Mga nadagdag:
- Kakayahang magdisenyo ng buong actuarial workflow bilang isang end-to-end na proseso na sinusuportahan ng artificial intelligence, mula sa pagpasok ng data hanggang sa huling nilagdaang ulat
- Kakayahang magtatag ng kontrol sa bersyon, trail sa pag-audit at disiplina sa pag-uulit kapag isinasama ang mga tool ng artificial intelligence sa daloy ng trabaho
- Kakayahang maunawaan kung paano nagbabago ang propesyon ng actuarial sa edad ng artificial intelligence at magplano ng sariling pag-unlad ng kasanayan at mga propesyonal na responsibilidad.
Pagsusulit sa Module
1. Tinanong ng isang actuary ang AI "ano ang dalas ng pagkawala ng aming portfolio noong nakaraang taon?" nang hindi nagbibigay ng data ng patakaran. tanong niya, at ang modelo ay nagbibigay ng isang kumpiyansa na numero. Aling panganib ang pinakahalimbawa ng sitwasyong ito?
- A) Halucination: ang modelo ay gumagawa ng isang gawa-gawang numero na walang access sa data ✔
- B) Overfitting
- C) Pag-leakage ng data
- D) Pagpapabuti ng mortalidad
Paliwanag: Kapag walang ibinigay na data sa modelo, ang bilang na nagagawa nito ay isang guni-guni: isang matatas ngunit gawa-gawang output na hindi batay sa totoong data. Ang mga numerical na resulta tulad ng dalas ay dapat palaging kalkulahin mula sa sariling data ng institusyon.
2. Ano ang pangunahing dahilan ng pagkakaiba sa pagitan ng "dalas" at "kalubhaan" sa pagmomodelo ng pinsala?
- A) Dahil ipinagbabawal ng batas ang dalas at intensity ng pagmomodelo nang magkasama
- B) Dahil valid lang ito para sa life insurance
- C) Ang dalas at intensity ay sumusunod sa iba't ibang distribusyon; Ang pagmomodelo nang hiwalay at pagsasama-sama ng mga ito ay hinuhulaan ang kabuuang pinsala nang mas tumpak ✔
- D) Dahil ang dalas at intensity ay palaging tumatagal ng parehong halaga, ito ay sapat na upang kalkulahin ang isa sa mga ito.
Paliwanag: Ang bilang ng mga pinsala (dalas) at ang halaga sa bawat pinsala (kalubhaan) ay may iba't ibang pag-uugali at iba't ibang distribusyon ng posibilidad; Ang kabuuang pinsala (risk premium) ay nakukuha sa pamamagitan ng pagmomodelo at pagpaparami nang hiwalay. Ang pagkakaibang ito ay nagbibigay-daan sa mas tumpak na hula ng pareho.
3. Ano ang ibig sabihin ng katumbas ng IBNR?
- A) Legal na pondo na inilaan para sa premium refund
- B) Probisyon para sa mga pinsalang natamo ngunit hindi pa naiulat ✔
- C) Komisyon na matatanggap mula sa reinsurer
- D) Kabuuan ng binayaran at saradong pinsala
Paliwanag: Ang IBNR (Incurred But Not Reported) ay ang probisyon na inilaan para sa hinaharap na halaga ng mga pinsala na nangyari ngunit hindi pa naiulat sa kumpanya. Ito ay tinatantya ng mga pamamaraan tulad ng chain ladder.
4. Ano ang gamit ng "development factor" sa pamamaraang chain-ladder?
- A) Ina-update ang mga premium ayon sa inflation
- B) Hinahati ang bilang ng mga patakaran ayon sa mga taon
- C) Direktang kinakalkula ang kinakailangang kapital
- D) Ito ay ginagamit upang mahulaan ang huling pinsala sa pamamagitan ng pagbibigay ng rate ng paglago ng pinagsama-samang pinsala mula sa isang yugto ng pag-unlad hanggang sa susunod. ✔
Paliwanag: Ang growth factor ay nagpapahiwatig kung gaano karaming beses ang pinagsama-samang pinsala ng isang panahon ng pinsala ay lumalaki mula sa isang taon ng pag-unlad hanggang sa susunod; Gamit ang mga salik na ito, tinatantya ang panghuling pinsala ng mga immature stages.
5. Bakit ginagamit ang GLM (generalized linear model) sa pagpepresyo sa mga actuaries?
- A) Dahil palagi itong nagbibigay ng pinakamataas na katumpakan ng hula
- B) Dahil ang mga coefficient ay nabibigyang-kahulugan, ang epekto ng mga kadahilanan ng panganib sa premium ay maaaring ipaliwanag nang malinaw ✔
- C) Dahil ito ay gumagana nang hindi nangangailangan ng data
- D) Dahil pinapayagan lamang ng batas ang GLM
Paglalarawan: Malinaw na ipinapakita ng GLM ang epekto ng bawat risk factor sa premium dahil ang mga coefficient nito ay nabibigyang-kahulugan; Ito ay isang kritikal na bentahe sa mga tuntunin ng batas, pag-audit at paglalarawan ng trabaho.
6. Ano ang ipinahihiwatig ng qx value sa isang mortality table?
- A) Posibilidad ng isang taong may edad x na mamatay sa loob ng isang taon ✔
- B) Kabuuang premium na binayaran hanggang sa edad x
- C) Kasalukuyang halaga ng x-year annuity
- D) Teknikal na rate ng interes
Paliwanag: qx ay ang posibilidad na ang isang tao na umabot sa edad na x ay mamatay sa loob ng isang taon. Ito ang pangunahing input ng life insurance at retirement accounts; Ang posibilidad na mabuhay ay matatagpuan sa pamamagitan ng px = 1 - qx.
7. Paano nakakaapekto ang pagtaas ng teknikal na rate ng interes (diskwento) sa isang annuity account sa kasalukuyang halaga ng mga pagbabayad sa hinaharap?
- A) Pinapataas ang kasalukuyang halaga
- B) Hindi ito nakakaapekto sa lahat
- C) Binabawasan ang kasalukuyang halaga ✔
- D) Binabago lamang nito ang mortalidad
Paliwanag: Habang tumataas ang rate ng diskwento, bumababa ang kasalukuyang halaga ng mga pagbabayad sa hinaharap dahil mas malakas na inilapat ang halaga ng oras ng pera. Samakatuwid, ang pagpapalagay ng interes ay direktang nakakaapekto sa halaga ng pananagutan at maingat na pinili.
8. Ano ang ibig sabihin ng "data leakage" sa feature engineering?
- A) Pag-iimbak ng data nang walang pag-encrypt
- B) Pagpuno sa mga nawawalang halaga ng average
- C) Hindi nagba-back up ng data
- D) Ang impormasyon na hindi aktwal na magagamit sa oras ng hula ay inihahalo sa modelo at mapanlinlang na nagpapalaki sa pagganap ✔
Paliwanag: Ang pagtagas ng data ay ang pagpapakilala ng impormasyon sa modelo na hindi aktwal na umiiral sa oras ng hula (halimbawa, isang variable na naglalaman ng hinaharap). Ito ay artipisyal na nagpapalaki sa pagganap ng pagsubok at nagiging sanhi ng pagbagsak ng modelo sa totoong mundo.
9. Ano ang mahalagang ibinibigay ng Monte Carlo simulation sa isang actuary?
- A) Binabawasan ang resulta sa isang solong at tumpak na numero
- B) Ito ay nagbibigay-daan upang makita ang probability distribution at buntot na panganib ng resulta sa pamamagitan ng pagbuo ng isang malaking bilang ng mga random na senaryo ✔
- C) Nagbibigay ito ng mga tumpak na hula nang hindi nangangailangan ng makasaysayang data.
- D) Awtomatikong isinusulat ang teksto ng batas
Paliwanag: Inuulit ng Monte Carlo ang mga random na sitwasyon nang maraming beses upang ang resulta ay matingnan bilang isang probability distribution (hal. tail risk, 99.5% level) sa halip na isang punto. Ito ay isang makapangyarihang paraan upang mabilang ang kawalan ng katiyakan.
10. Ano ang ibig sabihin ng SCR (Solvency Capital Requirement) sa loob ng balangkas ng Solvency II?
- A) Kabuuang taunang premium na kita
- B) Kabuuan ng bayad na pinsala
- C) Kinakailangang kapital na hawak upang masakop ang isang taong pagkalugi sa 99.5% na antas ng kumpiyansa ✔
- D) Rate ng komisyon ng reinsurance
Paliwanag: Ang SCR ay ang kinakailangang kapital na dapat panatilihin ng kumpanya upang matugunan ang mga obligasyon nito sa loob ng isang taon sa 99.5% na antas ng kumpiyansa (sa pinakamasamang sitwasyon na magaganap nang humigit-kumulang isang beses sa 200 taon). Ito ay isang mahalagang sukatan ng katatagan ng pananalapi ng isang insurer.
11. Paano nangyayari ang "hindi direktang diskriminasyon" sa isang modelo ng pagpepresyo na ginawa ng artificial intelligence?
- A) Ang isang proxy variable na nauugnay sa isang ipinagbabawal na variable ay hindi direktang nagdadala ng parehong epekto sa diskriminasyon ✔
- B) Ang modelo ay gumagamit ng masyadong maliit na data
- C) Pagtatakda ng mataas na premium
- D) Pagpili ng mababang teknikal na interes
Paliwanag: Kahit na ang isang ipinagbabawal na variable (hal. etnisidad) ay tinanggal mula sa modelo, ang isang malakas na nauugnay na kahalili na variable (hal. kapitbahayan/zip code) ay maaaring hindi direktang magdala ng parehong diskriminasyong epekto. Samakatuwid, ang modelo ay kailangang siyasatin hindi lamang para sa tahasan kundi para sa hindi direktang diskriminasyon.
12. Ano ang pangunahing tuntunin sa pagkapribado kapag nagsusuri ng patakaran at naghahabol ng data gamit ang isang tool na artificial intelligence na magagamit sa publiko?
- A) Kung maliit ang data, hindi na kailangan ng anonymization
- B) Ang pagpapalit lamang ng mga pangalan ay sapat na sa lahat ng pagkakataon
- C) Kung ang data ay naka-encrypt, maaari itong i-upload sa anumang sasakyan
- D) I-anonymize ang personal/pribadong data, huwag magbahagi ng hindi kinakailangang data at pumili ng secure/institusyonal na tool ✔
Paliwanag: Dapat na anonymize ang personal at espesyal na data (TR ID, pangalan, diagnosis, protocol) bago ibahagi; Kung maaari, ang mga tool ng kumpanya na may mga kontrata sa pagpoproseso ng data na hindi gumagamit ng data sa pagsasanay ng modelo ay dapat na mas gusto. Kinakailangan ito ng KVKK.
13. Bakit ang isang actuary na naghahambing ng chain ladder sa Bornhuetter-Ferguson (BF) na pamamaraan ay madalas na mas gusto ang BF para sa hindi pa nabubuong panahon (bagong) pinsala?
- A) Dahil mandatory ng batas ang BF
- B) Dahil hindi nangangailangan ng data ang BF
- C) Sa mga bagong panahon, ang mga salik ng chain ladder ay nagiging lubhang pabagu-bago; Nagbibigay ang BF ng mas matatag na hula gamit ang inaasahang rate ng pinsala ✔
- D) Dahil ang chain ladder ay gumagana lamang sa life insurance
Paliwanag: Dahil napakakaunting pinsala ang nangyayari sa mga bagong panahon, ang mga salik sa pagbuo ng chain ladder ay nagiging lubhang sensitibo at pabagu-bago sa maliliit na pagbabago. Pinapakinis ng BF ang volatility na ito gamit ang inaasahang pagkawala ng rate (a priori) na impormasyon at nagbibigay ng mas matatag na forecast.
14. Ano ang pangunahing problema kung ang isang actuary ay direktang pumirma sa AI-generated reserve account at ipinadala ito sa regulator?
- A) Ang responsibilidad at panghuling pag-apruba ay nasa actuary; Ang pagpirma sa hindi na-verify na printout ay hindi nag-aalis ng propesyonal at legal na panganib ✔
- B) Ang output ng artificial intelligence ay palaging hindi tumpak at hindi dapat gamitin
- C) Ganap na ipinagbawal ng regulator ang paggamit ng artificial intelligence
- D) Ang output ng artificial intelligence ay hindi nangangailangan ng lagda
Paglalarawan: Ang output ng AI ay isang draft; Ang pananagutan para sa pagpili ng pamamaraan, mga pagpapalagay at panghuling pigura ay nakasalalay sa pumirmang actuary. Ang pagpirma sa hindi na-verify na output ay kasing peligro ng pag-publish ng isang hindi nalagdaan na ulat at hindi nag-aalis ng propesyonal/legal na pananagutan.