அலகுகள்
1. ஆக்சுரியல் அறிவியலில் செயற்கை நுண்ணறிவு அறிமுகம்: பாத்திரங்கள், எல்லைகள், அங்கீகாரம் மற்றும் தனியுரிமை 2. சேத மாடலிங்: அதிர்வெண்-கடுமை பாகுபாடு மற்றும் செயற்கை நுண்ணறிவு ஆதரவு பகுப்பாய்வு 3. ரிசர்வ் (ஒதுக்கீடு) கணக்கு: ஐபிஎன்ஆர், செயின் லேடர் மற்றும் செயற்கை நுண்ணறிவு மூலம் சரிபார்ப்பு 4. விலை மற்றும் இடர் வகைப்பாடு: GLM, வரி விதிப்பு மற்றும் செயற்கை நுண்ணறிவு 5. வாழ்க்கை மற்றும் ஓய்வூதிய கணக்குகள்: இறப்பு, வருடாந்திரம் மற்றும் பொறுப்பு 6. தரவுத் தயாரித்தல் மற்றும் சிறப்புப் பொறியியல்: செயற்கை நுண்ணறிவுடன் செயல் தரவுகளைக் கையாளுதல் 7. காட்சி பகுப்பாய்வு மற்றும் அழுத்த சோதனை: நிச்சயமற்ற தன்மையை நிர்வகித்தல் 8. Solvency II, Capital Adequacy மற்றும் மாதிரி சரிபார்ப்பு 9. அறிக்கையிடல் மற்றும் தொடர்பு: செயல் அறிக்கை, மேலாண்மை வழங்கல் மற்றும் ஒழுங்குமுறை மொழி 10. நெறிமுறைகள், பாகுபாடு, இரகசியத்தன்மை மற்றும் தொழில்முறை பொறுப்பு 11. எண்ட்-டு-எண்ட் ஆக்சுவேரியல் பணிப்பாய்வு, AI ஒருங்கிணைப்பு மற்றும் எதிர்காலச் சரிபார்ப்பு
அலகு 11 / 11

எண்ட்-டு-எண்ட் ஆக்சுவேரியல் பணிப்பாய்வு, AI ஒருங்கிணைப்பு மற்றும் எதிர்காலச் சரிபார்ப்பு

ஆதாயங்கள்:

  • தரவு உள்ளீடு முதல் இறுதி கையொப்பமிடப்பட்ட அறிக்கை வரை செயற்கை நுண்ணறிவால் ஆதரிக்கப்படும் ஒரு இறுதி முதல் இறுதி வரையிலான செயல்முறையாக முழு ஆக்சுரியல் பணிப்பாய்வு வடிவமைக்கும் திறன்
  • செயற்கை நுண்ணறிவு கருவிகளை பணிப்பாய்வுக்கு ஒருங்கிணைக்கும் போது பதிப்பு கட்டுப்பாடு, தணிக்கைத் தடம் மற்றும் மீண்டும் இயங்கக்கூடிய ஒழுக்கத்தை நிறுவும் திறன்
  • செயற்கை நுண்ணறிவு யுகத்தில் ஆக்சுவேரியல் தொழில் எவ்வாறு மாறுகிறது என்பதைப் புரிந்துகொள்வது மற்றும் ஒருவரின் சொந்த திறன் மேம்பாடு மற்றும் தொழில்முறை பொறுப்புகளைத் திட்டமிடுதல்.

தொகுதி தேர்வு

1. ஒரு ஆக்சுவரி AIயிடம் "கடந்த ஆண்டு எங்கள் போர்ட்ஃபோலியோவின் இழப்பு அதிர்வெண் என்ன?" கொள்கை தரவை வழங்காமல். அவர் கேட்கிறார், மாடல் நம்பிக்கையான எண்ணைக் கொடுக்கிறது. இந்த சூழ்நிலை எந்த ஆபத்தை மிகவும் எடுத்துக்காட்டுகிறது?

  • A) மாயத்தோற்றம்: மாதிரியானது தரவு அணுகல் இல்லாமல் உருவாக்கப்பட்ட எண்ணை உருவாக்குகிறது ✔
  • B) அதிகப்படியான பொருத்துதல்
  • C) தரவு கசிவு
  • D) இறப்பு முன்னேற்றம்

விளக்கம்: மாதிரிக்கு தரவு எதுவும் வழங்கப்படாதபோது, அது உருவாக்கும் எண் ஒரு மாயத்தோற்றம்: ஒரு சரளமான ஆனால் உண்மையான தரவை அடிப்படையாகக் கொண்டதல்ல. அதிர்வெண் போன்ற எண்ணியல் முடிவுகள் எப்போதும் நிறுவனத்தின் சொந்தத் தரவிலிருந்து கணக்கிடப்பட வேண்டும்.

2. சேத மாடலிங்கில் "அதிர்வெண்" மற்றும் "கடுமை" ஆகியவற்றுக்கு இடையே உள்ள வேறுபாட்டிற்கான முக்கிய காரணம் என்ன?

  • A) சட்டமானது மாடலிங் அதிர்வெண் மற்றும் தீவிரத்தை ஒன்றாக தடை செய்வதால்
  • B) ஏனெனில் இது ஆயுள் காப்பீட்டிற்கு மட்டுமே செல்லுபடியாகும்
  • C) அதிர்வெண் மற்றும் தீவிரம் வெவ்வேறு விநியோகங்களைப் பின்பற்றுகின்றன; தனித்தனியாக மாடலிங் செய்து அவற்றை இணைப்பது மொத்த சேதத்தை மிகவும் துல்லியமாக கணிக்கின்றது ✔
  • D) அதிர்வெண் மற்றும் தீவிரம் எப்போதும் ஒரே மதிப்பை எடுப்பதால், அவற்றில் ஒன்றைக் கணக்கிடுவது போதுமானது.

விளக்கம்: சேதங்களின் எண்ணிக்கை (அதிர்வெண்) மற்றும் சேதத்திற்கான அளவு (கடுமை) வெவ்வேறு நடத்தைகள் மற்றும் வெவ்வேறு நிகழ்தகவு விநியோகங்களைக் கொண்டுள்ளன; மாடலிங் மற்றும் தனித்தனியாக பெருக்குவதன் மூலம் மொத்த சேதம் (ரிஸ்க் பிரீமியம்) பெறப்படுகிறது. இந்த வேறுபாடு இரண்டையும் துல்லியமாகக் கணிக்க அனுமதிக்கிறது.

3. IBNR சமமான பொருள் என்ன?

  • A) பிரீமியம் திரும்பப் பெறுவதற்காக ஒதுக்கப்பட்ட சட்ட நிதி
  • B) ஏற்பட்ட சேதங்களுக்கான ஒதுக்கீடு, ஆனால் இன்னும் அறிவிக்கப்படவில்லை ✔
  • C) மறுகாப்பீட்டாளரிடமிருந்து பெறப்படும் கமிஷன்
  • D) செலுத்தப்பட்ட மற்றும் மூடிய சேதங்களின் மொத்தம்

விளக்கம்: IBNR (இன்குர்டு ஆனால் ரிப்போர்ட் செய்யப்படாதது) என்பது நிறுவனத்திடம் இதுவரை தெரிவிக்கப்படாத சேதங்களின் எதிர்காலச் செலவுக்காக ஒதுக்கப்பட்ட ஒதுக்கீடு ஆகும். இது சங்கிலி ஏணி போன்ற முறைகளால் மதிப்பிடப்படுகிறது.

4. செயின்-லேடர் முறையில் "வளர்ச்சி காரணி" என்ன பயன்?

  • A) பணவீக்கத்திற்கு ஏற்ப பிரீமியங்களை புதுப்பிக்கிறது
  • B) பாலிசிகளின் எண்ணிக்கையை ஆண்டுகளால் வகுக்கிறது
  • C) மூலதனத் தேவையை நேரடியாகக் கணக்கிடுகிறது
  • D) ஒரு வளர்ச்சிக் காலத்திலிருந்து அடுத்த கட்டத்திற்கு ஒட்டுமொத்த சேதத்தின் வளர்ச்சி விகிதத்தைக் கொடுப்பதன் மூலம் இறுதி சேதத்தை கணிக்க இது பயன்படுகிறது. ✔

விளக்கம்: ஒரு வருட வளர்ச்சியிலிருந்து அடுத்த வருடத்திற்கு சேத காலத்தின் ஒட்டுமொத்த சேதம் எத்தனை மடங்கு அதிகரிக்கிறது என்பதை வளர்ச்சி காரணி குறிக்கிறது; இந்த காரணிகளைப் பயன்படுத்தி, முதிர்ச்சியடையாத நிலைகளின் இறுதி சேதம் மதிப்பிடப்படுகிறது.

5. ஜிஎல்எம் (பொதுவாக்கப்பட்ட நேரியல் மாதிரி) ஏன் விலை நிர்ணயத்தில் பயன்படுத்தப்படுகிறது?

  • A) ஏனெனில் இது எப்போதும் மிக உயர்ந்த கணிப்புத் துல்லியத்தை அளிக்கிறது
  • B) குணகங்கள் விளக்கக்கூடியவை என்பதால், பிரீமியத்தில் ஆபத்து காரணிகளின் விளைவை வெளிப்படையாக விளக்க முடியும் ✔
  • C) ஏனெனில் இது தரவு தேவையில்லாமல் வேலை செய்கிறது
  • D) ஏனெனில் சட்டம் GLM ஐ மட்டுமே அனுமதிக்கிறது

விளக்கம்: GLM ஆனது பிரீமியத்தில் ஒவ்வொரு ஆபத்துக் காரணியின் தாக்கத்தையும் வெளிப்படையாகக் காட்டுகிறது, ஏனெனில் அதன் குணகங்கள் விளக்கக்கூடியவை; சட்டம், தணிக்கை மற்றும் வேலை விவரம் ஆகியவற்றின் அடிப்படையில் இது ஒரு முக்கியமான நன்மை.

6. இறப்பு அட்டவணையில் உள்ள qx மதிப்பு எதைக் குறிக்கிறது?

  • A) x வயதுடைய நபர் ஒரு வருடத்திற்குள் இறக்கும் நிகழ்தகவு ✔
  • B) வயது x வரை செலுத்தப்பட்ட மொத்த பிரீமியம்
  • C) x ஆண்டு வருடாந்திரத்தின் தற்போதைய மதிப்பு
  • D) தொழில்நுட்ப வட்டி விகிதம்

விளக்கம்: qx என்பது x வயதை எட்டிய ஒருவர் ஒரு வருடத்திற்குள் இறப்பதற்கான நிகழ்தகவு. இது ஆயுள் காப்பீடு மற்றும் ஓய்வூதிய கணக்குகளின் அடிப்படை உள்ளீடு ஆகும்; உயிர்வாழ்வதற்கான நிகழ்தகவு px = 1 - qx ஆல் கண்டறியப்படுகிறது.

7. வருடாந்திர கணக்கில் தொழில்நுட்ப வட்டி (தள்ளுபடி) விகிதத்தை அதிகரிப்பது எதிர்கால கொடுப்பனவுகளின் தற்போதைய மதிப்பை எவ்வாறு பாதிக்கிறது?

  • A) தற்போதைய மதிப்பை அதிகரிக்கிறது
  • B) இது பாதிக்காது
  • C) தற்போதைய மதிப்பைக் குறைக்கிறது ✔
  • D) இது இறப்பை மட்டுமே மாற்றுகிறது

விளக்கம்: தள்ளுபடி விகிதம் அதிகரிக்கும் போது, பணத்தின் நேர மதிப்பு மிகவும் வலுவாகப் பயன்படுத்தப்படுவதால், எதிர்கால கொடுப்பனவுகளின் தற்போதைய மதிப்பு குறைகிறது. எனவே, வட்டி அனுமானம் நேரடியாக பொறுப்பு மதிப்பை பாதிக்கிறது மற்றும் கவனமாக தேர்ந்தெடுக்கப்படுகிறது.

8. அம்ச பொறியியலில் "தரவு கசிவு" என்றால் என்ன?

  • A) குறியாக்கம் இல்லாமல் தரவைச் சேமித்தல்
  • B) விடுபட்ட மதிப்புகளை சராசரியுடன் நிரப்புதல்
  • C) தரவை காப்புப் பிரதி எடுக்கவில்லை
  • ஈ) கணிப்பு நேரத்தில் உண்மையில் கிடைக்காத தகவல் மாதிரியில் கலக்கப்பட்டு செயல்திறனை தவறாக உயர்த்துகிறது ✔

விளக்கம்: தரவு கசிவு என்பது கணிப்பு நேரத்தில் உண்மையில் இல்லாத மாதிரியில் தகவல்களை அறிமுகப்படுத்துவதாகும் (உதாரணமாக, எதிர்காலத்தைக் கொண்ட மாறி). இது சோதனை செயல்திறனை செயற்கையாக உயர்த்துகிறது மற்றும் உண்மையான உலகில் மாதிரி தோல்வியடைகிறது.

9. ஒரு மான்டே கார்லோ உருவகப்படுத்துதல் அடிப்படையில் ஒரு ஆக்சுவரிக்கு என்ன வழங்குகிறது?

  • A) முடிவை ஒற்றை மற்றும் துல்லியமான எண்ணாகக் குறைக்கிறது
  • B) இது அதிக எண்ணிக்கையிலான சீரற்ற காட்சிகளை உருவாக்குவதன் மூலம் நிகழ்தகவு விநியோகம் மற்றும் முடிவின் வால் ஆபத்தை பார்க்க அனுமதிக்கிறது ✔
  • C) இது வரலாற்றுத் தரவுகள் தேவையில்லாமல் துல்லியமான கணிப்புகளை அளிக்கிறது.
  • D) சட்டத்தின் உரையை தானாக எழுதுகிறது

விளக்கம்: மான்டே கார்லோ சீரற்ற காட்சிகளை அதிக எண்ணிக்கையில் திரும்பத் திரும்பச் செய்கிறார், இதனால் விளைவு ஒற்றைப் புள்ளியைக் காட்டிலும் நிகழ்தகவு விநியோகமாக (எ.கா. வால் ஆபத்து, 99.5% நிலை) பார்க்கப்படுகிறது. நிச்சயமற்ற தன்மையைக் கணக்கிட இது ஒரு சக்திவாய்ந்த வழியாகும்.

10. SCR (Solvency Capital Requirement) என்பது Solvency II இன் கட்டமைப்பிற்குள் எதைக் குறிக்கிறது?

  • A) மொத்த வருடாந்திர பிரீமியம் வருமானம்
  • B) செலுத்தப்பட்ட சேதங்களின் மொத்த
  • C) 99.5% நம்பிக்கை அளவில் ஓராண்டு இழப்புகளை ஈடுகட்ட மூலதனத் தேவை ✔
  • D) மறுகாப்பீட்டு கமிஷன் விகிதம்

விளக்கம்: SCR என்பது ஒரு வருடத்திற்குள் 99.5% நம்பிக்கை மட்டத்தில் (மோசமான சூழ்நிலையில் 200 ஆண்டுகளுக்கு ஒருமுறை நிகழும்) அதன் கடமைகளை நிறைவேற்றுவதற்கு நிறுவனம் பராமரிக்க வேண்டிய மூலதனத் தேவையாகும். இது காப்பீட்டாளரின் நிதி நிலைத்தன்மையின் முக்கிய அளவீடு ஆகும்.

11. செயற்கை நுண்ணறிவால் தயாரிக்கப்பட்ட விலை நிர்ணய மாதிரியில் "மறைமுக பாகுபாடு" எவ்வாறு ஏற்படுகிறது?

  • A) தடைசெய்யப்பட்ட மாறியுடன் தொடர்புடைய ப்ராக்ஸி மாறி மறைமுகமாக அதே பாரபட்சமான விளைவைக் கொண்டுள்ளது ✔
  • B) மாடல் மிகக் குறைந்த தரவைப் பயன்படுத்துகிறது
  • C) பிரீமியத்தை அதிகமாக அமைத்தல்
  • D) குறைந்த தொழில்நுட்ப ஆர்வத்தைத் தேர்ந்தெடுப்பது

விளக்கம்: மாதிரியிலிருந்து தடைசெய்யப்பட்ட மாறி (எ.கா. இனம்) அகற்றப்பட்டாலும், வலுவான தொடர்புடைய மாற்று மாறி (எ.கா. அக்கம்/ஜிப் குறியீடு) மறைமுகமாக அதே பாகுபாடான விளைவை ஏற்படுத்தக்கூடும். எனவே, மாதிரியானது வெளிப்படையானது மட்டுமின்றி மறைமுக பாகுபாடுகளுக்கும் ஆய்வு செய்யப்பட வேண்டும்.

12. பொதுவில் கிடைக்கும் செயற்கை நுண்ணறிவு கருவி மூலம் கொள்கை மற்றும் உரிமைகோரல் தரவுகளை பகுப்பாய்வு செய்யும் போது அடிப்படை தனியுரிமை விதி என்ன?

  • A) தரவு சிறியதாக இருந்தால், அநாமதேயமாக்கல் தேவையில்லை
  • B) எல்லா சந்தர்ப்பங்களிலும் பெயர்களை மாற்றுவது போதுமானது
  • C) தரவு குறியாக்கம் செய்யப்பட்டிருந்தால், அதை எந்த வாகனத்திலும் பதிவேற்றலாம்
  • D) தனிப்பட்ட/தனிப்பட்ட தரவை அநாமதேயமாக்குங்கள், தேவையற்ற தரவைப் பகிர வேண்டாம் மற்றும் பாதுகாப்பான/நிறுவனக் கருவியைத் தேர்ந்தெடுக்கவும் ✔

விளக்கம்: தனிப்பட்ட மற்றும் சிறப்புத் தரவு (TR ID, பெயர், கண்டறிதல், நெறிமுறை) பகிர்வதற்கு முன் அநாமதேயப்படுத்தப்பட வேண்டும்; முடிந்தால், மாதிரி பயிற்சியில் தரவைப் பயன்படுத்தாத தரவு செயலாக்க ஒப்பந்தங்களைக் கொண்ட கார்ப்பரேட் கருவிகளுக்கு முன்னுரிமை அளிக்கப்பட வேண்டும். KVKK க்கு இது தேவை.

13. செயின் ஏணியை போர்ன்ஹுட்டர்-ஃபெர்குசன் (பிஎஃப்) முறையுடன் ஒப்பிடும் ஆக்சுவரி ஏன் பெரும்பாலும் முதிர்ச்சியடையாத (புதிய) சேத காலங்களுக்கு BF ஐ விரும்புகிறது?

  • A) ஏனெனில் சட்டப்படி BF கட்டாயமாகும்
  • B) ஏனெனில் BFக்கு தரவு தேவையில்லை
  • சி) புதிய காலங்களில், சங்கிலி ஏணி காரணிகள் மிகவும் கொந்தளிப்பாக மாறும்; எதிர்பார்க்கப்படும் சேத விகிதத்தைப் பயன்படுத்தி BF மிகவும் நிலையான கணிப்பைக் கொடுக்கிறது ✔
  • D) ஏனெனில் சங்கிலி ஏணி ஆயுள் காப்பீட்டில் மட்டுமே வேலை செய்கிறது

விளக்கம்: புதிய காலங்களில் மிகக் குறைவான சேதம் ஏற்படுவதால், சங்கிலி ஏணி வளர்ச்சி காரணிகள் மிகவும் உணர்திறன் மற்றும் சிறிய ஏற்ற இறக்கங்களுக்கு ஏற்ற இறக்கமாக மாறும். BF எதிர்பார்க்கப்படும் இழப்பு விகிதத்தை (ஒரு முன்னோடி) தகவலைப் பயன்படுத்தி இந்த ஏற்ற இறக்கத்தை மென்மையாக்குகிறது மற்றும் மேலும் நிலையான முன்னறிவிப்பை அளிக்கிறது.

14. AI-உருவாக்கிய ரிசர்வ் கணக்கில் ஒரு ஆக்சுவரி நேரடியாக கையொப்பமிட்டு அதை ரெகுலேட்டருக்கு அனுப்பினால் என்ன முக்கிய பிரச்சனை?

  • A) பொறுப்பு மற்றும் இறுதி ஒப்புதல் ஆக்சுவரியிடம் உள்ளது; சரிபார்க்கப்படாத அச்சுப்பொறியில் கையொப்பமிடுவது தொழில்முறை மற்றும் சட்ட ஆபத்தை நீக்காது ✔
  • B) செயற்கை நுண்ணறிவு வெளியீடு எப்போதும் துல்லியமற்றது மற்றும் பயன்படுத்தக்கூடாது
  • C) செயற்கை நுண்ணறிவைப் பயன்படுத்துவதை ஒழுங்குமுறை நிறுவனம் முற்றிலும் தடை செய்துள்ளது
  • D) செயற்கை நுண்ணறிவு வெளியீட்டிற்கு கையொப்பம் தேவையில்லை

விளக்கம்: AI வெளியீடு ஒரு வரைவு; முறை தேர்வு, அனுமானங்கள் மற்றும் இறுதி எண்ணிக்கை ஆகியவற்றிற்கான பொறுப்பு கையொப்பமிடும் செயலாளரிடம் உள்ளது. சரிபார்க்கப்படாத வெளியீட்டில் கையொப்பமிடுவது, கையொப்பமிடாத அறிக்கையை வெளியிடுவது போன்ற ஆபத்தானது மற்றும் தொழில்முறை/சட்டப் பொறுப்பை அகற்றாது.