காட்சி பகுப்பாய்வு மற்றும் அழுத்த சோதனை: நிச்சயமற்ற தன்மையை நிர்வகித்தல்

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவின் ஆதரவுடன் உறுதியான சூழ்நிலை, சீரான உருவகப்படுத்துதல் (மான்டே கார்லோ) மற்றும் அழுத்த சோதனைக் கருத்துகளை நிறுவும் திறன் மற்றும் முடிவுகளை இடர் மொழியில் விளக்குதல்
• செயற்கை நுண்ணறிவுடன் பணவீக்கம், வட்டி, பேரழிவு சேதம் மற்றும் தொற்றுநோய் போன்ற அதிர்ச்சி காட்சிகளை வடிவமைக்கும் திறன் மற்றும் பொறுப்பு மற்றும் மூலதன தாக்கத்தை மதிப்பிடுதல்
• செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட காட்சிகள் வரலாற்றுத் தரவுகளை அடிப்படையாகக் கொண்டவை என்பதையும், வால் அபாயங்கள் மற்றும் கட்டமைப்பு முறிவுகளில் உண்மையான தீர்ப்பு முன்னுக்கு வருகிறது என்பதையும் வேறுபடுத்தி அறிய முடிகிறது.

ஆக்சுவரியலிசம் என்பது எதிர்காலத்தைக் கணிக்கும் தொழில்; ஆனால் எதிர்காலம் என்பது ஒற்றை எண் அல்ல, அது சாத்தியக்கூறுகளின் ஸ்பெக்ட்ரம். "எங்கள் எதிர்பார்க்கும் சேதம் 50 மில்லியன்" என்று சொன்னால் போதாது; உண்மையான கேள்வி: "மோசமான வருடம் வந்தால், எத்தனை மில்லியன்கள் செலவாகும், நிறுவனம் அதை கையாள முடியுமா?" இந்த கேள்விக்கு பதிலளிக்கும் கருவிகள் காட்சி பகுப்பாய்வு மற்றும் அழுத்த சோதனை. நிலநடுக்கம், உயர் பணவீக்கம், வட்டி விகித அதிர்ச்சி அல்லது நிறுவனத்தின் பொறுப்புகள் மற்றும் மூலதனத்தின் மீதான தொற்றுநோய் ஆகியவற்றின் தாக்கத்தை முன்கூட்டியே அளவிடுவது உள் இடர் மேலாண்மை மற்றும் சால்வென்சி II போன்ற சட்டங்களின் அடிப்படைத் தேவையாகும். இந்த யூனிட்டில், தீர்மானகரமான சூழ்நிலை, ஸ்டோகாஸ்டிக் சிமுலேஷன் (மான்டே கார்லோ) மற்றும் ஸ்ட்ரெஸ் டெஸ்டிங் ஆகியவற்றைப் பார்ப்போம், மேலும் இந்த பகுப்பாய்வுகளில் AI ஐ எவ்வாறு பயன்படுத்துவது என்பதைப் பார்ப்போம்.

ஆரம்பத்திலிருந்தே உங்களுக்கு நினைவூட்டுவோம்: காட்சிகள் வரலாற்று தரவு மற்றும் அனுமானங்களை அடிப்படையாகக் கொண்டவை. AI காட்சிகளை வடிவமைக்கிறது, உருவகப்படுத்துதல் குறியீட்டை எழுதுகிறது மற்றும் முடிவுகளை விளக்குகிறது; ஆனால் எந்த அதிர்ச்சிகள் யதார்த்தமானவை, வால் ஆபத்தை எவ்வாறு கையாள்வது மற்றும் கட்டமைப்பு முறிவுகளை எவ்வாறு சேர்ப்பது (கடந்த காலத்தில் நிகழாத நிகழ்வுகள்) ஆகியவை நடைமுறைத் தீர்ப்பிற்கு விடப்படுகின்றன.

தீர்மானிக்கும் காட்சி, சீரான உருவகப்படுத்துதல் மற்றும் அழுத்த சோதனை

மூன்று கருத்துகளை வேறுபடுத்துவது முக்கியம். ஒரு ஒற்றை அனுமானங்களைத் தேர்ந்தெடுத்து முடிவைக் கணக்கிடுவதே தீர்மானிக்கும் சூழ்நிலை: "பணவீக்கம் 40 சதவீதமாக இருந்தால், எங்கள் உரிமைகோரல்களின் விலை என்னவாக இருக்கும்?" எளிய, தெளிவான மற்றும் தொடர்பு கொள்ள எளிதானது; ஆனால் அது ஒரு வழியை மட்டுமே காட்டுகிறது, சாத்தியம் அல்ல. சீரற்ற உருவகப்படுத்துதல் (மான்டே கார்லோ) ஆயிரக்கணக்கான சீரற்ற காட்சிகளை மீண்டும் மீண்டும் உருவாக்குவதன் மூலம் விளைவின் நிகழ்தகவு விநியோகத்தைப் பெறுகிறது. இதனால், "சராசரியாக 50, ஆனால் 99.5 சதவீத அளவில் 78 மில்லியன்" போன்ற வால் தகவல்கள் பெறப்படுகின்றன. மன அழுத்த சோதனை என்பது ஒரு சிறப்பு வகை காட்சியாகும், இது சில கடுமையான ஆனால் நம்பத்தகுந்த நிகழ்வுகளின் (பூகம்பம், சந்தை விபத்து) தாக்கத்தை அளவிடுகிறது; பொதுவாக சீராக்கி மூலம் வரையறுக்கப்படுகிறது.

மான்டே கார்லோ ஆக்சுவேரியலின் மிகவும் சக்திவாய்ந்த கருவிகளில் ஒன்றாகும். தர்க்கம் இதுதான்: நீங்கள் அதிர்வெண் மற்றும் தீவிரம் விநியோகங்களிலிருந்து சீரற்ற மதிப்புகளைப் பிரித்தெடுத்து மொத்த சேதத்தைக் கணக்கிடுகிறீர்கள்; நீங்கள் இதை 10,000 முறை செய்யவும்; 10,000 சாத்தியமான மொத்த சேதத்தை உங்கள் கையில் குவிக்கிறது. இந்த திரட்சியிலிருந்து, 75 சதவீதம், 99.5 சதவீதம் மற்றும் மோசமான சூழ்நிலைகள் போன்ற சராசரி, சதவீதங்களை நீங்கள் படிக்கலாம். Solvency II (200 ஆண்டுகளுக்கு ஒரு முறை ஏற்படும் மோசமான ஆண்டு) க்கு தேவையான 99.5 சதவீத அளவு இப்படித்தான் கண்டறியப்படுகிறது. AI இந்த உருவகப்படுத்துதலுக்கான குறியீட்டை விரைவாக உருவாக்குகிறது.

பின்வரும் அட்டவணை மூன்று அணுகுமுறைகளை ஒப்பிடுகிறது:

அணுகுமுறை

என்ன கொடுக்கிறது

வலுவான புள்ளி

வரம்பு

தீர்மானிக்கும் காட்சி

ஒற்றை முடிவு

எளிமையானது, தொடர்புகொள்வது எளிது

நிகழ்தகவைக் கொடுக்காது

மான்டே கார்லோ

நிகழ்தகவு பரவல்

வால் அபாயத்தைக் குறிக்கிறது

அனுமானம் மற்றும் தரவு சார்ந்தது

மன அழுத்த சோதனை

அதிர்ச்சியில் முடிவு

ஆயுளை சோதிக்கிறது

அதிர்ச்சித் தேர்வு நீதித்துறை

வால் ஆபத்து: மிக முக்கியமான மற்றும் மிகவும் ஆபத்தான பகுதி

ஆக்சுவேரியல் கோட்பாட்டில், உண்மையான ஆபத்து என்பது சராசரியில் அல்ல, ஆனால் வால் (தீவிர, குறைந்த நிகழ்தகவு ஆனால் பரவலின் அதிக தாக்கம்) பகுதியில் உள்ளது. நிறுவனங்களை மூழ்கடிப்பது சராசரி ஆண்டு அல்ல, ஆனால் ஒரு அரிதான ஆனால் பேரழிவு நிகழ்வு: ஒரு பெரிய பூகம்பம், ஒரே நேரத்தில் வரும் பெரிய சேதம், திடீர் வட்டி விகித அதிர்ச்சி. இந்தப் பகுதியை அளவிட, VaR (ஆபத்திலுள்ள மதிப்பு - கொடுக்கப்பட்ட நம்பிக்கை மட்டத்தில் அதிகபட்ச இழப்பு) மற்றும் TVaR/CTE (வால் தாண்டிய சராசரி இழப்பு) ஆகியவை பயன்படுத்தப்படுகின்றன. மான்டே கார்லோ இந்த அளவீடுகளை கணக்கிடுவதற்கான இயற்கையான வழி.

ஆனால் வால் மற்றொரு ஆபத்து உள்ளது: வரலாற்று தரவு வால் நன்றாக பிரதிநிதித்துவம் இல்லை. அரிய நிகழ்வுகள், வரையறையின்படி, கடந்த காலத்தில் அரிதானவை; எனவே மாதிரி அவர்களை குறைத்து மதிப்பிட முனைகிறது. AI ஆனது வரலாற்றுத் தரவுகளின் அடிப்படையில் விநியோகத்தை எளிதாகப் பொருத்துகிறது, ஆனால் அது தன்னிச்சையாக "இந்த போர்ட்ஃபோலியோ அனுபவித்திராத ஒரு தொற்றுநோய் அல்லது 100 ஆண்டுகால நிலநடுக்கம் இருந்தால் என்ன?" என்று கருதுவதில்லை. கட்டமைப்பு முறிவுகள், தொடர்பு அதிகரிப்பு (நெருக்கடியின் போது அனைத்தும் ஒரே நேரத்தில் மோசமாகிவிடும்) மற்றும் காலநிலை மாற்றம் போன்ற போக்குகளை மாதிரியில் சேர்ப்பது ஆக்சுவரியின் வேலை.

எச்சரிக்கை: "எங்கள் மாதிரி 99.9 சதவீத காட்சிகளைக் கையாளுகிறது" என்ற வாக்கியம் ஆறுதல் அளிக்கிறது, ஆனால் வால் கடந்த தரவுகளிலிருந்து மாடல் கற்றுக்கொள்கிறது என்பதை நினைவில் கொள்ளுங்கள். ஒருபோதும் நடக்காத ஒரு நிகழ்வு சிறந்த மாதிரியின் குருட்டுப் புள்ளியாகும். இங்குதான் நிபுணர் தீர்ப்பு நடைமுறைக்கு வருகிறது.

சூழ்நிலை மற்றும் மன அழுத்த சோதனையில் AI ஐ எவ்வாறு பயன்படுத்துவது

1) மான்டே கார்லோ உருவகப்படுத்துதல் குறியீடு:

பைத்தானுடன் (கருத்துகளுடன்) ஒரு கூட்டு சேதம் மான்டே கார்லோ உருவகப்படுத்துதலை எழுதுங்கள். அனுமானங்கள் (நான் தருகிறேன்): சேதத்தின் எண்ணிக்கை ~ Poisson(lambda=1600), சேதத்தின் அளவு ~ Gamma(shape=k, scale=theta) [நான் k மற்றும் theta ஐ தருகிறேன்].1) 10,000 முறை: அளவு வரையவும், அந்த தொகையை வரையவும், கூட்டவும்.2) மொத்த சேதங்களின் சராசரி, 75%, 9% அச்சு மற்றும் .95%, 9% கணக்கீடு VaR(99.5%) மற்றும் TVaR(99.5%).ஃபிட்டிங் அளவுருக்கள்; நான் தருகிறேன். நூலகம்: நம்பி.

2) தீர்மானிக்கும் அழுத்த சூழ்நிலை:

உங்கள் பங்கு: இடர் உதவியாளர். எனது அடிப்படை இழப்பு 50 மில்லியன் TL ஆகும். பின்வரும் 3 உறுதியான காட்சிகளை அமைக்கவும்: A) பணவீக்க அதிர்ச்சி: தீவிரம் +30%. B) அதிர்வெண் அதிர்ச்சி: சேதங்களின் எண்ணிக்கை +15%. C) இரண்டும் ஒன்றாக. ஒவ்வொரு சூழ்நிலையிலும் எதிர்பார்க்கப்படும் புதிய சேதத்தை கணக்கிட்டு, அடிப்படையின் அடிப்படையில் சதவீத தாக்கத்தைக் காட்டி, எது மிகவும் முக்கியமானது என்று கருத்துத் தெரிவிக்கவும். நான் கொடுத்த அடிப்படை எண்ணைப் பயன்படுத்துங்கள்.

3) காட்சி வடிவமைப்பு ஆலோசனை:

நான் ஹெல்த் இன்சூரன்ஸ் போர்ட்ஃபோலியோவுக்கான மன அழுத்த சோதனை காட்சிகளை வடிவமைத்து வருகிறேன். - தொற்றுநோய், உயர் பணவீக்கம், புதிய விலையுயர்ந்த சிகிச்சை தொழில்நுட்பம் மற்றும் ஒழுங்குமுறை மாற்றத்திற்கான ஒரு வரைவு 'கடுமையான ஆனால் நம்பத்தகுந்த' சூழ்நிலையை முன்மொழியுங்கள். - ஒவ்வொரு காட்சியும் அதிர்வெண், தீவிரம் அல்லது இரண்டையும் பாதிக்கிறதா என்பதைக் குறிப்பிடவும். - வரலாற்றுத் தரவுகளுடன் கைப்பற்ற முடியாத வால் அபாயங்களைச் சுட்டிக்காட்டவும். நான் முடிவெடுப்பேன்; நீங்கள் கட்டமைப்பையும் நியாயத்தையும் வழங்குகிறீர்கள்.

4) முடிவை நிர்வாகத்திற்கு மொழிபெயர்த்தல்:

எனது மான்டே கார்லோ முடிவு: எதிர்பார்க்கப்படும் சேதம் 50M, VaR(99.5%) 78M, TVaR(99.5%) 89M. இதை இயக்குநர்கள் குழுவிற்கு 5 வாக்கியங்களில் விளக்கவும்:- 99.5% மற்றும் TVaR என்பதன் பொருள் என்ன, எளிய மொழியில்.- 'சராசரியால் திட்டமிடுதல்' ஏன் போதுமானதாக இல்லை?- மூலதனத்தின் அடிப்படையில் அவர்கள் என்ன எண்ணிக்கையைப் பார்க்க வேண்டும்?

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

எனது போர்ட்ஃபோலியோவிற்கு மன அழுத்த சோதனை செய்யுங்கள்.

அடிப்படை மதிப்பு இல்லை, அதிர்ச்சி வரையறை இல்லை, விநியோகம் இல்லை. AI ஒரு பொதுவான உரையை உருவாக்குகிறது, சாத்தியமான எண் அல்ல.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: உண்மையான ஆபத்து உதவியாளர். அடிப்படை அனுமானங்கள் (அநாமதேய): எதிர்பார்க்கப்படும் அதிர்வெண் 0.12, சராசரி தீவிரம் 30,000 TL, வெளிப்பாடு 20,000 கொள்கை ஆண்டுகள். தொழில்நுட்ப வட்டி 4%. பணி:1) அடிப்படை எதிர்பார்க்கப்படும் மொத்த இழப்பைக் கணக்கிடவும்.2) பின்வரும் அழுத்தங்களைப் பயன்படுத்தவும் மற்றும் ஒவ்வொன்றின் சதவீத தாக்கத்தைக் காட்டவும்: - பணவீக்கம்: தீவிரம் +25% - மோசமான குளிர்காலம்: அதிர்வெண் +10% - வட்டி விகிதம் குறைவு: 4% -> 3% (தற்போதைய பொறுப்பின் மதிப்பில் தாக்கம்) வால் அபாயத்திற்கு கார்லோ, ஏன்?நான் கொடுத்த எண்களைப் பயன்படுத்துங்கள்; விடுபட்டிருந்தால் கேளுங்கள்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - சராசரியின் வஞ்சகம். ஒரு நிறுவனம் அதன் மூலதனத்தை எதிர்பார்த்த சேதத்தின் அடிப்படையில் (50 மில்லியன்) திட்டமிட்டது. மான்டே கார்லோவை முடித்தபோது, ​​99.5 சதவிகிதம் 82 மில்லியனாக இருந்தது: மோசமான ஆண்டில், 32 மில்லியன் கூடுதல் தேவை இருந்தது, அதை நிறுவனத்தால் சந்திக்க முடியாது. மூலதனத் திட்டம் திருத்தப்பட்டது. AI வினாடிகளில் 10,000 காட்சிகளை உருவகப்படுத்தியது; ஆக்சுவரி விளக்கம் மற்றும் விநியோகத்தை மதிப்பீடு செய்தது.

வழக்கு 2 - தொடர்பு குருட்டுத்தன்மை. நிலநடுக்கம் மற்றும் வணிக குறுக்கீடு கவரேஜ் தனித்தனியாக ஒரு போர்ட்ஃபோலியோவில் குறைந்த ஆபத்து இருந்தது. ஆனால் ஒரு நிலநடுக்கம் இரண்டையும் ஒரே நேரத்தில் தூண்டுகிறது; சுதந்திரமாக கருதும் மாதிரியானது வால் ஆபத்தை பாதியாக குறைத்து மதிப்பிடுகிறது. ஆக்சுவரி காட்சியுடன் தொடர்புகளைச் சேர்த்தபோது, ​​உண்மையான மூலதனத் தேவை கணிசமாக அதிகரித்தது. பாடம்: ஒரு நெருக்கடியில், அபாயங்கள் சுயாதீனமானவை அல்ல; கேள்வி AI இன் சுதந்திரத்தை ஏற்றுக்கொண்டது.

வழக்கு 3 - நடக்காத ஒரு நிகழ்வு. கடந்த 10 வருட தரவுகளின் அடிப்படையில் ஒரு ஹெல்த்கேர் போர்ட்ஃபோலியோ மிகவும் "திடமானதாக" இருந்தது. ஒரு தொற்றுநோய் வந்தபோது, ​​அதிர்வெண் மற்றும் தீவிரத்தன்மை இரண்டும் ஒரே நேரத்தில் உயர்ந்தன; தரவுகளில் இது போன்ற எதுவும் இல்லாததால் மாடல் இதை ஒருபோதும் கணிக்கவில்லை. அடுத்த காலகட்டத்தில், தீர்மானகரமான தொற்றுநோய் சூழ்நிலை சேர்க்கப்பட்டது. AI வரைவு ஸ்கிரிப்டைத் தயாரித்தது; ஆக்சுவரி அதிர்ச்சியின் அளவை தீர்மானித்தது. பாடம்: வரலாற்று தரவு வரிசை முழுமையடையவில்லை.

பொதுவான தவறுகள்

• சராசரியாக திட்டமிடுதல். நிறுவனத்தை மூழ்கடிப்பது வால்தான், சராசரி அல்ல; VaR/TVaR போன்ற தீவிர அளவீடுகளைப் பாருங்கள்.
• அபாயங்கள் சுயாதீனமானவை என்று கருதுங்கள். நெருக்கடியின் போது, ​​தொடர்புகள் அதிகரிக்கும்; சுதந்திரத்தை ஏற்றுக்கொள்வது வாலை ஒளிரச் செய்கிறது.
• வரலாற்று தரவுகளில் முழு நம்பிக்கை. அரிய மற்றும் கட்டமைப்பு நிகழ்வுகள் தரவுகளில் இல்லை; நிபுணர் தீர்ப்புடன் காட்சியைச் சேர்க்கவும்.
• நிர்ணயம் மற்றும் சீரற்ற கலவை. ஒரு காட்சி நிகழ்தகவைக் கொடுக்காது; நிகழ்தகவுக்கு மான்டே கார்லோ தேவை.
• சிமுலேஷன் முடிவைச் சரிபார்க்காமல் வழங்குதல். சதவீதங்கள் மற்றும் VR ஐ சுயாதீனமாக சரிபார்க்கவும்; அளவுரு பிழை முழு விநியோகத்தையும் சிதைக்கிறது.

உதவிக்குறிப்பு: மான்டே கார்லோ முடிவுகளை வழங்குவதற்கு முன், ஒரு எளிய நிலைத்தன்மையைச் சரிபார்க்கவும்: உருவகப்படுத்துதல் என்பது நீங்கள் கையால் கணக்கிட்ட எதிர்பார்த்த மதிப்புக்கு (அதிர்வெண் × தீவிரம் × வெளிப்பாடு) அருகில் உள்ளதா? இல்லையெனில், ஒரு அளவுரு அல்லது குறியீடு பிழை உள்ளது.

சுருக்கமாக

எதிர்காலம் என்பது ஒரு எண் அல்ல, ஆனால் சாத்தியக்கூறுகளின் ஸ்பெக்ட்ரம். தீர்மானிக்கும் காட்சிகள் ஒற்றை "என்ன என்றால்" பாதையைக் காட்டுகின்றன, மான்டே கார்லோ முழு விநியோகம் மற்றும் வால் அபாயத்தைக் காட்டுகிறது, அழுத்த சோதனைகள் கடுமையான நிகழ்வுகளின் தாக்கத்தைக் காட்டுகின்றன. உண்மையான ஆபத்து வாலில் உள்ளது, சராசரி அல்ல, மற்றும் வரலாற்றுத் தரவுகள் வாலை நன்கு பிரதிநிதித்துவப்படுத்தவில்லை; அதிகரித்த தொடர்பு மற்றும் நிகழாத நிகழ்வுகளுக்கு உண்மையான தீர்ப்பு தேவைப்படுகிறது. AI காட்சியை வடிவமைக்கிறது, உருவகப்படுத்துதலைக் குறியீடு செய்கிறது மற்றும் முடிவை விளக்குகிறது; ஆனால் அதிர்ச்சித் தேர்வு, தொடர்பு அனுமானம், வால் தீர்ப்பு மற்றும் இறுதி இடர் முடிவு ஆகியவை ஆக்சுவரியில் தங்கியுள்ளது. ஒரு எளிய நிலைத்தன்மை சரிபார்ப்பு மூலம் எப்போதும் முடிவுகளை சரிபார்க்கவும்.

விண்ணப்ப பணி

அநாமதேய அடிப்படை அனுமானங்களை அமைக்கவும் (அதிர்வெண், தீவிரம், வெளிப்பாடு, ஆர்வம்). (அ) ​​அடிப்படை எதிர்பார்க்கப்படும் சேதம், (ஆ) பணவீக்கம், அதிர்வெண் மற்றும் வட்டி விகித அதிர்ச்சிகள் உட்பட 3 நிர்ணயிக்கும் காட்சிகள், (c) மான்டே கார்லோ சிமுலேஷன் மூலம் VaR மற்றும் TVaR (99.5%) ஆகியவற்றைக் கணக்கிடுங்கள். உருவகப்படுத்துதல் சராசரி நீங்கள் கைமுறையாகக் கணக்கிட்ட எதிர்பார்த்த மதிப்பிற்கு அருகில் உள்ளதா என்பதைச் சரிபார்க்கவும். இரண்டு இணைகள் சார்ந்து (தொடர்புடையவை) எப்படி வாலை மாற்றும் என்பதை AI உடன் விவாதிக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் சராசரியை விட வால் அளவீடுகளையும் (VaR, TVaR) பார்த்திருக்கிறேனா?
• [ ] நெருக்கடியின் போது ஏற்படும் அபாயங்களின் தொடர்பை நான் கணக்கில் எடுத்துள்ளேனா?
• [ ] வரலாற்றுத் தரவுகளில் காணப்படாத கட்டமைப்பு/அரிதான காட்சிகளை நிபுணர் தீர்ப்புடன் சேர்த்துள்ளேனா?
• [ ] நான் உறுதியான மற்றும் சீரற்ற அணுகுமுறையை உணர்வுபூர்வமாகப் பிரித்திருக்கிறேனா?
• மான்டே கார்லோ சராசரியை எதிர்பார்த்த மதிப்பின் நிலைத்தன்மைக்காக நான் கைமுறையாகச் சரிபார்த்திருக்கிறேனா?
• [ ] காட்சி தேர்வுகள் மற்றும் அதிர்ச்சி அளவுகளுக்கான நியாயத்தை நான் எழுதியிருக்கிறேனா?