Faida:
- Uwezo wa kuanzisha pembetatu ya maendeleo ya uharibifu, IBNR (uharibifu uliotokea lakini ambao haujaripotiwa) na njia ya ngazi ya mnyororo kwa msaada wa akili ya bandia na kutafsiri mambo ya maendeleo.
- Uwezo wa kulinganisha matokeo na mbinu mbadala kama vile Bornhuetter-Ferguson na Mack na kuelezea kutokuwa na uhakika wa hifadhi (tofauti, muda wa kujiamini) na akili ya bandia.
- Kuwa na uwezo wa kudumisha kwamba idadi ya utoaji inayokokotolewa na akili bandia ni rasimu, si ya mwisho, na kwamba chaguo la kipengele cha ukuzaji na urekebishaji wa mahakama ni mali ya mtaalamu anayewajibika.
Wakati kampuni ya bima inalipa uharibifu leo, kwa kweli hulipa deni la sera iliyouzwa hapo awali. Lakini si kila uharibifu unaripotiwa mara moja na si kila uharibifu ulioripotiwa hulipwa kwa ukamilifu mara moja. Ajali ya trafiki inatokea leo, kampuni inaarifiwa miezi mitatu baadaye, mchakato wa mahakama unachukua miaka miwili, na malipo ya mwisho yanakuwa wazi baada ya miaka minne. Kwa hivyo, kampuni lazima ihifadhi pesa leo kwa uharibifu ambao haujalipwa kikamilifu au hata bado haujaripotiwa. Pesa hii inaitwa hifadhi, na hesabu yake sahihi ni kazi muhimu zaidi ya shirika la bima. Ikiwa ataacha kidogo, kampuni itafilisika; Ikiwa nyingi zimetengwa, mtaji umefungwa bure na faida imefichwa.
Katika kitengo hiki, tutashughulikia dhana tatu katika kiini cha uhasibu wa utoaji: pembetatu ya maendeleo ya uharibifu, IBNR na mbinu ya ngazi ya mnyororo. Kisha tutazingatia njia mbadala (Bornhuetter-Ferguson, Mack) na kutokuwa na uhakika. AI huandika msimbo wa mahesabu haya, hujaza pembetatu, huhesabu mambo na kuelezea matokeo; lakini jukumu la uteuzi wa kipengele cha ukuzaji, urekebishaji wa mahakama na kielelezo cha mwisho cha utoaji ni la mtaalamu anayehusika.
Je, pembetatu ya maendeleo ya uharibifu ni nini?
Msingi wa hesabu ya utoaji ni pembetatu ya maendeleo / pembetatu ya kukimbia. Safu zinaonyesha kipindi ambacho uharibifu ulitokea (mwaka wa ajali), na safu zinaonyesha ni kiasi gani kililipwa kwa uharibifu huo (mwaka wa maendeleo). Inasomeka hivi: milioni 4 zililipwa katika mwaka wa 1 wa maendeleo wa mwaka wa ajali wa 2021, jumla ya milioni 6.2 zililipwa katika mwaka wa 2, na milioni 7 zililipwa katika mwaka wa 3. Miaka ya ajali ya zamani imekomaa (karibu malipo yote yamefanywa), wakati miaka mpya bado inaendelea. Kwa hiyo jina la pembetatu: kona ya chini ya kulia ni tupu, kwa sababu maendeleo zaidi ya miaka mpya bado hayajatokea. Kazi ya mtaalamu ni kukadiria kona hii tupu.
IBNR (Imetokea Lakini Haijaripotiwa) ni sehemu haswa ya pengo hili: gharama ya baadaye ya madai ambayo yametokea lakini bado hayajaripotiwa kwa kampuni. Pia kuna IBNER (maendeleo ya ziada ya madai yaliyoripotiwa lakini ambayo hayajahifadhiwa). Katika mazoezi, mbinu za pembetatu zinakadiria utoaji wa jumla unaohitajika (kulipwa + maendeleo ya baadaye); Unapotoa sehemu iliyolipwa, kifungu kilichosalia kinasalia, ikijumuisha IBNR.
Kidokezo: Unaweza kusanidi pembetatu kwa misingi miwili tofauti: "uharibifu umelipwa" na "uharibifu uliotokea (uliolipwa + hifadhi inayojulikana)". Kuchunguza hizi mbili pamoja hukusaidia kunasa mabadiliko katika tabia ya kuweka nafasi ya timu za madai.
Mnyororo-ngazi hatua kwa hatua
Ngazi ya mnyororo ndiyo njia ya kawaida ya kujibu, na mantiki yake ni angavu: ikiwa hasara katika siku za nyuma zimeongezeka kwa kiwango fulani kwa wastani kutoka mwaka mmoja wa maendeleo hadi ujao, miaka mpya itakua kwa kiwango sawa. Hatua:
- Weka pembetatu iliyojumlishwa. Panga limbikizo la madai yaliyolipwa kwa kila ajali mwaka baada ya mwaka wa maendeleo.
- Kuhesabu vipengele vya maendeleo. Kwa kila safu wima: jumla ya safu wima / jumla ya safu wima inayofuata (kwa kutumia safu mlalo zilizo na safu wima zote mbili pekee). Kwa mfano, kipengele 1→2 ni 1.45; Sababu 2→3 inaweza kuwa 1.12. Sababu hii inaitwa sababu ya umri hadi umri.
- Tafuta vipengele limbikizi (zilizorundikwa). Kuzidisha mambo yaliyobaki kufikia fainali ya kila mwaka.
- Jaza kona tupu. Kadiria uharibifu wa mwisho kwa kuzidisha thamani ya mwisho inayojulikana ya kila mwaka mpya wa ajali kwa vipengele vilivyosalia.
- Kokotoa jibu. Uharibifu wa mwisho - uliolipwa hadi sasa = utoaji unaolipwa katika siku zijazo (pamoja na IBNR).
Jedwali lifuatalo ni mfano mdogo (jumla ya uharibifu uliolipwa, milioni TL):
mwaka wa ajali
Njoo. 1
Njoo. 2
Njoo. 3
Njoo. 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
?
?
?
Katika pembetatu hii, kipengele 1→2 ni takriban 1.47; 2→3 kuhusu 1.12; 3→4 ni sawa na takriban 1.03. 2024 mwisho 5.2 × 1.47 × 1.12 × 1.03 ≈ milioni 8.82; Kwa kuwa kiasi kilicholipwa ni 5.2, utoaji ni ≈ TL milioni 3.62. AI hufanya hesabu hii kwa sekunde, lakini mtaalamu huamua ikiwa sababu ni sawa.
Njia mbadala na kutokuwa na uhakika
Ngazi ya mnyororo pekee haitoshi kwa sababu vipengele vya maendeleo ni nyeti sana kwa kushuka kwa thamani ndogo kwa sababu kuna data ndogo katika miaka ya hivi karibuni ya ajali; Uharibifu mmoja mkubwa unaweza kulipua makadirio yote. Ndiyo maana mbinu ya Bornhuetter-Ferguson (BF) inatumiwa: BF inakadiria sehemu ambayo haijaendelezwa kwa kutumia taarifa ya uwiano wa hasara inayotarajiwa kutoka nje na hivyo kulainisha tete. Ngazi ya mnyororo inapendekezwa katika miaka ya kukomaa, BF inapendekezwa katika miaka mpya na isiyokomaa; Kwa pamoja wanatoa makadirio yenye uwiano.
Ili kupima kutokuwa na uhakika, njia ya Mack inatumiwa: kwa uchanganuzi inatoa makosa ya kawaida (tofauti) ya makadirio ya ngazi ya mnyororo. Zaidi ya hayo, usambazaji kamili wa uwezekano wa jibu unaweza kutolewa na bootstrap (kuiga kwa kuchukua sampuli ya data mara kwa mara); Hii inajibu swali (muhimu kwa Usuluhishi II) la "jibu letu lingekuwaje katika hali mbaya zaidi?" AI ina nguvu sana katika kutoa msimbo na kulinganisha njia hizi.
Tahadhari: Uteuzi wa sababu ya ukuaji sio wa mitambo. Katika mwaka mmoja, mabadiliko ya sheria, wimbi kubwa la kesi, au mabadiliko ya kiwango cha malipo ya madai yanaweza kuvuruga mambo. Chaguo la "wastani rahisi, wastani wa uzito, miaka 3 iliyopita" ni ya mahakama na lazima iwe na haki.
Jinsi ya kutumia AI katika uhasibu wa hifadhi
1) Nambari ya ngazi ya mnyororo:
Andika nambari ya maoni katika Python ambayo huhesabu ngazi ya mnyororo. Ingizo: limbikizo la pembetatu ya uharibifu uliolipwa (orodha ya orodha, seli zinazokosekana Hakuna). 1) Hesabu kipengele cha umri kilichopimwa kwa kila safu wima. 2) Tafuta sababu za mkusanyiko. 3) Jaza kona tupu na ukadirie uharibifu wa mwisho kwa kila mwaka wa ajali. 4) Kuhesabu na kujumlisha fidia (mwisho - kulipwa). Chapisha kila hatua ya kati kwenye skrini; usifanye maktaba, tumia Python ya msingi.
2) Njia ya kulinganisha:
Elezea mtaalamu tofauti kati ya ngazi ya mnyororo na Bornhuetter-Ferguson.- Ni ipi inategemewa zaidi katika hali gani?- Kwa nini BF inapendelewa katika miaka mipya (ya machanga) ya ajali?- Je, ninawezaje kujua 'kiwango cha uharibifu tarajiwa' kinachohitajika kwa BF? Fanya muhtasari wa faida/hasara katika jedwali.
3) Ukaguzi wa sababu:
Nina mambo yafuatayo ya umri hadi umri: 1->2: 1.47; 2->3: 1.12; 3->4: 1.03; 4->5: 1,45.Kipengele cha 4->5 kinaonekana kuwa cha ajabu ikilinganishwa na wengine.- Je, inaweza kuwa sababu gani za kuruka huku (kidhibiti, uharibifu mkubwa, hitilafu ya data)?- Ni hundi gani nifanye ili kuthibitisha?Kufanya maamuzi; Nipe orodha ya ukaguzi.
4) Tafsiri ya kutokuwa na uhakika:
Utoaji wa nadhani wa ngazi yangu ya mnyororo ni TL milioni 42, kosa la kawaida la Mack ni milioni 5.3. Je, ninawezaje kueleza hili kwa meneja na mdhibiti?- Eleza kwa lugha rahisi maana ya viwango vya 75% na 99.5%.- Ninawezaje kuwasilisha ujumbe 'range badala ya nambari moja'?
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Hesabu malipo yangu.
Hakuna pembetatu, hakuna mbinu, hakuna data. AI inafaa pengo.
Agizo lenye nguvu:
Jukumu lako: msaidizi wa kuhifadhi. Nitakupa limbikizo la pembetatu ya madai yaliyolipwa (bila kujulikana jina, milioni 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]Jukumu la kuhesabu umri: 1. katika kona tupu, andika hasara ya mwisho ya kila mwaka.3) Kuhesabu utoaji wa jumla (mwisho - kulipwa).4) 2024 ni mpya sana; Kwa hivyo eleza kwa nini makadirio yako hayana uhakika zaidi. Nionyeshe nambari za kati ili nizithibitishe mwenyewe. Tumia tu data ninayokupa.
kesi tatu ndogo
Kesi ya 1 - Utoaji usiofaa. Kampuni moja ilikokotoa miaka miwili iliyopita ya ajali katika jalada lake la trafiki linalokua kwa kasi na ngazi iliyonyooka. Kwa kuwa mambo ya mwaka mpya yalikuwa ya chini, utoaji ulikadiriwa kuwa TL milioni 31. Wakati mtaalamu alipoangalia na BF na kutumia kiwango cha uharibifu kilichotarajiwa, majibu ya kweli yalikuwa TL milioni 44. Tofauti ya milioni 13 ilithibitishwa na uharibifu halisi mwaka mmoja baadaye. Somo: katika miaka mpya, mnyororo tu hudanganya ngazi.
Kesi ya 2 - Sababu iliyoharibika. Mtaalam msaidizi aliona kipengele cha 3→4 cha 1.42 katika pembetatu ambayo AI ilitoa; ambapo wastani wa kihistoria ulikuwa 1.05. Ikiwa ingepita bila kuhojiwa, majibu yangeongezeka kwa takriban asilimia 30. Uchunguzi ulibaini kuwa miaka miwili ya ajali ilibadilishwa kutokana na hitilafu ya upakiaji wa data. AI haikutoa kosa, lakini haikugundua; Ukaguzi wa uthabiti wa mtaalamu uliendelea.
Kesi ya 3 - Uwasilishaji sahihi wa kutokuwa na uhakika. Mtaalamu anayehusika aliambia usimamizi tu kwamba "kipengele ni milioni 42." Uongozi ulifikiri kuwa hii ni kweli na ikagawanya faida. Mwaka uliofuata, wakati idadi halisi ilikuwa milioni 48, shida iliibuka. Muhula uliofuata, mtaalamu alitoa anuwai kwa Mack na bootstrap akisema "nadhani bora ni 42, lakini kiwango cha 75% ni 46, kiwango cha 99.5% ni milioni 55"; Uongozi ulifanya uamuzi wake ipasavyo. Iliokoa muda mwingi katika kuandaa msimbo wa bootstrap ya AI na chati.
Makosa ya kawaida
- Kutumia ngazi ya mnyororo tu katika miaka ya hivi karibuni ya ajali. Data kidogo inamaanisha sababu tete; Mizani na BF.
- Kutoweka vipengele vya maendeleo kwa udhibiti wa busara. Sababu moja ya rushwa hupuuza majibu yote; Linganisha na muundo wa kihistoria.
- Inawasilisha kuheshimiana kama nambari moja kamili. Jibu ni nadhani; Kuiwasilisha bila safu ya kutokuwa na uhakika (Mack, bootstrap) inapotosha.
- Kuchanganya pembetatu iliyolipwa na kutambuliwa. Wawili hao hupima vitu tofauti; Fanya kazi mara kwa mara kwa msingi mmoja au ulinganishe hizo mbili kwa uangalifu.
- Kupuuza mfumuko wa bei na mapumziko ya udhibiti. Mtindo wa maendeleo uliopita hauwezi kubaki sawa katika siku zijazo; Pia fikiria mabadiliko ya muundo.
Kwa muhtasari
Hifadhi ndiyo makadirio ya sasa ya dhima ya siku zijazo na ndio hesabu muhimu zaidi ya hesabu ya kampuni ya bima. Mpangilio wa malipo uliopita unaonekana na pembetatu ya maendeleo; Ngazi ya mnyororo hujaza kona tupu na vipengele vya umri kwa umri na kukadiria uharibifu na fidia ya mwisho ikijumuisha IBNR. Katika miaka mpya, BF ni imara zaidi; Kutokuwa na uhakika hupimwa na Mack na bootstrap. AI inajaza pembetatu, inaandika msimbo, na inalinganisha njia; lakini uteuzi wa sababu, ukaguzi wa busara na takwimu ya mwisho hutegemea uamuzi na saini ya mtaalam anayehusika.
Jukumu la maombi
Unda pembetatu ndogo isiyojulikana ya madai yaliyolipwa ya jumla (miaka 4 ya ajali × hadi miaka 4 ya maendeleo). Uliza AI kuhesabu sawa na ngazi ya mnyororo. Thibitisha wewe mwenyewe vipengele vya umri kwa umri na mwisho wa miaka 2. Kisha uulize AI "jinsi gani BF ingetoa matokeo tofauti kwa mwaka wa hivi majuzi" na ulinganishe njia hizo mbili. Kwa uangalifu potosha mojawapo ya vipengele (kwa mfano, panua seli kwa mara 10) na uangalie jinsi majibu ya AI yanavyobadilika na jinsi ukaguzi wa usadikisho utakavyopata hii.
orodha ya ukaguzi
- [ ] Je, ninabadilika iwapo nitaweka pembetatu kulingana na uharibifu uliolipwa au uharibifu uliotokea?
- [ ] Je, nimekagua kusadikika kwa kulinganisha vipengele vya umri na muundo wa kihistoria?
- [ ] Je, nimepitia BF kwa miaka mipya/changa?
- [ ] Je, niliwasilisha jibu kwa masafa ya kutokuwa na uhakika badala ya nambari moja?
- [ ] Je, nimehesabu upya uharibifu wa mwisho na hesabu ya kaunta kwa kujitegemea?
- [ ] Je, nimeweka uhalali wa uteuzi wa kipengele changu (aina ya wastani, kipindi) kwa maandishi?