Hur man använder AI i reservredovisning
1) Kedjestegekod:
Skriv en kommenterad kod i Python som beräknar kedjestegen. Indata: kumulativ betald skada triangel (lista med listor, saknade celler Inga). 1) Beräkna den volymvägda åldersfaktorn för varje kolumnpass. 2) Hitta de kumulativa faktorerna. 3) Fyll i det tomma hörnet och uppskatta den slutliga skadan för varje olycksår. 4) Beräkna och summera ersättningen (slutlig - utbetald). Skriv ut varje mellansteg till skärmen; skapa inte ett bibliotek, använd grundläggande Python.
2) Metodjämförelse:
Förklara för en aktuarie skillnaden mellan en kedjestege och Bornhuetter-Ferguson.- Vilken är mer tillförlitlig i vilken situation?- Varför föredras BF under nya (omogna) olycksår?- Hur bestämmer jag den 'förväntade skadefrekvensen' som krävs för BF? Sammanfatta fördelar/nackdelar i en tabell.
3) Faktorplausibilitetskontroll:
Jag har följande åldersfaktorer: 1->2: 1,47; 2->3: 1,12; 3->4: 1,03; 4->5: 1,45. 4->5-faktorn ser konstig ut jämfört med de andra.- Vilka kan vara de möjliga orsakerna till detta hopp (reglering, större skada, datafel)?- Vilka kontroller ska jag göra för att verifiera?Beslutsfattande; Ge mig en checklista.
4) Tolkning av osäkerhet:
Min kedjestege bästa gissning är 42 miljoner TL, Mack standardfel är 5,3 miljoner. Hur förklarar jag detta för en chef och en tillsynsmyndighet?- Förklara i klartext vad nivåerna 75% och 99,5% betyder.- Hur kan jag förmedla budskapet 'intervall istället för enstaka nummer'?
Svag prompt / Stark prompt
Svag uppmaning:
Beräkna min belöning.
Det finns ingen triangel, ingen metod, inga data. AI passar gapet.
Kraftfull uppmaning:
Din roll: bokningsassistent. Jag kommer att ge dig den kumulativa betalda skadetriangeln (anonym, miljoner TL):2021: [4.0, 6.0, 6.8, 7.0]2022: [4.4, 6.5, 7.3]2023: [4.8, 7.0]2024: [5.2]Beräkna-för att beräkna varje faktor, åldersfaktor 1) visa.2) Fyll i det tomma hörnet, skriv den slutliga förlusten för varje år.3) Beräkna den totala avsättningen (slutlig - betald).4) 2024 är mycket nytt; Så förklara varför din uppskattning är mer osäker. Visa mig mellansiffrorna så att jag kan verifiera dem manuellt. Använd bara de uppgifter jag ger dig.
tre minifodral
Fall 1 — Otillräcklig bestämmelse. Ett företag räknade ut de två senaste olycksåren i sin snabbt växande trafikportfölj med rak kedjestege. Eftersom de nya årens faktorer var låga uppskattades avsättningen till 31 miljoner TL. När aktuarien kontrollerade med BF och använde den förväntade skadefrekvensen var det realistiska svaret 44 miljoner TL. Skillnaden på 13 miljoner bekräftades med rejäla skadestånd ett år senare. Lärdom: på nya år lurar blotta kedjan stegen.
Fall 2 — Korrupt faktor. En assisterande aktuarie såg en 3→4 faktor på 1,42 i triangeln som AI producerade; medan det historiska genomsnittet var 1,05. Om det hade passerat utan att ifrågasättas skulle svaret ha blåst upp med cirka 30 procent. Undersökningen visade att två olycksår flyttades på grund av ett dataladdningsfel. AI:n producerade inte felet, men det märkte det inte; Aktuariens skälighetskontroll slog igenom.
Fall 3 — Korrekt presentation av osäkerhet. En ansvarig aktuarie sa bara till ledningen att "avsättningen är 42 miljoner." Ledningen trodde att det var säkert och delade ut vinster. Året därpå, när den verkliga siffran var 48 miljoner, uppstod en kris. Nästa termin erbjöd aktuarien ett intervall med Mack och bootstrap som sa "bästa gissning är 42, men 75% nivå är 46, 99,5% nivå är 55 miljoner"; Ledningen fattade sitt beslut i enlighet med detta. Det sparade mycket tid på att förbereda AI-bootstrap-koden och diagrammet.
Vanliga misstag
- Använder endast kedjestege under de senaste åren av olyckor. Mindre data betyder volatil faktor; Balansera med BF.
- Att inte utsätta utvecklingsfaktorer för rimlighetskontroll. En korrupt faktor blåser bort hela svaret; Jämför med historiskt mönster.
- Presentera det ömsesidiga som ett enda exakt nummer. Svaret är en gissning; Att presentera det utan ett osäkerhetsområde (Mack, bootstrap) är missvisande.
- Förvirrar den betalda och realiserade triangeln. De två mäter olika saker; Arbeta konsekvent på en grund eller jämför medvetet de två.
- Att ignorera inflation och regelbrott. Det tidigare utvecklingsmönstret kanske inte förblir detsamma i framtiden; Tänk också på strukturella förändringar.
Sammanfattningsvis
Reserven är den nuvarande uppskattningen av framtida ansvar och är försäkringsbolagets mest kritiska aktuariella beräkning. Det tidigare betalningsmönstret ses med utvecklingstriangeln; Kedjestegen fyller det tomma hörnet med åldersfaktorer och uppskattar den slutliga skadan och ersättningen inklusive IBNR. På nya år är BF stabilare; Osäkerheten mäts av Mack och bootstrap. AI:n fyller i triangeln, skriver koden och jämför metoderna; men faktorurval, rimlighetskontroll och slutlig siffra beror på den ansvarige aktuariens omdöme och underskrift.
Applikationsuppgift
Skapa en anonym minitriangel av kumulativa betalda anspråk (4 olycksår × upp till 4 utvecklingsår). Be AI:n beräkna motsvarande med kedjestegen. Manuellt verifiera ålder-för-ålder faktorer och den sista av 2 år. Fråga sedan AI: "hur skulle BF ha producerat ett annat resultat för det senaste året" och jämför de två metoderna. Förvräng medvetet en av faktorerna (förstora till exempel en cell med 10 gånger) och observera hur AI:s respons förändras och hur plausibilitetskontrollen kommer att fånga detta.
checklista
- [ ] Är jag konsekvent i huruvida jag ställer in triangeln baserat på betald skada eller uppkommen skada?
- [ ] Har jag kontrollerat rimligheten genom att jämföra åldersfaktorerna med det historiska mönstret?
- [ ] Har jag krysskollat med BF för nya/omogna år?
- [ ] Presenterade jag svaret med ett osäkerhetsintervall snarare än ett enda nummer?
- [ ] Har jag självständigt räknat om den slutliga skadan och räknarräkningen?
- [ ] Har jag skrivit motiveringen för mitt faktorval (genomsnittstyp, punkt)?